System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及地质勘测,具体地涉及岩土工程岩土体稳定性研究中,基于siamese网络的地质强度指标gsi的定量计算方法。
技术介绍
1、在岩土工程稳定性评价研究中,工程岩体参数的确定是其中的关键,地质强度指标gsi又是反应岩体质量的重要参数,其直接与hoek-brown强度准则参数相联系。gsi是一种定量化岩体工程地质信息的方法,它作为hoek-brown强度准则的一个重要参数,实现了岩体强度参数的定量计算,与其它围岩分级方法相比,是唯一可直接确定岩体力学参数的方法。gsi围岩分级系统是在多年实践经验的基础上发展起来的,目的是为了修正hoek-brown岩体破坏准则,估算岩体的hoek-brown准则参数s、a和mb,修正不同地质条件下岩体的强度。
2、岩体的gsi值是根据岩体结构特征和结构面表面条件来估计的,hoek等人将岩体结构分为完整/大块状结构、块状结构、碎块状结构、层状碎裂/扰动装结构、碎裂/散体状、薄片状/剪切变形结构共6类,结构面表面条件分为很好、好、一般、差、很差共5类,其分类图表如图1所示。在使用gsi表格时,对岩体结构特征和结构面表面条件的判断要准确,才能获得最接近实际的岩体gsi值,这往往依赖工程师们丰富的经验和合理的判断,因此带有一定的主观性,这一缺点限制了gsi的广泛应用。因此,对于如何降低gsi取值的主观性,对提高岩体参数的准确性具有重要意义。
3、为了降低gsi取值的主观性,专家学者引入定量评价指标来换算gsi值,常见的方法主要有:(1)sonmez和ulusay引入了基于岩
4、从上面几种常见的降低gsi取值主观性的定量评价方法来看,结构面表面条件定量换算方法大体一致,即通过粗糙度、风化程度、填充情况计算,而岩体结构的定量换算方法虽然过程不同,但万变不离其宗,也均是通过直接、间接的参数对岩体体积节理数jv换算的。在实际工程中,岩体体积节理数jv的获取需要划分测区,通过人工测量每组节理间距和统计节理组数,这种方法也存在不足,一方面,人工测量和统计效率低,且在地下工程中安全性差;另一方面,对于节理非常发育、破碎岩体或者褶皱变形岩体,存在节理识别难度、节理间距统计困难、统计不完全的问题,从而限制了通过岩体体积节理数jv定量评价gsi的应用。
5、中国专利技术专利申请,公开号cn114676777a,公开了一种基于孪生网络的自监督学习细粒度图像分类方法,其首先利用注意力编码器提取图像的深度卷积特征,获取蕴含语义信息的注意力图并通过双线性池化方式编码图像特征;其次从原始图像上定位出注意力图上高响应值所在的显著区域,对显著区域进行裁切和擦除操作,从而形成不同视角的视图,以自监督的方式学习视角不变性特征;最后联合中心损失函数以及一致性损失函数,显示地约束不同视角特征,保持它们的类内一致性。本专利技术方法使得网络获得显著的性能增益,可以在细粒度图像分类的基线上显著提升分类准确度。
技术实现思路
1、本专利技术的目的在于:提供了一种基于siamese网络的岩体结构评价方法,即在图像识别获得岩体结构面网络图像的基础上,创新性通过孪生网络(siamese network)判别目标岩体结构类别,并且在一些优选方案中可以输出所属岩体结构的定量数值(0~100),该定量数值与sonmez和ulusay提出的“岩体结构级度sr”数值相对应,通过本专利的计算方法可以高效、准确定量表征gsi中的岩体结构特征。
2、为了实现上述目的,本专利技术采用的技术方案为:
3、一种基于siamese网络的岩体结构评价方法,包括如下步骤:
4、a、对岩体结构面进行网络图像表征;
5、b、将所述网络图像表征结果输入经过训练的岩体结构类别识别的孪生神经网络模型对岩体结构进行定量划分,输出为预测图像与各类岩体结构标准图像的相似度值,定义所述预测图像所属类别为相似度值最大那一类岩体结构;
6、其中,所述经过训练的岩体结构类别识别的孪生神经网络模型的训练步骤如下:
7、1)建立岩体结构标准图像数据集,其中,岩体结构标准图像按地质强度图表中给出的6类岩体结构图进行划分,即完整/大块状结构、块状结构、碎块状结构、层状碎裂/扰动装结构、碎裂/散体状结构、薄片状/
