机器学习辅助建立岩石节理峰值抗剪强度预测模型的方法技术

本发明专利技术涉及机器学习辅助建立岩石节理峰值抗剪强度预测模型的方法，首先经过特征筛选，选取了三维粗糙度参数、法向压力、基本摩擦角以及材料的抗拉强度四个具有代表性的参数作为机器学习模型的输入参数；分别基于支持向量机(SVM)、遗传算法改进的BP神经网络(GA

【技术实现步骤摘要】
机器学习辅助建立岩石节理峰值抗剪强度预测模型的方法


[0001]本专利技术涉及岩石节理峰值抗剪强度预测模型领域，具体为机器学习辅助建立岩石节理峰值抗剪强度预测模型的方法。

技术介绍

[0002]天然岩体中存在大量随机分布的节理，与完整岩体相比，节理的存在一定程度上会降低岩体的强度和稳定性；在岩质边坡或者地下工程的设计中，节理的剪切强度是一个重要的需要考虑的参数；因此，准确评估和预测节理的剪切强度一直是岩土工程的热点问题，在过去的几十年里，研究人员基于剪切试验提出了大量的节理抗剪强度理论模型或者经验公式；然而节理面的抗剪强度受多因素影响，用于描述节理面抗剪强度的参数因人而异，研究人员从不同的角度研究可以采用不同的参数，因而得出了不同的抗剪强度模型。由于岩土材料的不确定性和复杂性，且随着计算机计算效率的不断提高，越来越多的研究人员倾向于使用机器学习算法来解决多因素影响的问题。机器学习算法可以在没有先验假设的条件下从原始数据进行学习，捕获信息间的潜在相关性，发现数据之间隐藏的模式，进而可以对未知数据进行预测。与传统的经验模型相比，机器学习算法由于具有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.机器学习辅助建立岩石节理峰值抗剪强度预测模型的方法，其特征在于，包括以下步骤：S1、分析与岩石节理峰值抗剪强度相关的参数，建立用于机器学习的岩石节理峰值抗剪强度数据库；S2、进行特征选择，对所选特征参数进一步处理和分析，选择最合适的特征并确定最终的输入参数；S3、将选取的特征参数的值进行数据缩放，同时按照一定比例将处理好的数据集划分成训练集和测试集；S4、建立岩石节理峰值抗剪强度的机器学习预测模型，训练集将用于机器学习模型的训练，训练好的模型将在测试集上进行预测，评估预测模型的性能优劣。S5、分析所建立的岩石节理峰值抗剪强度预测模型的参数敏感性，在新数据集上进行预测和评估，选出性能较优者。2.根据权利要求1所述的机器学习辅助建立岩石节理峰值抗剪强度预测模型的方法，其特征在于，在所述S1中，通过统计分析传统的岩石节理峰值抗剪强度模型中所使用的参数，来选取与岩石节理峰值抗剪强度相关的参数，同时需要考虑可用的数据建立用于机器学习的数据库。3.根据权利要求1所述的机器学习辅助建立岩石节理峰值抗剪强度预测模型的方法，其特征在于，在所述S2中，需要对S1中初步选取的参数进行进一步分析，排除或者合并冗余的参数，精简用于机器学习的输入参数的数量。4.根据权利要求1所述的机器学习辅助建立岩石节理峰值抗剪强度预测模型的方法，其特征在于，在所述S3中，数据缩放的方法有两种选择：标准化和归一化。标准化使特征被重新缩放为具有均...

【专利技术属性】
技术研发人员：申辉，刘亚群，李海波，刘博，夏祥，于崇，
申请(专利权)人：中国科学院武汉岩土力学研究所，
类型：发明
国别省市：