【技术实现步骤摘要】
基于数据的土样参数测量方法及其系统
[0001]本申请涉及智能测量领域，且更为具体地，涉及一种基于数据的土样参数测量方法及其系统。
技术介绍
[0002]对于土层反应分析中，土的动剪切模量和阻尼是重要的计算参数，为获取较为准确的数值需要根据相关理论对离散数据进行计算。现有技术中，对剪切模量和阻尼的计算较为粗糙，计算过程较为繁琐，计算结果不甚理想。如阻尼的计算需要将数据模糊成一个标准图形，这样计算简单但结果粗糙；或者将数据在cad中制图后求取面积，这样结果虽然较为准确但计算过程繁琐。
[0003]通过室内动三轴实验，可获得待测量土样在振动过程中的基本数据，例如，如不同时间下动应力、动应变、动孔压等参数。在得到上述基本数据后，可通过解析公式来得到动剪切模量和阻尼。但是，在获得基础数据的过程中，数据测量误差是不可忽略的影响要素，并且，通过解析公式难以精准拟合基础数据与动剪切模量和阻尼之间的函数映射关系，导致最终测量得到的动剪切模量和阻尼的精准度较低。
[0004]因此，期待一种优化的基于数据的土样参数测量方案。
【技术保护点】
【技术特征摘要】
1.一种基于数据的土样参数测量方法，其特征在于，包括：获取待测量土样在动三轴实验的振动过程中多个预定时间点的动三轴原始数据，其中，所述动三轴原始数据包括轴向力、轴向位移、孔压和围压；将所述各个预定时间点的动三轴原始数据通过包含多个全连接层的深度神经网络模型以得到多个单点原始数据深度关联特征向量；将所述多个单点原始数据深度关联特征向量通过基于转换器的上下文编码器以得到时间全局上下文语义关联特征向量；对所述时间全局上下文语义关联特征向量进行特征分布调制以得到优化时间全局上下文语义关联特征向量；以及将所述优化时间全局上下文语义关联特征向量通过第一解码器以得到第一解码值，所述第一解码值为待测试土样的剪切模量。2.根据权利要求1所述的基于数据的土样参数测量方法，其特征在于，将所述各个预定时间点的动三轴原始数据通过包含多个全连接层的深度神经网络模型以得到多个单点原始数据深度关联特征向量，包括：使用所述深度神经网络模型的全连接层以如下公式对所述各个预定时间点的动三轴原始数据进行全连接编码以得到所述多个单点原始数据深度关联特征向量，其中，所述公式为：，其中是所述各个预定时间点的动三轴原始数据，是输出向量，是权重矩阵，是偏置向量，表示矩阵相乘。3.根据权利要求2所述的基于数据的土样参数测量方法，其特征在于，所述包含多个全连接层的深度神经网络模型为多层感知机模型。4.根据权利要求3所述的基于数据的土样参数测量方法，其特征在于，将所述多个单点原始数据深度关联特征向量通过基于转换器的上下文编码器以得到时间全局上下文语义关联特征向量，包括：使用所述上下文编码器的转换器对所述多个单点原始数据深度关联特征向量进行基于转换器思想的全局上下文语义编码以得到多个全局上下文语义单点原始数据深度关联特征向量；以及将所述多个全局上下文语义单点原始数据深度关联特征向量进行级联以得到所述时间全局上下文语义关联特征向量。5.根据权利要求4所述的基于数据的土样参数测量方法，其特征在于，所述使用所述上下文编码器的转换器对所述多个单点原始数据深度关联特征向量进行基于转换器思想的全局上下文语义编码以得到多个全局上下文语义单点原始数据深度关联特征向量，包括：将所述多个单点原始数据深度关联特征向量进行一维排列以得到全局单点原始数据深度关联特征向量；计算所述全局单点原始数据深度关联特征向量与所述多个单点原始数据深度关联特征向量中各个单点原始数据深度关联特征向量的转置向量之间的乘积以得到多个自注意力关联矩阵；分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过归一化指数函数以得到多个概率值；分别以所述多个概率值中各个概率值作为权重对所述多个单点原始数据深度关联特征向量中各个单点原始数据深度关联特征向量进行加权以得到所述多个上下...
【专利技术属性】
技术研发人员：刘建民，王红卫，樊敏，苏思丽，王津津，高涛，
申请(专利权)人：山东省地震工程研究院，
类型：发明
国别省市：
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。