申请/专利权人：昆明理工大学

申请日：2022-10-11

公开（公告）日：2024-07-05

公开（公告）号：CN115508206B

主分类号：G01N3/08

分类号：G01N3/08;G01V20/00;G06N3/047;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2023.01.10#实质审查的生效;2022.12.23#公开

摘要：本发明涉及一种节理岩质边坡岩体强度参数概率反演方法，属于岩土工程领域。本发明通过现场地质调查和测量边坡信息，确定地质强度指标GSI、岩石材料常数mi和岩石单轴抗压强度σci的先验分布信息；基于节理岩体强度参数的先验信息，采用拉丁超立方抽样方法抽取m组参数GSI、mi、σci形成强度参数样本，逐个代入边坡数值模拟模型，进行正演模拟，输出对应的最小安全系数Fs、临界滑面剪入口横坐标x、滑面深度h；构建神经网络预测模型作为边坡数值模拟模型的替代模型，检验替代模型的精度，并统计替代模型与边坡数值模拟模型之间的误差；构造对数似然函数，采用改进的DREAMKZS算法进行岩体强度参数反演；收敛性分析，统计强度参数GSI、mi、σci后验概率分布中的统计特征值。

主权项：1.一种节理岩质边坡岩体强度参数概率反演方法，其特征在于，具体步骤如下：S1.通过现场地质调查和测量边坡信息，确定地质强度指标GSI、岩石材料常数mi和岩石单轴抗压强度σci的先验分布信息；S2.基于节理岩体强度参数的先验信息，采用拉丁超立方抽样方法抽取m组参数GSI、mi、σci形成强度参数样本，逐个代入边坡数值模拟模型，进行正演模拟，输出对应的最小安全系数Fs、临界滑面剪入口横坐标x、滑面深度h；S3.构建神经网络预测模型作为边坡数值模拟模型的替代模型，检验替代模型的精度，并统计替代模型与边坡数值模拟模型之间的误差；S4.构造对数似然函数，采用改进的DREAMKZS算法进行岩体强度参数反演；所述对数似然函数的构造方法，包括：1对于一个含n层不同性质岩体的二维节理岩质边坡，将岩体强度参数构成的向量定义为θθ＝[GSI1，mi1，σci1，···，GSIn，min，σcin]；假设其破坏时安全系数FS＝1，通过滑面调查得到滑面特征值，设y＝{FS，x，h}；2以Fθ为预测边坡安全系数和滑面特征点的模型，在贝叶斯推理中，考虑模型总误差ε，观测数据y表示为：y＝Fθ+ε式中：向量ε采用随机变量表征，ε＝{εFs，εx，εh}，表示测量误差和预测模型的总误差，采用均值为0和方差为σ的正态分布表示，即ε～N0，σ2，其中σ＝{σFS,σx,σh}，表示总误差的标准差；3基于贝叶斯公式，利用岩体强度指标θ先验信息和观测数据，岩体参数的后验分布为：pθ|y∝Ly|θpθ式中：pθ为先验概率密度函数，pθ|y为后验概率密度函数，Ly|θ为似然函数；似然函数Ly|θ的表达式为： 似然函数Ly|θ取对数形式： 式中：Ly|θ为似然函数；n为不同性质岩体的层数，σi表示总误差的标准差，yi表示滑面特征值；所述改进DREAMKZS算法特征为利用对数似然函数筛选算法的初始种群；S5.收敛性分析，统计强度参数GSI、mi、σci后验概率分布中的统计特征值。

全文数据：

权利要求：

百度查询： 昆明理工大学 一种节理岩质边坡岩体强度参数概率反演方法

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