申请/专利权人：三峡大学

申请日：2021-11-10

公开（公告）日：2024-07-05

公开（公告）号：CN114218851B

主分类号：G06F30/27

分类号：G06F30/27;G06N3/084;G06F119/14

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2022.04.08#实质审查的生效;2022.03.22#公开

摘要：一种欠定条件下岩土体力学参数的逆向迭代修正反演方法，包括步骤一：采集可观测信息作为目标信息，并确定待反演参数数量；步骤二：定义神经网络结构；步骤三：制作神经网络训练样本库；步骤四：使用样本库数据训练神经网络；步骤五：以采集的可观测信息为目标，通过逆向反推的方式，得到力学参数取值；步骤六：定义误差阈值，使用逆向反推的方式得到的力学参数取值进行计算并输出计算结果，若计算结果与目标信息吻合程度较高，则误差校验通过，执行步骤八；若误差校验未通过，则执行步骤七；步骤七：将当前的力学参数取值与对应的计算结果作为一组新的样本添加到样本库中，并再次执行步骤四；步骤八：输出力学参数取值。本发明反演方法规避神经网络求解欠定问题时的局限性，具有更高的数值精度。

主权项：1.一种欠定条件下岩土体力学参数的逆向迭代修正反演方法，其特征在于包括以下步骤：步骤一：采集可观测信息作为目标信息，并确定待反演参数数量；步骤二：定义神经网络结构，将待反演参数作为输入数据，将目标信息作为输出数据；步骤三：制作神经网络训练样本库；步骤四：使用样本库数据训练神经网络；步骤五：以采集的可观测信息为目标，通过逆向反推的方式，得到力学参数取值；步骤六：定义误差阈值，使用逆向反推的方式得到的力学参数取值进行计算并输出计算结果，若计算结果与目标信息吻合程度高，则误差校验通过，执行步骤八；若误差校验未通过，则执行步骤七；步骤七：将当前的力学参数取值与对应的计算结果作为一组新的样本添加到样本库中，并再次执行步骤四；步骤八：输出力学参数取值；所述步骤三具体包括如下步骤：S3.1：确定力学参数的取值范围；S3.2：根据力学参数的取值范围随机产生一定数量的力学参数组合值；S3.3：使用力学参数组合值进行计算并输出计算结果；S3.4：将力学参数组合值与其相对应的计算结果添加到样本库中；所述步骤四具体包括如下步骤：S4.1、输出神经网络结果： 式1中：为第l层第i个神经元的输出值；为第l-1层第j个神经元的输出值；为第l层第i个神经元的激活函数；kl-1代表第l-1层的神经元个数；代表第l-1层第j个神经元与第l层第i个神经元的权重；是第l层第i个神经元的偏置项；S4.2、定义损失函数： 式2中：E为损失标量，采用均方误差定义；yi为神经网络前向传播获得的为输出信息的真实值；S4.3、权重、参数修正更新： 式3、式4中：为权重、偏置的修正量；为权重、偏置修正后的量；η1为BP神经网络的学习率；所述步骤五具体包括如下步骤：S5.1:根据实际情况指定待反演的边坡岩土体力学参数初始值；S5.2:将边坡岩土体力学参数初始值作为BP神经网络的输入，经过前向传播得到输出信息；S5.3:将输出信息与目标值进行误差分析,得到损失标量E；S5.4:将损失标量E对输入信息xi求偏导，让输入值沿使E下降方向进行修正，其更新公式为： 式5中：xi为第i个待反演的力学参数，Δxi为xi的更新量，η2为反演网络的学习率；η2一般为人为指定的小数，其引入的数学本质为沿E下降方向执行步长搜索；S5.5:若损失函数E的值小于收敛阈值10-5则停止并输出待反演参数值，若未达到精度要求则重复S5.4；所述步骤六具体包括如下步骤：S6.1、定义误差阈值；S6.2、将逆向反推得到力学参数值带入GeoStudio的Slope模块进行计算并输出计算结果；S6.3、使用均方误差衡量计算结果与目标信息之间的误差，若误差小于误差阈值，则误差校验通过，执行步骤八；若误差大于误差阈值，则执行步骤七。

全文数据：

权利要求：

百度查询： 三峡大学 一种欠定条件下岩土体力学参数的逆向迭代修正反演方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD