1.一种考虑锚杆破坏模式的节理岩体锚杆剪切抗力预测方法，其特征在于，包括以下步骤：

3D

S1、利用有限差分软件FLAC 建立岩体节理直剪数值模型，并在所述数值模型中央植入锚杆；

3D

S2、通过FLAC 软件自带的FISH编程语言，将锚杆发生纯剪破坏、拉剪破坏和拉弯破坏的判定流程用FISH语言表达，并嵌入计算主程序；

S3、确定影响锚杆剪切抗力的关键参数，所述关键参数包括：锚杆直径D、锚杆轴向屈服强度fy、极限抗拉强度fu、锚杆倾角α、岩石单轴抗压强度和砂浆单轴抗压强度中的较小值σc、节理内摩擦角φ和节理剪胀角θ；

选取一组典型室内试验，将七个所述关键参数代入步骤S1所述数值模型中，根据剪切力‑剪切位移曲线，对锚杆单元中的法向耦合弹簧和切向耦合弹簧参数进行标定；

S4、对每一个所述关键参数选取合适的范围和li个水平；所述关键参数具体为：和

S5、采用正交试验设计方法，根据步骤S4中划分的水平，设计出n组试验；

S6、基于增加的锚杆破坏模式以及标定后的锚杆法向耦合弹簧和切向耦合弹簧参数，对步骤S5中设计的n组试验一一进行求解，监测并记录每一组数值试验下的锚杆剪切抗力Ti，建立包含n个样例的数据集E，数据集E中的每个样例的形式为Ei＝(xi,Ti)，其中xi＝(Di,fyi,fui,αi,σci,φi,θi)；i＝1,2,3...,n；

S7、采用随机森林回归算法，将步骤S6中数据集E中每个样例的xi作为输入变量，Ti作为输出变量，建立随机森林回归模型；

S8、采用遗传算法对步骤S7建立的所述随机森林回归模型中的超参数进行寻优，所述超参数包括回归树的数量G、随机森林的最大深度d以及采用随机属性原则时在单个树中尝试的最大特征数k，建立最优化的锚杆剪切抗力预测模型；

S9、对一根赋存于节理岩体中的锚杆，确定参数[D,fy,fu,α,σc,φ,θ]；将其带入步骤S8中建立的优化后的所述锚杆剪切抗力预测模型，回归计算得到的值即为通过算法学习得到的锚杆剪切抗力预测值。

2.根据权利要求1所述的一种考虑锚杆破坏模式的节理岩体锚杆剪切抗力预测方法，

3D

其特征在于，采用FLAC 软件中的PILE结构单元来模拟锚杆。

3.根据权利要求2所述的一种考虑锚杆破坏模式的节理岩体锚杆剪切抗力预测方法，其特征在于，步骤S2中所述将锚杆发生纯剪破坏、拉剪破坏和拉弯破坏的判定流程用FISH语言表达，并嵌入计算主程序的主要步骤如下：a)遍历PILE单元的每个节点CID，通过FISH内置函数提取每个CID中储存的轴力、剪力和弯矩，用下式(1)判断锚杆是否进入屈服状态：式中：σe为锚杆屈服强度，M0和N0为锚杆一点的弯矩和轴力，W为弯曲截面系数，A为锚杆截面积；

b)若屈服状态判定式(1)不满足，则用Tresca强度准则(2)来判定锚杆是否发生纯剪破坏：式中：Q0为锚杆一点的剪力，Nu为锚杆的极限轴向力；

如果上式(2)满足，则认为锚杆发生纯剪破坏，若上式(2)不满足，则认为锚杆仍处于弹性状态，继续进行主程序的迭代计算；

若某一点的弯矩和轴力满足屈服状态判定式(1)，则认为锚杆在该点发生屈服，锚杆进入塑性状态；

c)若锚杆进入塑性状态，则需要将锚杆的塑性弯矩Mp设置为此时的弯矩M0，即Mp＝M0，PILE单元会在该点形成塑性铰，弯矩不再增加，而轴力随着节理面剪切位移的增加会进一步增长，此时需要对锚杆进入塑性状态后的破坏模式进行判定；

d)继续进行节点遍历，若一点的轴力和剪力满足Mises强度准则(3)，认为发生拉剪破坏：进行同步判定：若一点的轴力和弯矩满足以下关系式(4)，则认为发生拉弯破坏：e)任意一种破坏模式判定成功，将该点的极限应力和屈服后的塑性应变设置为一个缺省值，锚杆不再能够承受力，认为锚杆发生破坏，此时的锚杆剪切抗力也相应达到极限，主程序计算终止。

