欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 202211245880X
申请人: 西南交通大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基覆型边坡破裂面预警的方法,其特征在于,包括:

获取第一参数、第二参数和第三参数;所述第一参数为待预警区域内坡面裂缝的三维位置参数;所述第二参数为所述待预警区域内边坡岩土体的物理参数和力学参数;所述第三参数包括所述待预警区域内接触面的抗剪强度参数,所述接触面是边坡的基岩与岩土体的分界面;

基于训练后的神经网络模型,将所述第一参数、所述第二参数和所述第三参数输入训练后的所述神经网络模型中,得到后缘破裂面的几何形态参数和位置参数;

基于所述后缘破裂面的几何形态参数和位置参数、所述第二参数和所述第三参数,利用强度折减法计算,分别得到所述后缘破裂面的安全系数和潜在滑移土的总方量;

基于所述安全系数和所述潜在滑移土的总方量,对基覆型边坡破裂面进行预警;

所述神经网络模型的训练方法包括:

获取相互对应的第四参数、第五参数,所述第四参数为基覆型边坡实际工程中边坡的物理参数和力学参数;所述第五参数为基覆型边坡实际工程中坡面裂缝的几何形态参数和位置参数;

基于所述第五参数,得到裂缝集合,所述裂缝集合中的每个裂缝对应一个裂缝宽度值;

基于神经网络模型,将所述裂缝集合、所述第五参数中的所述位置参数作为所述神经网络模型的输入值,所述第四参数作为所述神经网络模型的输出值,按照最小均方差规则进行学习并更新所述神经网络模型的各项参数,得到训练后的所述神经网络模型。

2.根据权利要求1所述的基覆型边坡破裂面预警的方法,其特征在于,所述第四参数和所述第五参数的获取方法包括:获取第一特征参数、第二特征参数、第三特征参数和第四特征参数;所述第一特征参数为基覆型边坡中岩土体部分的几何形态参数;所述第二特征参数为基覆型边坡中基岩部分的几何形态参数;所述第三特征参数为所述接触面自定义的抗剪强度参数;所述第四特征参数为自定义物理参数和力学参数;

基于所述第一特征参数和所述第二特征参数分别构建岩土体拟合模型和基岩拟合模型;

基于所述岩土体拟合模型、所述基岩拟合模型和所述第三特征参数,构建第一基覆型边坡拟合模型;

基于所述第一基覆型边坡拟合模型和所述第四特征参数,在离散元软件3DEC中利用节理刻画基覆型边坡生成的后缘破裂面,得到第五特征值和第六特征值,所述第五特征值为所述后缘破裂面的几何形态参数,所述第六特征值为所述后缘破裂面中每个裂缝对应的所述裂缝宽度值和位置参数;

基于对应的所述第五特征值和所述第六特征值,构成所述第五参数;

基于对应的所述第三特征参数和所述第四特征参数,构成所述第四参数;

构建所述第四参数与所述第五参数之间的映射关系,获得相互对应的所述第四参数与所述第五参数。

3.根据权利要求2所述的基覆型边坡破裂面预警的方法,其特征在于,所述第四参数中主成分因素的选择方法包括:获取至少十个实际工程中基覆型边坡生成后缘破裂面现象的地质勘探数据;

基于所述地质勘探数据,确定目标参数,所述目标参数为所述实际工程中基覆型边坡生成后缘破裂面的具体位置及形态;

基于所述地质勘探数据,确定所述实际工程中基覆型边坡的组成结构;

基于所述目标参数和所述实际工程中基覆型边坡的组成结构,利用分析法进行归纳总结,得到刻画因素以及所述刻画因素的权重值;

基于所述刻画因素、所述权重值和预设阈值,得到主成分因素。

4.基覆型边坡破裂面预警的装置,其特征在于,包括:

获取模块:用于获取第一参数、第二参数和第三参数;所述第一参数为待预警区域内坡面裂缝的三维位置参数;所述第二参数为所述待预警区域内边坡岩土体的物理参数和力学参数;所述第三参数包括所述待预警区域内接触面的抗剪强度参数,所述接触面是边坡的基岩与岩土体的分界面;

