Presentation Information
[P001A]Drill Energy Analysis-Based Visualization of Rock Information Behind the Face for Predicting Overbreak Volume and Location in Tunnel Blasting
○Yuna Nakazawa1[Student presentation: Master’s course], Yulin Xu1, Kotaro Nakane1, Shibin Taku2, Natsuo Okada3, Yoko Ohtomo3, Youhei Kawamura3 (1. Graduate School of Engineering, Hokkaido University, 2. Penta-Ocean Construction Co., Ltd., 3. Faculty of Engineering, Hokkaido Univerity)
Keywords:
Blasting method,Overbreak,Drill energy,Convolutional Neural Networks,Tunnel excavation
爆薬を用いた発破工法は鉱山開発やトンネル建設で広く用いられているが、過度に掘削してしまう余掘りの発生が深刻な課題となっている。余掘りは操業コストの増大や安全性の低下を招くため、余掘り量や発生箇所を予測する技術の開発が強く求められている。従来の研究では、主に切羽表面の地質情報を用いて余掘り予測をするAIモデルの構築が進められてきたが、より高度な予測の実現には、切羽背面の詳細な情報を活用する予測方法が求められている。そこで本研究では、余掘り予測に必要な岩石情報を含む発破孔掘削時のドリルデータから切羽背面の情報を可視化する手法を提案する。岩石強度を推定する指標としてSpecific Energy（SE）の適用を検討したが、ジャンボには最大3本のドリルブームがあり、掘削で得られる情報にブーム特有の差異が存在し、情報の一意な統合が困難であった。そこで著者らはSEに代わる類似したエネルギー指標を提案した。その結果、実験データに対してブーム間の算出したドリルエネルギーの差異が解消されることを確認した。これらの成果は、高度な余掘り予測への応用を促進し、将来的にはAIによる発破設計の最適化に貢献すると期待される。