8、剪切变形结构;
9、2)将所述岩体结构标准图像数据集输入siamese网络进行训练得到所述经过训练的岩体结构类别识别的孪生神经网络模型。
10、本专利技术的一些优选方案如下:
11、优选地,在a步骤中,以vgg16作为主干网络的u-net结构面识别模型,通过图像分割的方法将结构面网络从岩石图像中提取出来,进一步地采用骨架化算法对提取的结构面网络进行处理,获得岩体结构面网络骨架图像。
12、优选地,对于前述步骤,对于提取效果较差的图像,采用阈值分割的方法剔除岩体结构面网络骨架中的噪点,从而获得更能表征实际的岩体结构的结构面网络图像。
13、优选地,在步骤b中,对6类岩体结构定量划分包括如下步骤:
14、①对6类岩体结构在0~100内进行6等分定量赋值,并定义结构面类别权值参数q=100/12=8.33,每个类别用i表示(i=1,2,3,4,5,6),中位数用mi表示:
15、1类,完整/大块状结构(83.31~100,中位数m1为91.66);
16、2类,块状结构(66.67~83.30,中位数m2为75);
17、3类,碎块状结构(50.01~66.66,中位数m3为58.33);
18、4类,层状碎裂/扰动装结构(33.34~50,中位数m4为41.66);
19、5类,碎裂/散体状结构(16.67~33.33,中位数m5为25);
20、6类,薄片状/剪切变形结构(0~16.66,中位m6数为8.本文档来自技高网...
【技术保护点】
1.一种基于Siamese网络的岩体结构评价方法,包括如下步骤:
2.根据权利要求1所述的基于Siamese网络的岩体结构评价方法,,其特征在于,还包括在A步骤中,以VGG16作为主干网络的U-net结构面识别模型,通过图像分割的方法将结构面网络从岩石图像中提取出来,进一步地采用骨架化算法对提取的结构面网络进行处理,获得岩体结构面网络骨架图像。
3.根据权利要求2所述的基于Siamese网络的岩体结构评价方法,,其特征在于,采用阈值分割的方法剔除岩体结构面网络骨架中的噪点。
4.根据权利要求1所述的基于Siamese网络的岩体结构评价方法,,其特征在于,在步骤B中,对6类岩体结构定量划分包括如下步骤:
5.根据权利要求1所述的基于Siamese网络的岩体结构评价方法,,其特征在于,在孪生神经网络模型的训练步骤的步骤1中,建立岩体结构标准图像数据集包括:从GSI图表中截取相应的岩体结构图像,手工绘制与标准图像一致岩体结构,构建与各类岩体结构一致离散裂隙网络模型,从模型中截取与标准岩体结构一致的图像。
6.根据权利要求1所述
7.根据权利要求1所述的基于Siamese网络的岩体结构评价方法,,其特征在于,所述孪生神经网络模型的损失函数是基于欧氏距离的对比损失函数。
8.根据权利要求1所述的基于Siamese网络的岩体结构评价方法,,其特征在于,所述孪生神经网络模型的训练步骤2包括如下步骤:
...【技术特征摘要】
1.一种基于siamese网络的岩体结构评价方法,包括如下步骤:
2.根据权利要求1所述的基于siamese网络的岩体结构评价方法,,其特征在于,还包括在a步骤中,以vgg16作为主干网络的u-net结构面识别模型,通过图像分割的方法将结构面网络从岩石图像中提取出来,进一步地采用骨架化算法对提取的结构面网络进行处理,获得岩体结构面网络骨架图像。
3.根据权利要求2所述的基于siamese网络的岩体结构评价方法,,其特征在于,采用阈值分割的方法剔除岩体结构面网络骨架中的噪点。
4.根据权利要求1所述的基于siamese网络的岩体结构评价方法,,其特征在于,在步骤b中,对6类岩体结构定量划分包括如下步骤:
5.根据权利要求1所述的基于siamese网...
【专利技术属性】
技术研发人员:宋冠先,梁铭,吴梦岚,朱孟龙,彭浩,黄能豪,解威威,卢雨戈,陈孝强,赵婷婷,凌干展,马必聪,苏强,梁厚燃,陈瞬,
申请(专利权)人:广西路桥工程集团有限公司,
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。