4.根据权利要求1所述的一种考虑锚杆破坏模式的节理岩体锚杆剪切抗力预测方法，其特征在于，步骤S4中各所述关键参数取值范围如下：锚杆直径D∈[4mm,30mm]；锚杆屈服强度和极限强度fy,fu∈[200MPa,800MPa]，且屈服强度必须小于极限强度；锚杆偏转角α∈[0°,90°]；岩石单轴抗压强度和砂浆单轴抗压强度中的较小值σc∈[10MPa,250MPa]；节理面内摩擦角φ∈[10°,45°]；节理剪胀角θ∈[0°，45°]。

5.根据权利要求1所述的一种考虑锚杆破坏模式的节理岩体锚杆剪切抗力预测方法，

3D

其特征在于，步骤S6中，所述剪切抗力Ti通过以下方法计算：在FLAC 中通过监测岩石上盘一侧固定面不平衡力的总和得到加锚节理岩体整体的剪切力F1，通过监测节理面上所有点剪切力的总和得到节理面提供的剪切力F2，锚杆提供的所述剪切抗力Ti可以用下式表示并输出：Ti＝F1‑F2。

6.根据权利要求1所述的一种考虑锚杆破坏模式的节理岩体锚杆剪切抗力预测方法，其特征在于，步骤S7中所述采用随机森林回归算法以CART回归树为基学习器，根据CART回归树基本理论，每一次二叉分裂时通过以下关系式找到最佳分割特征j与最佳分割值s：用选定的切分点对(j,s)划分区域R1、R2并决定每个区域的平均值作为其输出值：(j) (j)

R1(j,s)＝x|x ≤s,R2(j,s)＝x|x ＞s；

不断地对子区域进行划分，直到满足第一终止条件，最后特征空间被划分为M个区域[R1,R2,R3,...Rm]，回归树的输出函数可表示为：和/或

所述第一终止条件包括以下四种情形：(1)当前结点包含的样本全属于同一类别，无需划分；(2)当前属性集为空，或是所有样本在所有属性上取值相同，无法划分；(3)当前结点包含的样本集合为空，不能划分；(4)回归树达到了设定的最大深度，终止划分。

7.根据权利要求1所述的一种考虑锚杆破坏模式的节理岩体锚杆剪切抗力预测方法，其特征在于，步骤S7中所述采用随机森林回归算法包括根据随机森林回归理论，基于bagging法对包含n个训练样本的数据集E随机采样g次，得到g个含有q个训练样本的采样集，分别用于基学习器的训练。

8.根据权利要求7所述的一种考虑锚杆破坏模式的节理岩体锚杆剪切抗力预测方法，其特征在于，所述根据随机森林回归算法包括在每一个回归树的训练过程中引入了随机属性原则。

9.根据权利要求6所述的一种考虑锚杆破坏模式的节理岩体锚杆剪切抗力预测方法，其特征在于，采用平均法对每一个回归树的预测结果hi(x)求平均值，得到最终的随机森林回归预测结果H(x)，用下式表示：

10.根据权利要求1所述的一种考虑锚杆破坏模式的节理岩体锚杆剪切抗力预测方法，其特征在于，步骤S8中所述采用遗传算法对步骤S7建立的所述随机森林回归模型中的超参数进行寻优，具体包括以下步骤：a)对参数进行编码；

b)初始化种群，设置种群规模、交叉概率、变异概率和第二终止条件；

c)采用10折交叉验证方法，每一折交叉验证过程中采用均方误差MSE来构建适应度函数，计算个体的适应度值：式中，p为验证次数，wt为每折验证的预测值，yt为每折验证的实际值；

d)判定是否满足所述第二终止条件；

e)若不满足所述第二终止条件，则通过遗传算法中的选择、交叉、变异算子运算产生下一代种群，并对该种群迭代运行步骤c，直到满足所述第二终止条件；若满足所述第二终止条件，则输出具有最低MSE值的种群，得到最优组合(G,d,k)；和/或所述第二终止条件包括以下几种情形：(1)完成预先设置的进化代数；(2)种群中的最优个体在连续若干代没有改进或适应度在连续若干代基本没有改进；(3)所求问题最优值小于给定的阈值。