基于因子分析和神经网络的粗糙度量化方法及系统技术方案

本申请涉及计算机辅助优化技术领域，提供一种基于因子分析和神经网络的粗糙度量化方法及系统。该方法通过对已有大量轮廓线和形貌参数进行分析和筛选，结合数字化处理技术从代表性轮廓线中提取形貌参数及其JRC值，构建结构面轮廓线形貌参数～JRC数据库，将其作为机器学习模型的训练样本的基础数据，通过因子分析法对样本数据进行处理并获得公共因子，降低数据的冗杂度的同时实现复杂变量的剥离，最大限度保持数据的稳定性和可靠性。在获得高质量训练样本的基础上，以公共因子作为输入端，以代表性轮廓线的JRC的取值作为输出端，构建神经网络模型，实现综合多参数情况下准确、快速评估出岩体粗糙度系数，提高了评估效率。

【技术实现步骤摘要】

本申请涉及计算机辅助优化，特别涉及一种基于因子分析和神经网络的粗糙度量化方法及系统。

技术介绍

1、岩石结构面的抗剪强度对岩体工程的安全至关重要，岩石的表面形貌特征对其抗剪强度具有显著的影响，且难以量化分析。因此，岩石结构面的粗糙度成为国内外学者研究的重点。

2、为了合理量化岩石结构面的粗糙度，众多学者针对岩石结构面粗糙程度的表征参数进行了深入的研究。相关技术中用于岩石结构面粗糙程度量化的方法包括统计参数法和综合参数法，其中，统计参数法主要采用单个参数表征岩石结构面的粗糙程度，提出的参数主要包括角度均方根z2、结构函数sf、高度均方根rms、实际长度与投影长度比值rp等，单个参数的表征方式极易忽略结构面其他特征而只反映单一的形貌特征。综合参数法可以描述结构面的各向异性、尺寸效应等，但由于描述参数过多，针对岩体粗糙度系数进行快速评价时会产生困难，效率不高。

3、因此，需要提供一种针对上述现有技术不足的改进技术方案。

技术实现思路

1、本申请的目的在于提供一种基于因子分析和神经网络的粗糙度本文档来自技高网...

【技术保护点】

1.一种基于因子分析和神经网络的粗糙度量化方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，确定表征结构面粗糙度的最具有代表性的多个形貌参数，包括：

3.根据权利要求1所述的方法，其特征在于，对已有轮廓线进行系统分析，确定代表性轮廓线，包括：

4.根据权利要求1所述的方法，其特征在于，通过数字化处理提取所述代表性轮廓线的各个形貌参数的取值和粗糙度系数JRC的取值，包括：

5.根据权利要求1所述的方法，其特征在于，基于所述结构面轮廓线形貌参数～JRC数据库，采用因子分析法对所述代表性轮廓线的多个形貌参数进行降维处理，以获得形...

【技术特征摘要】

1.一种基于因子分析和神经网络的粗糙度量化方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，确定表征结构面粗糙度的最具有代表性的多个形貌参数，包括：

3.根据权利要求1所述的方法，其特征在于，对已有轮廓线进行系统分析，确定代表性轮廓线，包括：

4.根据权利要求1所述的方法，其特征在于，通过数字化处理提取所述代表性轮廓线的各个形貌参数的取值和粗糙度系数jrc的取值，包括：

5.根据权利要求1所述的方法，其特征在于，基于所述结构面轮廓线形貌参数～jrc数据库，采用因子分析法对所述代表性轮廓线的多个形貌参数进行降维处理，以获得形貌参数的公...

【专利技术属性】
技术研发人员：田永超，史坤楼，望玉洁，郭佳奇，黄鑫，赵涛，于建新，李震，
申请(专利权)人：河南理工大学，
类型：发明
国别省市：