【技术实现步骤摘要】
本专利技术涉及岩土工程中的岩石破坏强度研究，特别是涉及基于神经网络的岩石破坏强度确定方法。
技术介绍
对于岩土工程设计，岩石的强度是最重要的考虑因素之一。经过多年的研究以形成了一些基于经验的岩石强度准则。在这些准则中，最大主应力值是单轴抗压强度％和最小主应力Oi的函数，并且其系数是通过对实验数据的反演回归得到的。但是经验强度准则对于范围较大的加载应力域和各类岩石并不能完全准确的进行预测。这是由于在参数回归时使用的数据是特定的某类岩石和特定的应力范围。如果将反演参数后的准则对非该特定范围内的情况进行预测时就会产生严重偏差。对于多种岩石在实验过程中，施加应力与应变的对应关系复杂且非线性，岩体受力内部结构可能破坏，产生微小裂缝等原因，岩体应变的精确测量较为困难。但是施加的应力、av、巧和Ci3的测量相对容易，而且其各力之间有一定的内在联系，如果能找到他们之间的映射关系，那么就可以避免对变形量的测量和通过反演拟合预测其Qv值。对于上述复杂非线 性大数据量的映射分析，可以采用神经网(ANN)络进行预测。神经网络是一种多元非线性动力学系统，具有高度的非线性映射能力、良好的自适应性、自组织性和很强的自学习能力。本文使用ANN在较大轴应力域内对7种岩石的强度准则进行研究，确定其值。通过神经网络对各种岩石的4和5在不同加载应力下的巧/进行预测。通过实验室得到的数据进行训练。并将结果与Hoek-Brown(H-B)准则预测结果进行比较。结果表明ANN更加有适应性和准确性。
技术实现思路
针对岩石破坏强度确定过程中存在的问题，本专利技术提出。使用前馈式神经网络(FFNN)进行预测...
【技术保护点】
一种基于神经网络的岩石破坏强度确定方法，其特征在于，本文使用神经网络在单轴及三轴加载情况下对岩石强度准则进行研究，将搜集来的各种岩石相关数据随机划分成训练和验证子集，将抗压强度?和最小主应力作为输入值，最大主应力值作为输出值训练神经网络，使用训练后的神经网络预测试验岩体破坏时的，其包括如下步骤：实验数据分析和基于ANN的最大主应力值预测，本专利技术使用ANN对岩石强度进行预测能适应的加载范围较宽，适合岩石种类多变的复杂非线性情况，灵活准确。671718dest_path_image001.jpg,487665dest_path_image002.jpg,669248dest_path_image003.jpg,596271dest_path_image003.jpg,230515dest_path_image003.jpg
【技术特征摘要】
1.一种基于神经网络的岩石破坏强度确定方法，其特征在于，本文使用神经网络在单轴及三轴加载情况下对岩石强度准则进行研究，将搜集来的各种岩石相关数据随机划分成训练和验证子集，将抗压强度T和最小主应力O3作为输入值，最大主应力值作为输出值训练神经网络，使用训练后的神经网络预测试验岩体破坏时的，其包括如下步骤:实验数据分析和基于ANN的最大主应力Oi/值预测，本发明使用ANN对岩石强度进行预测能适应的加载范围较宽，适合岩石种类多变的复杂非线性情况，灵活准确。2.根据权利要求1所述的神经网络，其特征在于，前馈式神经网络(FFNN)，使用双曲线正切S传递函数和线性传输函数组成的两层神经网络。3.根据权利要求2所述的前馈式神经网络神经网络，其特征在于，隐含层中神经元的估计数量取4.根据权利要求2所述的隐含层...
【专利技术属性】
技术研发人员：刘文生，吴作启，崔铁军，由丽雯，杨逾，邵军，张媛，孙琦，杜东宁，
申请(专利权)人：辽宁工程技术大学，
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。