基于神经网络预测异性岩石结构面抗剪强度的方法和装置制造方法及图纸

本发明专利技术公开了一种基于神经网络预测异性岩石结构面抗剪强度的方法和装置，该方法包括：构建ANN初始预测模型，使用样本对ANN初始预测模型进行训练，并使用粒子群优化算法对ANN初始预测模型的模型参数进行优化；当训练后的ANN初始预测模型的预测精度达到预设精度时，训练结束，得到PSO‑ANN预测模型；将目标岩石结构面的目标数据输入PSO‑ANN预测模型，预测目标岩石结构面对应的异形结构面的峰值抗剪强度。本发明专利技术实施例通过粒子群优化算法优化人工神经网络的模型参数，避免ANN容易陷入局部最优的问题，并通过迭代找到全局最优解，可以使得预测值在数值上更接近实际结果，误差波动较小。

【技术实现步骤摘要】

本专利技术涉及岩石力学，具体涉及一种基于神经网络预测异性岩石结构面抗剪强度的方法和装置。

技术介绍

1、对于以岩体为基础的结构，如矿山边坡、深部隧道、地下硐室等，结构面通常是影响结构强度和稳定性的薄弱环节。沿结构面的剪切滑移可能导致岩体失稳、工程结构破坏和重大的生命财产损失。因此，对结构面抗剪强度进行准确的评估和预测是保证岩体工程安全设计施工和长期稳定运行的重要前提。

2、在实际工程中，根据结构面两侧岩石材料是否相同，岩石结构面大致可分为两类：(a)节理壁面抗压强度相同的结构面，即同性结构面；(b)节理壁面抗压强度不同的结构面，即异性结构面，如广泛分布于岩土工程中的混凝土-岩石界面。异性结构面是岩石工程中潜在的风险因素，可能导致工程设计和施工成本的增加。具体而言，在复杂的地层工作条件下，两种不同岩石类型之间沿异性结构面的滑动是某些地层岩体失稳和地质灾害的主要原因之一。例如，由于三峡巴东地区独特的地质环境，该组岩性互层分布广泛。其中，砂岩-泥岩异性结构面和泥质灰岩-泥岩异性结构面尤为典型。

3、相对同性结构面而言，现有的对异形结构面剪本文档来自技高网...

【技术保护点】

1.一种基于神经网络预测异性岩石结构面抗剪强度的方法，其特征在于，其包括以下步骤：

2.根据权利要求1所述的基于神经网络预测异性岩石结构面抗剪强度的方法，其特征在于，使用样本对所述ANN初始预测模型进行训练之前，还包括：

3.根据权利要求1所述的基于神经网络预测异性岩石结构面抗剪强度的方法，其特征在于，使用样本对所述ANN初始预测模型进行训练，包括：

4.根据权利要求3所述的基于神经网络预测异性岩石结构面抗剪强度的方法，其特征在于，使用粒子群优化算法对所述ANN初始预测模型的模型参数进行优化，包括：

5.根据权利要求3所述的基于神经网络预测...

【技术特征摘要】

1.一种基于神经网络预测异性岩石结构面抗剪强度的方法，其特征在于，其包括以下步骤：

2.根据权利要求1所述的基于神经网络预测异性岩石结构面抗剪强度的方法，其特征在于，使用样本对所述ann初始预测模型进行训练之前，还包括：

3.根据权利要求1所述的基于神经网络预测异性岩石结构面抗剪强度的方法，其特征在于，使用样本对所述ann初始预测模型进行训练，包括：

4.根据权利要求3所述的基于神经网络预测异性岩石结构面抗剪强度的方法，其特征在于，使用粒子群优化算法对所述ann初始预测模型的模型参数进行优化，包括：

5.根据权利要求3所述的基于神经网络预测异性岩石结构面抗剪强度的方法，其特征在于，当训练后的ann初始预测模型的预测精度达到预设精度时，训练结束，得到pso-ann预测模型，包括：...

【专利技术属性】
技术研发人员：杨朝义，和继圣，黄正高，沙文忠，黄恒，谢世杰，王泽越，汤艺，曹日红，高如高，林杭，陈怡帆，潘镜桓，袁维，朱雄鹏，
申请(专利权)人：云南迪庆有色金属有限责任公司，
类型：发明
国别省市：