第一计算模块:用于基于训练后的神经网络模型,将所述第一参数、所述第二参数和所述第三参数输入训练后的所述神经网络模型中,得到后缘破裂面的几何形态参数和位置参数;

第二计算模块:用于基于所述后缘破裂面的几何形态参数和位置参数、所述第二参数和所述第三参数,利用强度折减法计算,分别得到所述后缘破裂面的安全系数和潜在滑移土的总方量;

预警模块:用于基于所述安全系数和所述潜在滑移土的总方量,对基覆型边坡破裂面进行预警;

所述第一计算模块包括:

第一获取单元:用于获取相互对应的第四参数、第五参数,所述第四参数为基覆型边坡实际工程中边坡的物理参数和力学参数;所述第五参数为基覆型边坡实际工程中坡面裂缝的几何形态参数和位置参数;

第一处理单元:用于基于所述第五参数,得到裂缝集合,所述裂缝集合中的每个裂缝对应一个裂缝宽度值;

训练单元:用于基于神经网络模型,将所述裂缝集合、所述第五参数中的所述位置参数作为所述神经网络模型的输入值,所述第四参数作为所述神经网络模型的输出值,按照最小均方差规则进行学习并更新所述神经网络模型的各项参数,得到训练后的所述神经网络模型。

5.根据权利要求4所述的基覆型边坡破裂面预警的装置,其特征在于,所述第一处理单元包括:第二获取单元:用于获取第一特征参数、第二特征参数、第三特征参数和第四特征参数;所述第一特征参数为基覆型边坡中岩土体部分的几何形态参数;所述第二特征参数为基覆型边坡中基岩部分的几何形态参数;所述第三特征参数为所述接触面自定义的抗剪强度参数;所述第四特征参数为自定义物理参数和力学参数;

第一构建单元:用于基于所述第一特征参数和所述第二特征参数分别构建岩土体拟合模型和基岩拟合模型;

第二构建单元:用于基于所述岩土体拟合模型、所述基岩拟合模型和所述第三特征参数,构建第一基覆型边坡拟合模型;

模拟单元:用于基于所述第一基覆型边坡拟合模型和所述第四特征参数,在离散元软件3DEC中利用节理刻画基覆型边坡生成的后缘破裂面,得到第五特征值和第六特征值,所述第五特征值为所述后缘破裂面的几何形态参数,所述第六特征值为所述后缘破裂面中每个裂缝对应的所述裂缝宽度值和位置参数;

第二处理单元:用于基于对应的所述第五特征值和所述第六特征值,构成所述第五参数;

第三处理单元:用于基于对应的所述第三特征参数和所述第四特征参数,构成所述第四参数;

第四处理单元:用于构建所述第四参数与所述第五参数之间的映射关系,获得相互对应的所述第四参数与所述第五参数。

6.根据权利要求5所述的基覆型边坡破裂面预警的装置,其特征在于,所述第二获取单元包括:第三获取单元:用于获取至少十个实际工程中基覆型边坡生成后缘破裂面现象的地质勘探数据;

筛选单元:用于基于所述地质勘探数据,确定目标参数,所述目标参数为所述实际工程中基覆型边坡生成后缘破裂面的具体位置及形态;

分析单元:用于基于所述地质勘探数据,确定所述实际工程中基覆型边坡的组成结构;

归纳单元:用于基于所述目标参数和所述实际工程中基覆型边坡的组成结构,利用分析法进行归纳总结,得到刻画因素以及所述刻画因素的权重值;

第五处理单元:用于基于所述刻画因素、所述权重值和预设阈值,得到主成分因素。

7.基覆型边坡破裂面预警的设备,其特征在于,包括:

存储器,用于存储计算机程序;

处理器,用于执行所述计算机程序时实现如权利要求1至3任一项所述基覆型边坡破裂面预警的方法的步骤。

8.一种计算机可读存储介质,其特征在于:所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述基覆型边坡破裂面预警的方法的步骤。