一种SCCRF生成方法及系统技术方案

本发明专利技术提出一种SCCRF生成方法与系统，利用实际采样数据的参数作为多维约束数据，同时考虑了岩土体空间结构和不同变量间的交叉相关性来生成新的随机场。本发明专利技术根据实际观测数据作为已知点位条件数据，通过协同克里金考虑多个变量间交叉性生成未知点数据；在生成原始区域化变量随机场的同时利用软数据去约束硬数据，进而得到考虑多区域化变量间相关性的随机场实现；同时将完全随机场与协同克里金法进行结合，考虑具有定向性的复杂各向异性空间变异结构，进而生成结构化交叉约束随机场。本发明专利技术生成方法再现了研究区域参数的二阶统计特性，考虑了复杂各向异性的空间变异结构类型的随机场模拟，并提高了赋值精度。

A method and system for SCCRF generation

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，随机场的生成大致可以分为两类。第一类为完全随机场(randomfield，RF)(Elramlyetal.,2002；GriffithsandFenton,2004；蒋水华等,2014；代庆礼,2015；JiangandHuang,2016)，这种随机场将岩土体的物理力学参数视为服从一定的概率分布的随机变量，利用变量的均值、方差和相关距离等来生成完全随机场用以表征岩土参数的空间变异性。如EI-Ramly等(Elramlyetal.,2002)使用近似一维随机场理论，建立了土体参数沿边坡失效面分布的空间变异性模型，并计算了其可靠度。Griffith等(2004)利用局部平均法描述岩土参数的随机特性，然后采用有限元强度折减法分析了边坡的稳定性，最后基于Monte-Carlo法得到了边坡的破坏概率。蒋水华等(2014)提出的基于Cholesky分解中点法生成相关非高斯随机场。Jiang等(2016)基于子集模拟，提出的Cholesky分解技术来生成非平稳随机场。第二类为约束随机场(constraintrandomfield,CRF)(吴振君,2009；Lloret-Cabotetal.,2012；张社荣等,2013；Lloret-Cabotetal.,2014；Lietal.,2016；Lietal.,2016；Liuetal.,2017；张抒等,2017)，这种随机场实则是结合观察值集合(observations)，并基于目标函数在给定的约束条件下生成的随机场。如吴振军等(吴振君等,2009)基于Kriging插值技术建立的参数约束随机场。Lloret-Cabot等(2012,2014)也利用Kriging插值技术基于CPT试验数据产生约束随机场。Li等(2016)提出的一种结合3D-kriging与随机场发生器，基于蒙托卡罗架构生成约束随机场。张社荣等(张社荣等,2013)引入Bayes方法对溶蚀区域岩土参数随机场进行基于试验参数的约束，即在溶蚀区土性参数先验信息的基础上加入新的钻孔试验样本数据，生成更为严格的参数约束随机场。对现有文献总结，现有技术的客观缺点主要存在于：(1)完全随机场完全随机场是目前最常见的一种随机场(GriffithsandFenton,2004；Low,2007；李典庆等,2013)。这种方法的缺点主要在于两方面。一方面，完全随机场没有充分利用有限的现场试验数据和监测资料等来约束岩土体参数在空间特定位置上的分布，对于变异性小的土体参数来讲是合理的，但如果土体参数变异性较大，在局部区域就可能会造成参数波动很大，显然与实际不符，易造成对具体场地岩土参数空间变异性的过高估计(Lietal.,2016)。另一方面，这种方法进行随机场模拟采用的核心参数为水平方向和垂直方向的波动范围(有些文献为相关距离)，这种方法对于各向同性以及横观各向异性的空间变异结构较为适用，而对于具有定向性的复杂各向异性的岩土体来说显然无法进行准确表征和参数随机场的模拟。(2)约束随机场约束随机场相对于完全随机场，充分利用了实测资料，从而随机场的赋值可靠性予以提升。目前这种方法的缺点主要在于：①目前约束随机场的生成对于各向同性及正交各向异性的空间变异结构研究居多，对于具有定向性的复杂各向异性的空间变异结构，尤其是带状各向异性的空间变异结构涉及较少；②现有的约束随机场模拟方法计算过程较为复杂，计算效率低。如Bayes方法受参数的先验统计信息影响较大，马尔科夫链蒙特卡洛模拟法生成的约束随机场对于多参数(多维)样本接受概率低且计算量大；③随机场的生成过程中没有综合考虑多维参数的交叉影响，普遍是基于单参数变量离散随机场(吴振君等,2009；邓志平等,2014；张抒等,2017)。
技术实现思路
本专利技术要解决的技术问题在于，针对上述(1)、(2)中提到的技术问题，提供了一种SCCRF生成方法及系统，从而实现对随机场的模拟并将模拟得到的随机场参数赋值给相应的离散单元，进而进行工程可靠性分析，并在该方法和系统中考虑岩土参数全区域、多方向的变异性和相关性，同时保留了原始的观测数据。根据本专利技术的其中一方面，本专利技术解决其技术问题所采用的技术方案是：构造一种SCCRF生成方法，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。进一步地，在本专利技术的SCCRF生成方法中，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本文档来自技高网...

【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