[发明专利]一种基于BP神经网络岩石节理面峰值抗剪强度的预测方法

说明书

一种基于BP神经网络岩石节理面峰值抗剪强度的预测方法，包括如下步骤：(1)训练参数的获取：1.1)通过三维激光扫描仪获取结构面三维形貌点云数据集，通过MATLAB程序得到最大可能接触面积比、节理面粗糙度参数；1.2)通过巴西劈裂试验、单轴试验和剪切试验获取岩石抗拉强度、施加于岩石上的法向应力；(2)通过训练完毕的神经网络进行峰值剪切强度的预测：2.1)步骤(1)获取的数据构成神经网络训练的预测数据集；2.2)将训练测试数据输入BP神经网络，训练好的网络根据自身学习情况，数据之间的逻辑和高度非线性映射关系，通过各神经元已经确定连接权值和阈值预测峰值剪切强度值τsubgt;p/subgt;。本发明快速预测岩石结构抗剪强度。

技术领域

本发明涉及一种基于BP神经网络岩石节理面峰值抗剪强度的预测方法，适用于通过分析影响结构面力学性能的因素预测结构面峰值抗剪强度的场合。

背景技术

结构面是岩体形成和地质作用的漫长历史过程中，在岩体内不断发育的地质界面，形成岩体的薄弱环节。对于裂隙岩体，结构的剪切行为尤为重要，因为结构控制着岩体的变形能力、强度，进而控制着岩体的稳定性，其主要破坏形式是沿结构面的剪切破坏。结构面峰值剪切强度的受诸多因素影响，作用于结构面上的正应力是外在因素，结构面存在各质异性、各向异性、尺寸效应特征等力学特性与形貌特征是内在因素。Grasselli从大量剪切试验中发现岩石结构上下表面最陡的凸起部位是发生破环的关键位置，认为在结构面的断裂过程中起主要破坏的作用的是拉伸破坏而非受压破坏，在剪切模型中考虑了σ_t和最大可能接触面积比A₀作为内在因素。

发明内容

为了克服已有技术无法预测岩石节理面峰值抗剪强度的不足，本发明提供一种基于BP神经网络岩石节理面峰值抗剪强度的预测方法，综合考虑了影响结构面剪切行为的多种因素：最大可能接触面积比A₀、节理面粗糙度参数岩石抗拉强度σ_t、施加于岩石上的法向应力σ_n，通过训练好的BP神经网络预测峰值剪切强度。

本发明解决其技术问题所采用的技术方案是：

一种基于BP神经网络岩石节理面峰值抗剪强度的预测方法，所述方法包括如下步骤：

(1)训练参数的获取

1.1)通过三维激光扫描仪获取结构面三维形貌点云数据集，通过MATLAB程序得到最大可能接触面积比A₀、节理面粗糙度参数

1.2)通过巴西劈裂试验、单轴试验和剪切试验获取岩石抗拉强度σ_t、施加于岩石上的法向应力σ_n；

(2)通过训练完毕的神经网络进行峰值剪切强度的预测

2.1)步骤(1)获取的数据构成神经网络训练的预测数据集

2.2)将得到的训练测试数据输入BP神经网络，训练好的网络根据自身学习情况，数据之间的逻辑和高度非线性映射关系，通过各神经元已经确定连接权值和阈值预测峰值剪切强度值τ_p。

本发明的有益效果主要表现在：充分考虑结构面剪切过程中影响因素，通过神经网络建立的高度非线性关系分析各因素权重比例，快速预测岩石结构抗剪强度。

附图说明

图1为结构面峰值抗剪强度BP神经网络预测方法流程的示意图。

图2为峰值剪切强度的原始值和预测值对比的示意图。

具体实施方式

下面结合附图对本发明作进一步描述。

参照图1和图2，一种基于BP神经网络的结构面峰值抗剪强度预测模型的构建方法，包括如下步骤：

(1)训练参数的获取