A method and system for generating SCCRF is proposed. The parameters of actual sampling data are used as multi-dimensional constrained data, and the cross-correlation between different variables and spatial structure of rock and soil mass are considered to generate a new random field. According to the actual observation data as the known point condition data, the unknown point data is generated by considering the crossover of multiple variables in collaboration with Kriging, and the hard data is restrained by soft data while the original regionalized variable random field is generated, and then the random field with the correlation of multiple regionalized variables is realized. The complete random field is combined with the cooperative Kriging method, and the directional complex anisotropic spatial variation structure is considered to generate the structured cross-constrained random field. The method reproduces the second-order statistical characteristics of the parameters of the study area, considers the random field simulation of the complex anisotropic spatial variation structure type, and improves the assignment accuracy.
【技术实现步骤摘要】
一种SCCRF生成方法及系统
本专利技术涉及地质数据分析领域,更具体地说,涉及一种SCCRF生成方法及系统。
技术介绍
岩土体在各个地质时期,由于物质组成、沉积条件、地质构造运动及内外动力地质作用等因素的影响,在空间上形成不同的空间结构,表现出局部的随机性和整体的结构性,也即岩土体的物理力学参数具有很强的空间变异性(Rahardjoetal.,1995;张征等,1996)。岩土体参数空间变异的结构性即参数的空间变异结构,包括空间变异的类型(各向同性或各向异性)、空间变异的程度和空间变异的定向性等。岩土参数的变异性作为工程中随机性的主要来源,一直是可靠性分析中不可忽视的重要因素。因而准确的描述岩土参数的变异性是进行可靠性分析的前提。目前基于随机场模型研究岩体参数空间变异性已经发展较为成熟(Sungeun,2009;Santosoetal.,2011)。这种方法通过Vanmarcke(Vanmarcke,1977)提出的土性剖面随机场模型来显性的考虑土体参数空间变异性,其中,相关距离、相关函数和方差折减函数是描述随机场模型最基本的三个指标。相关距离用来表征土体参数的变异性和空间相关性,相关距离越大,土体性质的空间相关性就越强;相关函数的自变量是土体空间中任意两点的距离,其因变量则为两点间土体参数的自相关系数;方差折减函数定义为土体某一区域参数的平均方差与任一点参数的方差的比值,从而将土体参数的空间变异性与点变异性之间联系了起来。基于随机场模型的可靠性分析,核心问题就是随机场的生成,在获得岩土参数随机场后结合已有的可靠性分析方法便可以定量研究所要研究的对象。目前 ...
【技术保护点】
1.一种SCCRF生成方法,其特征在于,包含如下步骤:(1)获取作为目标区域的随机场Z(x)在点位为x1、x2、x3、…、xk的观测数据包Z1(x)、Z2(x)、Z3(x)、…、Zk(x),每个数据包含多个种类的观察量;判断随机场Z(x)内的观测数据是否符合正态分布,若否,则将随机场Z(x)内的观测数据转换为正态分布;(2)求取符合正态分布后的观测数据的均值、方差及相关距离,然后根据求取出的数据,通过局部平均法建立K维完全随机场,记作Zrf(x);(3)根据符合正态分布后的观测数据,采用标准球状函数模型,基于CoKriging方法模拟未知点xk+1、xk+2、xk+3、…、xn的最佳线性无偏估计值;同时在给定的交叉函数模型γkk’(h)条件下,生成结构化条件随机场,记作Zcrf(x);(4)提取完全随机场点位为x1、x2、x3、…、xk的估算值Zrf(x1)、Zrf(x2)、Zrf(x3)、…、Zrf(xk)作为步骤(3)中条件随机场的采样数据,再按照步骤(3)建立一个完全随机场基础上的约束随机场,记作Zu(x);(5)将Zrf(x)、Zcrf(x)以及Zu(x)叠加生成SCCRF。
【技术特征摘要】
1.一种SCCRF生成方法,其特征在于,包含如下步骤:(1)获取作为目标区域的随机场Z(x)在点位为x1、x2、x3、…、xk的观测数据包Z1(x)、Z2(x)、Z3(x)、…、Zk(x),每个数据包含多个种类的观察量;判断随机场Z(x)内的观测数据是否符合正态分布,若否,则将随机场Z(x)内的观测数据转换为正态分布;(2)求取符合正态分布后的观测数据的均值、方差及相关距离,然后根据求取出的数据,通过局部平均法建立K维完全随机场,记作Zrf(x);(3)根据符合正态分布后的观测数据,采用标准球状函数模型,基于CoKriging方法模拟未知点xk+1、xk+2、xk+3、…、xn的最佳线性无偏估计值;同时在给定的交叉函数模型γkk’(h)条件下,生成结构化条件随机场,记作Zcrf(x);(4)提取完全随机场点位为x1、x2、x3、…、xk的估算值Zrf(x1)、Zrf(x2)、Zrf(x3)、…、Zrf(xk)作为步骤(3)中条件随机场的采样数据,再按照步骤(3)建立一个完全随机场基础上的约束随机场,记作Zu(x);(5)将Zrf(x)、Zcrf(x)以及Zu(x)叠加生成SCCRF。2.根据权利要求1所述的SCCRF生成方法,其特征在于,在步骤(2)中,所述Z(x)内的观测数据为对数正态分布;所述将随机场Z(x)内的观测数据转换为正态分布包括采用下述公式进行转换:式中,σlnx、μlnx分别表示转换后的观测数据的方差以及均值,σx、μx分别为转换前的方差以及均值。3.根据权利要求1所述的SCCRF生成方法,其特征在于,在步骤(3)中,在模拟所述最佳线性无偏估计值时,所采用的最佳线性无偏估计系统方程为Kλ=M式中:K为协同克里金矩阵,为已知点函数;λ为权重向量;M为已知点和未知点的函数,μ为拉格朗日乘子;其中,通过求解式中λ,得到相应的协同克里金估计值为:式中:ui表示第i个硬数据,vj表示第j个软数据,ai、bj分别为硬数据和软数据的权重系数,i=1、2、3、…、n,j=1、2、3、…、m,n和m分别为软数据和硬数据的数目,为交叉协方差。4.根据权利要求1所述的SCCRF生成方法,其特征在于,步骤(4)提取完全随机场点位为x1、x2、x3、…、xk的估算值Zrf(x1)、Zrf(x2)、Zrf(x3)、…、Zrf(xk)是通过Matlab程序实现。5.根据权利要求1所述的SCCRF生成方法,其特征在于,步骤(5)中SCCRF是通过下述公式计算得到:Zsccrf(x)=Zcrf(x)+[Zrf(x)-Zu(x)]式中,Zsccrf(x)为最终得到的SCCRF。6.一种SCCRF生成系统,其特征在于,包含如下模块:数据获取转换...
【专利技术属性】
技术研发人员:夏侯云山,张抒,唐辉明,刘晓,韦宏宽,
申请(专利权)人:中国地质大学武汉,
类型:发明
国别省市:湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。