买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本公开提供了一种工程灾变和注浆加固过程中岩土体强度变化的模拟方法，获取待测岩土体试样的在工程灾变与注浆加固过程中的宏观力学参数随时间变化数据；根据宏观力学参数随时间变化数据和预设机器学习模型，得到待测岩土体试样的微观力学参数随时间变化数据；根据微观力学参数随时间变化数据和预设DEM计算模型，得到工程灾变和注浆加固过程中岩土体强度变化模拟结果；本公开提供了工程岩体灾变与注浆加固过程中强度演化的DEM模拟计算方法，使得DEM模型更够更真实反映的岩土体的强度演化规律，极大的提高了岩土体的强度变化模拟结果的准确度。

主权项：1.一种工程灾变和注浆加固过程中岩土体强度变化的模拟方法，其特征在于，包括以下过程：建立机器学习细观参数标定模型，包括：建立机器学习样本库，基于DEM计算方法，开展基础力学试验的数值模拟，记录试验中的宏细观力学参数，每次试验的参数为一组样本，根据上述参数样本建立DEM宏细观参数标定数据库，作为机器学习的学习样本；训练机器学习模型，基于XGBoost算法开发用于宏细观参数标定的模型，将建立的数据库中的样本分为两组，其中80%的样本作为训练集，用于机器学习模型对数据特征进行分析及学习，其余20%的样本作为测试集，用于验证模型学习结果的准确性，将训练集中的宏观力学参数作为特征值，细观力学参数作为目标值导入至模型中，通过调节模型中的回归树数量K、回归树迭代步长η，正则系数γ和λ，完成模型的训练；所述宏观力学参数包括岩土体试样的弹性模量、泊松比、抗压强度、内摩擦角和内聚力，所述细观力学参数包括颗粒有效模量、颗粒密度、粘结有效模量、粘结强度；验证模型准确性，将测试集中的宏观力学参数作为特征值，导入建立的机器学习细观参数标定模型中，运行机器学习细观参数标定模型预测细观力学参数值，计算计算结果评价指标R2，如下式： ；其中，为第i个测试样本的实际数值，为模型预测的第i个样本值，为测试样本实际数值的平均数；重复上述步骤，当R20.95，建立机器学习细观参数标定模型；获取待测岩土体试样的在工程灾变与注浆加固过程中的宏观力学参数随时间变化数据；根据宏观力学参数随时间变化数据和预设机器学习模型，得到待测岩土体试样的微观力学参数随时间变化数据，包括：将获得的岩土体各时间段宏观强度作为输入参数导入到建立的机器学习细观参数标定模型中，得到各时间段对应的细观力学参数，通过机器学习中的回归分析方法拟合每个细观参数随时间的函数表达式如下所示： ，，，，式中，Eball为颗粒有效模量，ρball为颗粒密度，Ebond为粘结有效模量，Sbond为粘结强度，t为时间；根据微观力学参数随时间变化数据和预设DEM计算模型，得到工程灾变和注浆加固过程中岩土体强度变化模拟结果；将各细观参数随时间变化的数据嵌入到现有颗粒接触模型中，得到DEM接触强度演化模型，包括：通过对DEM计算中接触模型的二次开发，将获得的各细观参数随时间变化的函数表达式嵌入到现有颗粒接触模型中，建立DEM接触强度演化模型，实现在DEM的模拟中颗粒间接触的强度能够随时间减弱或增大，进而能够真实反映模型宏观强度的演化；在DEM计算模型嵌入DEM接触强度演化模型进行岩土体强度变化数值模拟，使DEM计算模型能够真实反映岩土体的强度演化规律。

全文数据：

权利要求：

百度查询： 山东大学 工程灾变和注浆加固过程中岩土体强度变化的模拟方法