[发明专利]基于机器学习的岩体表征单元体积数值预测方法及系统

说明书

本发明属于岩体体积数值预测领域，提供了一种基于机器学习的岩体表征单元体积数值预测方法及系统。其中，该方法包括基于预先构建的合成岩体模型，获取多组岩体力学性质参数下的表征单元体积，得到样本数据集；对样本数据集进行归一化处理，并将岩体力学性质参数作为输入样本，将表征单元体积作为输出样本；将归一化处理后的设定数量的样本数据集用于训练模型，得到表征单元体积模型，建立岩体力学性质参数与表征单元体积之间的非线性数学关系；将归一化处理后的剩余样本数据集用于测试模型，通过回归分析指标，定量判断模型预测的准确性；基于岩体表征单元体积预测模型及工程岩体力学性质参数，预测出工程岩体表征单元体积，作为数值模拟的基本单元。

技术领域

本发明属于岩体体积数值预测领域，尤其涉及一种基于机器学习的岩体表征单元体积数值预测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

岩体由岩块和结构面组成，属于不连续介质体，其构造复杂多变，力学机制和变形机理受岩块和结构面共同影响。许多学者发现，由于岩体中不同尺度的不连续面的存在，导致不同尺度试验测得的岩体力学性质有所差异，这就是岩体的尺寸效应。

岩体表征单元体(REV)是指岩体力学性质参数趋于稳定时的极限体积模型，当体积继续变大时参数基本保持不变，此时，岩体尺寸效应基本可以忽略。因此，将表征单元体作为基本单元对岩体进行数值模拟会更贴近实际工程条件，模拟结果也会更加真实有效，对于工程尺度岩体数值模拟提供了基本单元尺寸信息。

发明人发现，表征单元体的尺寸大小与岩体力学性质参数密切相关，目前多通过改变岩体模型的尺寸大小，通过数值模拟监测并统计岩体力学性质参数，拟合曲线确定表征单元体积。这耗费大量时间，并且难以建立岩体基本参数和表征单元体积之间的规律。

发明内容

为了解决上述背景技术中存在的技术问题，本发明提供一种基于机器学习的岩体表征单元体积数值预测方法及系统，其根据离散元建立比例固定的工程尺度岩体颗粒模型，再从所建立模型的中心点向外选取若干比例一致且体积递增的岩体模型，对所选取的岩体模型分别进行室内试验数值模拟过程，获取各体积岩体模型对应的力学性质参数，并绘制力学性质-岩体体积曲线，直到力学性质参数稳定时，获取表征单元体积，建立力学性质参数-表征单元体积数据集，并基于表征单元体积模型快速选取表征单元体尺寸大小的方法。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种基于机器学习的岩体表征单元体积数值预测方法，其包括：

基于预先构建的合成岩体模型，获取多组岩体力学性质参数下的表征单元体积，得到样本数据集；

对样本数据集进行归一化处理，并将岩体力学性质参数作为输入样本，将表征单元体积作为输出样本；

将归一化处理后的设定数量的样本数据集用于训练模型，得到表征单元体积模型，建立岩体力学性质参数与表征单元体积之间的非线性数学关系；

将归一化处理后的剩余样本数据集用于测试模型，通过回归分析指标，定量判断模型预测的准确性；

基于岩体表征单元体积预测模型及工程岩体力学性质参数，预测出工程岩体表征单元体积，作为数值模拟的基本单元。

本发明的第二个方面提供一种基于机器学习的岩体表征单元体积数值预测系统，其包括：

样本数据集获取模块，其用于基于预先构建的合成岩体模型，获取多组岩体力学性质参数下的表征单元体积，得到样本数据集；

样本数据集归一化模块，其用于对样本数据集进行归一化处理，并将岩体力学性质参数作为输入样本，将表征单元体积作为输出样本；