一种动态评价边坡安全性的方法 | |
冯春![]() ![]() ![]() | |
2022-06-21 | |
Rights Holder | 中国科学院力学研究所 |
Abstract | 本发明公开了一种动态评价边坡安全性的方法,包括以下步骤:步骤S1、根据边坡的类型、坡体结构、地层特性、变形破坏模式对边坡进行地质模型概化得到边坡地质模型,并根据所述边坡地质模型建立边坡几何模型并剖分计算网格,选取合理的数值模拟方法、力学本构、初边值条件,形成计算模型;步骤S2、基于所述计算模型,调整地层参数、结构面参数及促发因素强度,开展大量数值模拟,并对所述数值模拟结果进行总结,对输入量与输出量进行归一化,建立机器学习样本。本发明可利用监测数据对岩土力学输入参数进行动态调整,使得预测精度更高,此外,由于采用了神经网络生成的代理模型,可以做到实时预测。 |
Application Date | 2021-12-30 |
Application Number | CN202111651736.1 |
Patent Number | CN114330168B |
Claim | 1.一种动态评价边坡安全性的方法,其特征在于,包括以下步骤: 步骤S1、根据边坡的类型、坡体结构、地层特性、变形破坏模式对边坡进行地质模型概化得到边坡地质模型,并根据所述边坡地质模型建立边坡几何模型并剖分计算网格,选取合理的数值模拟方法、力学本构、初边值条件,形成计算模型; 步骤S2、基于所述计算模型,调整地层参数、结构面参数及促发因素强度,开展大量数值模拟,并对所述数值模拟结果进行总结,对输入量与输出量进行归一化,建立机器学习样本,再将所述学习样本随机分为样本A、样本B两部分,所述样本A用于机器学习,所述样本B用于机器预测; 步骤S3、神经网络选型及初始化设置,包括确定输入端、输出端神经元数量,确定隐藏层数量及每层神经元数量,选择激活函数及权系数初值,并将所述样本A输入神经网络进行学习,调整优化神经网络中各层神经元间的传递系数,形成用于边坡安全性预测的第一代理模型,再将所述样本B输入至所述第一代理模型中进行预测验证,进一步调整第一代理模型中的权系数,形成高可靠性的边坡安全性预测的第二代理模型; 步骤S4、基于初始状态下的岩土力学参数,将边坡现场监测到的促发因素数据输入第二代理模型,计算边坡的变形破坏情况,并将边坡表面及内部力学响应监测数据与第二代理模型中对应位置的计算数据进行对比,动态调整第二代理模型中各处的岩土力学参数;将调整后的岩土力学参数,再次输入第二代理模型,计算边坡的变形破坏及成灾过程; 步骤S5、重复步骤S4,以实现对边坡未来的安全性进行动态评估。 |
Language | 中文 |
Classification | 发明授权 |
Status | 有效 |
Note | 授权 |
Country | 中国 |
Agency | 北京和信华成知识产权代理事务所(普通合伙) |
Document Type | 专利 |
Identifier | http://dspace.imech.ac.cn/handle/311007/90098 |
Collection | 流固耦合系统力学重点实验室 |
Recommended Citation GB/T 7714 | 冯春,朱心广,程鹏达,等. 一种动态评价边坡安全性的方法. CN114330168B[P]. 2022-06-21. |
Files in This Item: | Download All | |||||
File Name/Size | DocType | Version | Access | License | ||
20220621_0C_CN_0 (3)(974KB) | 专利 | 开放获取 | CC BY-NC-SA | View Download |
Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.
Edit Comment