[发明专利]滑移式岩溶危岩稳定系数快速识别的高斯过程方法及装置

权利要求书

1.滑移式岩溶危岩稳定系数快速识别的高斯过程方法，其特征在于，包括以下步骤：

步骤S1：选定显著影响滑移式岩溶危岩稳定系数的特征指标，具体包括：岩溶发育度、降雨强度、主控结构面产状特征、主控结构面填充物特性、主控结构面粗糙程度、风化程度、地下水共7种定性类指标，以及危岩体自重W、主控结构面长度L、主控结构面夹泥厚度h、主控结构面张开度v、主控结构面裂隙水压力Q、年降雨量P、溶蚀裂隙平均宽度d共7种定量类指标；

步骤S2：收集多个滑移式危岩体工程实例的上述显著影响滑移式岩溶危岩稳定系数的特征指标，采用刚体极限平衡方法或数值方法计算其稳定系数，并将上述定性类指标按照所制订的评分规则打分转化为定量指标，然后将各危岩的14种特征指标定量值组成的特征向量与相应的稳定系数值形成样本对，对样本对进行预处理与标准化，由此建立样本集；

步骤S3：根据机器学习策略，将样本集分为训练样本集和测试样本集，基于高斯过程回归方法，即GPR方法，按照交叉验证原则利用训练样本集训练对处理高维数非线性回归问题具有良好适应性且泛化能力强的GPR模型，以测试样本集的预测误差为最小化为目标，建立具有良好外推预测性能的滑移式岩溶危岩稳定系数快速识别的GPR模型，据此建立滑移式岩溶危岩稳定性的多种影响因素与稳定系数之间可靠的非线性映射关系；

步骤S4：对于新的待识别的滑移式岩溶危岩体，通过数据收集与工程测试，根据评分规则表获得相应的14种特征指标的评分，构建14维的特征指标向量，将此特征指标向量输入训练好的GPR模型，得到识别结果，即稳定系数的预测均值与预测方差；

步骤S5：利用新滑移式岩溶危岩体稳定系数的预测方差，定量化评估GPR模型识别结果的不确定性，并划分不确定性等级；

其中，所述步骤S5包括利用预测不确定性指数评价识别结果的不确定性，其中，为新危岩体安全系数的预测方差，为测试样本集预测方差的平均值；根据不确定性指数PUI指数大小，将识别结果的不确定性等级划分为极低、低、中、高、极高5个等级，用于定量化评价识别结果的可信度，等级越低代表识别结果不确定程度越小，识别结果的可信度越大，反之，等级越高代表识别结果不确定程度越大，识别结果的可信度越小。

2.滑移式岩溶危岩稳定系数快速识别的高斯过程装置，其特征在于，包括：

输入模块，用于接收收集的滑移式岩溶危岩原始数据，获取模型初始原始样本集；

处理模块，用于将初始原始样本集进行分析、优化、提取并整合，以获取模型样本集特征向量；

GPR模型训练模块，用于根据滑移式岩溶危岩稳定系数的特征向量，构建GPR模型的样本集并进行训练，根据训练及测试的准确性，得到具有良好性能的滑移式岩溶危岩稳定系数快速识别的GPR模型；

GPR模型预测模块，用于将新危岩体样本稳定系数的特征向量输入至GPR模型中，输出新危岩体的稳定系数识别结果；

输出模块，用于将新危岩体的模型识别结果输出；

其中，所述输入模块包括：输入接收单元，用于接收收集的滑移式岩溶危岩实例原始数据，数据包括危岩体的岩溶特性、岩性、力学性能及水文条件；裂隙水压力采集单元，用于根据收集的实例样本，对其样本的主控结构面裂隙水压力进行动态实时采集；

其中，所述GPR模型预测模块包括：特征向量算子单元：用于将待预测样本的数据输入至处理模块，以获得滑移式岩溶危岩稳定系数快速识别的GPR模型所需特征向量；预测算子单元：用于将特征向量输入至模型中，预测出新样本稳定系数预测均值及预测方差；不确定性评估算子单元：用于根据新样本识别结果的预测方差，评估识别结果不确定性；外推模型评估算子单元：用于将上述新危岩体样本对模型预测性能提升空间进行定量化评估，依据新样本数量及GPR模型样本库数量之间的更新比重，判断现有预测模型样本库是否需更新，即建立新的外推预测模型。