【技术实现步骤摘要】
本公开涉及岩土工程水压预测，具体涉及基于神经网络近场动力学的岩体水压分布预测方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
2、在岩土工程等领域中，裂隙岩体的流固耦合特性常常影响到结构的安全性与稳定性。尤其是当裂隙岩体受外力作用时，其内部的水流分布及岩体变形的相互作用极为复杂。如何有效、准确地模拟岩石介质的耦合过程，精准获取水压分布一直是相关领域的研究热点。
3、近场动力学（peridynamics, pd）是一种较为新颖的计算方法，它通过定义非局部力密度来模拟固体材料的行为，从而避免了传统方法中对材料连续性的假设。传统方法中，虽然利用近场动力学直接处理裂隙、断裂等不连续问题，并且具有较好的适应性。且基于达西定律推导的近场动力学渗流方程很好描述裂隙岩体介质中的流体流动过程。
4、然而，其现有的方法仍然存在一些问题：目前的计算过程效率较低，尤其是在大规模计算时，算法的迭代次数和计算量呈指数增长。特别在流固耦合求解过程中，每个固体场计算时间步都伴随大量
【技术保护点】
1.基于神经网络近场动力学的岩体水压分布预测方法，其特征在于，包括：
2.如权利要求1所述的基于神经网络近场动力学的岩体水压分布预测方法，其特征在于，基于引入应变能密度的固体场近场动力学理论进行岩石应力分析以及计算，构建固体场近场动力学控制方程及非局部力密度方程，引入应变能密度理论表示岩石在不同耗散阶段裂纹尖端处的有效弹性模量与残余应变能存在的非线性对应关系，根据不同阶段的有效弹性模量确定微模量。
3.如权利要求1所述的基于神经网络近场动力学的岩体水压分布预测方法，其特征在于，将水压分布预测模型引入流体场，水压分布预测模型为全连接神经网络，用于...
【技术特征摘要】
1.基于神经网络近场动力学的岩体水压分布预测方法，其特征在于，包括：
2.如权利要求1所述的基于神经网络近场动力学的岩体水压分布预测方法，其特征在于，基于引入应变能密度的固体场近场动力学理论进行岩石应力分析以及计算，构建固体场近场动力学控制方程及非局部力密度方程，引入应变能密度理论表示岩石在不同耗散阶段裂纹尖端处的有效弹性模量与残余应变能存在的非线性对应关系，根据不同阶段的有效弹性模量确定微模量。
3.如权利要求1所述的基于神经网络近场动力学的岩体水压分布预测方法，其特征在于，将水压分布预测模型引入流体场，水压分布预测模型为全连接神经网络，用于预测岩石介质中的水压分布，包括输入层、隐藏层和输出层，输入层的特征为材料点空间坐标、对应的渗透系数以及边界条件特征值。
4.如权利要求3所述的基于神经网络近场动力学的岩体水压分布预测方法，其特征在于，水压分布预测模型的训练过程包括：近场动力学流体场模拟数值结果作为训练集，改变多种边界条件增加训练集数量，同时划分测试集；对渗透率分布数据进行归一化处理；确定网络结构并且初始化权重和偏置，将训练集数据输入到神经网络中，通过前向传播计算预测值和损失函数值，使用自动微分根据损失函数值更新神经网络的权重和偏置，进行反向传播；重复上述过程，直到损失函数值收敛或达到预设的训练轮数，使用测试集数据评估模型的最终性能。
5.如权利要求1所述的基于神经网络近场动力学的岩体水压分布预测方法，其特征在于，岩石介质中的水压分布预测模型纳入近场动力学流固耦合计算，在每个固体力学场时间步求解时，使用水压分布预测模型快速得到每个岩石介质的水压分布，获取岩石介质的水压分布后，根据biot理论，构...
【专利技术属性】
技术研发人员：马鹏飞，张艺晨，张绪天，邓朝阳，潘振华，张硕，刘鹤洋，
申请(专利权)人：山东大学，
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。