煤炭学报

作者：王勃, 谢刘俊, 陈泓云, 曾林峰, 申思洪任, 王乃川, 张德伟,

关键词：岩性识别, 随钻测量, 随钻伽马, 机器学习, 矿井物探,

随钻岩性识别是煤矿地质透明化探测的重要地质保障手段，传统的岩性识别方法主要为人工判别法，该方法依赖人的经验和专业知识的积累且受主观影响。近年来，智能化岩性识别方法涌现，利用机器学习的岩性识别模型智能判识岩性，常规相对单一钻进参数通过机器学习对岩性的识别准确率较人工高，但仍存在提升空间。基于此，基于履带式全液压坑道钻机升级随钻综合测量系统，开展不同岩性组合的岩层随钻试验，建立结合钻进参数和自然伽马的双参数岩性判别体系；针对SVM等传统算法存在的线性权重矩阵、需要参数量大、特征提取能力有限等弊端，将KAN网络运用到岩性智能识别。结果表明：对于SVM、KNN、DT及KAN等4种机器学习算法，利用钻进参数和自然伽马的双参数判别体系相比钻进参数或伽马参数的单参数判别法能够显著提高岩性识别的准确率；在机器学习算法方面，KAN网络相比另外3种传统机器学习方法提升了准确率，为精准识别地层岩性提供了有效方法。

来源：2025年第12期

《煤炭学报》期刊编辑部

查看煤炭学报杂志2025年第12期