为全面掌握未开挖隧道地质的岩性，收集新奥法隧道开挖过程中的随钻测量（MWD）信息建立包含7216 维的类间多维不平衡数据集。结合钻孔成像技术和专家解译，实现钻进参数与岩性的数据对齐。提出一种混合集成分类模型，结合Adaptive Synthetic Sampling (ADASYN)、网格搜索（GS）超参数优化算法和eXtreme Gradient Boosting（XGBoost），以实现高效、准确的未开挖岩性智能识别。通过对比模型Macro F1得分，表明GS-ADASYN-XGBoost 算法在不同岩性分类方面的表现优于其他混合模型。通过设置过采样比例为0.2，ADASYN 方法可优化数据不平衡比，有效提升分类器性能。尤其对最少类岩类（即青泥岩）的分类性能提升最显著。所提出模型可有效利用不平衡的多维随钻数据预测未开挖掌子面的岩体类别，为开挖面的地质解译提供思路。

新奥法隧道;随钻测量;岩性分类;多维不平衡数据