【技术实现步骤摘要】
本专利技术涉及颗粒流离散单元数值模拟，尤其涉及一种基于小样本的微观参数正反演辅助标定工具。
技术介绍
1、适用于研究准静力或动力条件下非连续介质岩石力学问题的颗粒流离散单元数值方法，其核心是将天然材料离散成较小的颗粒，通过构建颗粒之间的粘结模型来实现颗粒间的力与力矩的传递，并以此真实反映岩石材料的物理力学特性。这些颗粒间及粘结模型所涉及的各种参数即为微观参数，用于区分实验室通过岩石力学试验所测得的单轴抗压强度等宏观参数。
2、数值仿真实验中所需要的微观参数通过实验室获取较为困难，常用的方法是在软件中使用微观参数模拟岩石力学试验，使得软件中的数值试验和实验室物理力学试验宏观结果响应一致，这一通过宏观参数反演微观参数的过程即为参数标定。
3、目前颗粒流仿真领域的参数标定方法仍然以“人工试算”为主，通过人工反复修改微观参数，使得软件中的数值试验和实验室做的力学试验响应一致。考虑到模拟所涉及的微观参数和宏观参数较多且存在很高的非线性特征，人工试算的参数标定方法效率较低，且受标定人员经验性影响，可重复性较弱。而通过多因素回...
【技术保护点】
1.基于小样本的微观参数正反演辅助标定工具，针对模拟所涉及的微观参数存在问题，来预测微观参数，其特征在于通过计算机数值模拟和机器学习预测模型正反演结合的方法进行参数标定准备，顺序建立颗粒流PFC2D数值模型、SVR机器学习训练样本集、设置SVR机器学习模型参数、采用设定好的SVR模型参数对建立的样本集进行训练得到预测模型、从准备好的目标宏观参数得到的预测模型预测得到微观参数；将得到的微观参数建立的数值模型进行数值模拟得到相对应的宏观参数和分析，得到的宏观参数与准备的目标宏观参数之间的误差，能完成对岩石微观参数的标定，还能实现对岩石微观参数的标定，不受标定人员经验性影响...
【技术特征摘要】
1.基于小样本的微观参数正反演辅助标定工具，针对模拟所涉及的微观参数存在问题，来预测微观参数，其特征在于通过计算机数值模拟和机器学习预测模型正反演结合的方法进行参数标定准备，顺序建立颗粒流pfc2d数值模型、svr机器学习训练样本集、设置svr机器学习模型参数、采用设定好的svr模型参数对建立的样本集进行训练得到预测模型、从准备好的目标宏观参数得到的预测模型预测得到微观参数；将得到的微观参数建立的数值模型进行数值模拟得到相对应的宏观参数和分析，得到的宏观参数与准备的目标宏观参数之间的误差，能完成对岩石微观参数的标定，还能实现对岩石微观参数的标定，不受标定人员经验性影响，可重复性强，对训练样本量的要求较小。
2.根据权利要求1所述辅助标定工具，其特征是具体工艺步骤与条件如下：
3.根据权利要求1或2所述的辅助标定工具，其特征是所述计算机辅助标定工具的界面，包括样本集操作模块(...
【专利技术属性】
技术研发人员：温晨，黄敏，苏致立，饶帝军，谢成龙，蔡思杰，
申请(专利权)人：紫金矿业集团股份有限公司，
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。