【技术实现步骤摘要】
所属的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的存储装置、处理装置的具体工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。本领域技术人员应该能够意识到，结合本文中所公开的实施例描述的各示例的模块、方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，软件模块、方法步骤对应的程序可以置于随机存储器（ram）、内存、只读存储器（rom）、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或内所公知的任意其它形式的存储介质中。为了清楚地说明电子硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本专利技术的范围。术语“第一”、“第二”等是用于区别类似的对象，而不是用于描述或表示特定的顺序或先后次序。术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备/...
【技术保护点】
1.一种基于数字孪生和深度学习的地质材料表征方法，其特征在于，包括：
2.根据权利要求1所述的一种基于数字孪生和深度学习的地质材料表征方法，其特征在于，通过对土石混合体试样三轴压缩的过程进行连续的CT扫描，获得土石混合体试样三轴压缩过程的数字孪生模型。
3.根据权利要求1所述的基于数字孪生和深度学习的地质材料表征方法，其特征在于，基于土石混合体试样三轴压缩过程的数字孪生模型，通过深度学习的语义分割算法分别获取初始状态块石特征和屈服状态块石-裂缝特征，并分别进行三维重建获得初始块石模型和屈服块石-裂缝模型。
4.根据权利要求1所述的基...
【技术特征摘要】
1.一种基于数字孪生和深度学习的地质材料表征方法，其特征在于，包括：
2.根据权利要求1所述的一种基于数字孪生和深度学习的地质材料表征方法，其特征在于，通过对土石混合体试样三轴压缩的过程进行连续的ct扫描，获得土石混合体试样三轴压缩过程的数字孪生模型。
3.根据权利要求1所述的基于数字孪生和深度学习的地质材料表征方法，其特征在于，基于土石混合体试样三轴压缩过程的数字孪生模型，通过深度学习的语义分割算法分别获取初始状态块石特征和屈服状态块石-裂缝特征，并分别进行三维重建获得初始块石模型和屈服块石-裂缝模型。
4.根据权利要求1所述的基于数字孪生和深度学习的地质材料表征方法，其特征在于，卷积神经网络的输入数据为初始块石模型中各个块石作为中心块石时初始影响域半径内的块石形态、结构参数和实验围压；通过屈服块石-裂缝模型中带有贡献程度标签的历史数据进行训练，使得卷积神经网络输出贡献程度。
<...【专利技术属性】
技术研发人员：孙修阔，李晓，李守定，毛天桥，郑博，李关访，郭鹏，陈鹏，
申请(专利权)人：中国科学院地质与地球物理研究所，
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。