【技术实现步骤摘要】
本专利技术属于土的抗剪强度预测，尤其涉及一种基于迁移学习的泥沙抗剪强度预测方法、介质及终端。
技术介绍
1、在土力学中，抗剪强度是主要参数之一，通常用于土工结构的施工和设计，如土坝和挡土墙的施工、路堤和路面的设计等，土的抗剪强度的准确测定在重大土木工程中至关重要，确定抗剪强度的两个重要参数是内摩擦角和单位黏聚力，并受塑性指数、液限、含水率、粘土含量等因素的影响。传统的测定土的抗剪强度的实验有直剪试验，三轴试验，无侧限抗压试验等等，用于测定土的抗剪强度的土的本构模型存在以下的局限性：许多传统本构模型需要确定的参数较多，而这些参数往往需要通过实验测定，由于土的复杂性和多样性，参数的确定往往存在困难，且实验结果可能会受到多种因素的影响，导致参数的不确定性和误差；另外许多传统本构模型在描述土的非线性行为方面存在局限性，土的应力-应变关系通常是非线性的，而一些简单的本构模型无法准确描述这种非线性行为，导致预测结果的偏差，虽然本构模型中的数学公式是由实验数据推导而来，但该公式形式对所选试验具有较好的准确性，同时也限制了模型对其他不同应力路径试验的预
【技术保护点】
1.一种基于迁移学习的泥沙抗剪强度预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于迁移学习的泥沙抗剪强度预测方法，其特征在于，所述步骤S10中的条件包括塑性指数、液限、含水率、干密度、围压和加载速率。
3.根据权利要求1所述的一种基于迁移学习的泥沙抗剪强度预测方法，其特征在于，所述步骤S20的具体步骤如下：
4.根据权利要求1所述的一种基于迁移学习的泥沙抗剪强度预测方法，其特征在于，所述步骤S30中，CNN神经网络模型包括12层，具体为一个输入层、两个卷积层、两个Relu层、两个批归一化层、两个池化层、一个丢弃...
【技术特征摘要】
1.一种基于迁移学习的泥沙抗剪强度预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于迁移学习的泥沙抗剪强度预测方法，其特征在于，所述步骤s10中的条件包括塑性指数、液限、含水率、干密度、围压和加载速率。
3.根据权利要求1所述的一种基于迁移学习的泥沙抗剪强度预测方法，其特征在于，所述步骤s20的具体步骤如下：
4.根据权利要求1所述的一种基于迁移学习的泥沙抗剪强度预测方法，其特征在于，所述步骤s30中，cnn神经网络模型包括12层，具体为一个输入层、两个卷积层、两个relu层、两个批归一化层、两个池化层、一个丢弃层、一个全连接层和一个回归层。
5.根据权利要求1所述的一种基于迁移学习的泥沙抗剪强度预测...
【专利技术属性】
技术研发人员：王钰轲，周森森，蒋睿，钟燕辉，张蓓，余翔，
申请(专利权)人：郑州大学，
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。