基于神经网络的旁压模量计算模型的生成方法和生成装置制造方法及图纸

本申请实施例提供一种基于神经网络的旁压模量计算模型的生成方法和生成装置。方法包括：确定训练集和测试集；训练集为第一比例的目标土层样本数据，测试集为第二比例的目标土层样本数据，目标土层样本数据包括目标土层多个原状样品的室内试验数据和取样位置的原位旁压模量；确定室内试验数据为神经网络的输入数据；确定旁压模量为神经网络的输出数据；根据训练集中的神经网络输入数据，调整神经网络的训练参数，得到初调模型参数；验证并调整初调模型参数的准确性，得到最终神经网络模型参数，进而生成旁压模量计算模型。本申请解决了现有技术中以土体某一方面特征与原位旁压模量间的关系导致测得旁压模量准确度低的技术问题。问题。问题。

【技术实现步骤摘要】
基于神经网络的旁压模量计算模型的生成方法和生成装置


[0001]本申请涉及岩土工程勘察测试
，具体地，涉及一种基于神经网络的旁压模量计算模型的生成方法和生成装置。

技术介绍

[0002]旁压试验是通过旁压器对钻孔孔壁施加横向压力，使土体产生径向变形，利用仪器所测量的周围岩土体的径向压力与变形关系，测求地基土的原位力学状态和力学参数，得到旁压模量。旁压模量作为原位测试数据，在设计中具有重要作用。然而，由于试验的复杂性、经济性和时效性，不能在单一项目的全部钻孔开展，造成了使用的局限性。因此，如何准确、经济、快速的获得土的旁压模量成为工程师们的研究重点之一。
[0003]回窥土体本身，土体常规的室内试验数据与旁压模量之间必然存在联系，相比原位旁压试验需通过现场测试而言，土的常规室内试验在岩土勘察中被普遍使用，可通过取样测试即可方便获得，若能将土体常规的室内试验数据与原位旁压模量之间建立起联系，则在一定程度上突破了必须依靠原位旁压试验才能测得旁压模量的限制。
[0004]对于此类常规室内试验数据与力学参数之间的关系模型，前人多仅用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的旁压模量计算模型的生成方法，其特征在于，包括：确定训练集和测试集；其中，所述训练集为第一比例的目标土层样本数据，所述测试集为第二比例的目标土层样本数据，所述目标土层样本数据包括目标土层多个原状样品的室内试验数据和取样位置的原位旁压模量，所述室内试验数据包括原状样品的物理性质指标数据和力学性质指标数据；第一比例大于第二比例；确定所述室内试验数据为神经网络的输入数据；确定所述原位旁压模量为神经网络的输出数据；根据所述训练集中的神经网络输入数据，调整所述神经网络的训练参数，使得所述训练集中的神经网络输入数据收敛于所述训练集中的神经网络输出数据，得到初调模型参数；根据所述初调模型参数、所述测试集中的神经网络输入数据和神经网络输出数据，验证并调整初调模型参数的准确性，如此往复，得到最终神经网络模型参数；根据所述最终神经网络模型参数，生成旁压模量计算模型。2.根据权利要求1所述的基于神经网络的旁压模量计算模型的生成方法，其特征在于，确定训练集和测试集的步骤之前还包括：获取目标土层各个原状样品的取样位置处的原位旁压模量；其中，所述目标土层为拟实施旁压试验的土层且获取不扰动原状土样品所在的土层。3.根据权利要求2所述的基于神经网络的旁压模量计算模型的生成方法，其特征在于，确定训练集和测试集的步骤之前还包括：获取各个原状样品的室内试验数据；其中，所述目标土层原状样品的物理性质指标数据包括测定密度、含水率、液限、塑限和颗粒密度，所述力学性质指标数据包括压缩模量和压缩系数，直剪的粘聚力和摩擦角。4.根据权利要求3所述的基于神经网络的旁压模量计算模型的生成方法，其特征在于，在获取目标土层各个原状样品的取样位置处的原位旁压模量和获取各个原状样品的室内试验数据的步骤之后、且在确定训练集和测试集的步骤之前还包括：将各个原状样品的室内试验数据与原位旁压模量一一对应，并进行校验核对以形成目标土层样本数据。5.根据权利要求4所述的基于神经网络的旁压模量计算模型的生成方法，其特征在于，确定训练集和测试集的步骤具体为：按照7:3的比例随机将目标土层样本数据分为第一比例目标土层样本数据和第二比例目标土层样本数据，第一比例目标土层样本数据的比例为70％，第二比例目标土层样本数据的比例为30％。6.根据权利要求4所述的基于神经网络的旁压模量计算模型的生成方法，其特征在于，确定训练集和测试集的步...

【专利技术属性】
技术研发人员：张鹤，郑林春，刘柏林，王永国，毛忠良，唐沛，莫万远，丁新红，江涛，张文博，黄微，冯永阳，余西川，杨小峰，王凯杰，蒋国敬，陶玉洋，
申请(专利权)人：中铁第五勘察设计院集团有限公司，
类型：发明
国别省市：