[发明专利]基于随钻测试数据的岩土强度参数约束随机场模拟方法有效
申请号: | 202310679965.7 | 申请日: | 2023-06-09 |
公开(公告)号: | CN116401965B | 公开(公告)日: | 2023-09-15 |
发明(设计)人: | 房昱纬;吴振君;江良华;申俊昕;郭煜;卜晓励;杨文臣;李浩;谢有顺;何秀云 | 申请(专利权)人: | 云南省交通规划设计研究院有限公司 |
主分类号: | G06F30/27 | 分类号: | G06F30/27;G06N3/086;G06F111/04 |
代理公司: | 昆明正原专利商标代理有限公司 53100 | 代理人: | 于洪;金耀生 |
地址: | 650041 *** | 国省代码: | 云南;53 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 测试数据 岩土 强度 参数 约束 随机 模拟 方法 | ||
本发明公开了一种基于随钻测试数据的岩土强度参数约束随机场模拟方法,包括以下步骤:获取钻机钻进时的随钻测试数据;对获得的随钻测试数据进行预处理,提取纯钻进过程的随钻数据;对岩土试样进行室内岩土强度参数试验;基于遗传算法构建深度神经网络模型;采用深度神经网络模型,结合随钻测试数据和室内试验结果对预测模型进行训练,构建岩土强度参数预测模型;结合随钻测试数据对场地内多个钻孔进行岩土强度参数预测;利用连续的多个钻孔随钻测试数据,建立考虑场地信息的约束随机场模型。本发明将随钻测试和约束随机场模型构建联系起来,解决岩土体样本有限带来的参数估计不确定性较大和地质模型不确定性较强的问题,易于推广应用。
技术领域
本发明属于岩土工程技术领域,具体涉及一种基于随钻测试数据的岩土强度参数约束随机场模拟方法。
背景技术
岩土力学性质不仅表现出变异性,也表现出相关性。如果将岩土强度参数当作随机变量处理,在同一地层内,试验结果是离散的,依靠这些点来推断整个地层的平均性质,具有很强的不确定性。随机场理论利用相关函数和相关距离,能够更好地描述岩土体的空间相关性和变异性,但仅凭相关距离和相关函数等信息生成的随机场模型,如果岩土强度参数变异性较大,每次模拟所产生的随机场在某些点差别会很大,不符合场地实际情况。
本申请发明人考虑使用岩土工程勘察时取样点的数据作为随机场的约束条件,建立约束随机场模拟,可以降低随机场模拟结果的变异性,从而降低地质模型的不确定性。然而在研究中发现,如果需要构建出比较符合实际场地信息的约束随机场模型通常需要较多的试验数据,对于大部分岩土工程来说,由于勘察成本过高,往往很难得到大量的试验数据,在不额外增加成本条件下,如何获取更多的试验数据样本,是岩土强度参数约束随机场模拟面临的难题。因此如何克服现有技术的不足是目前岩土工程技术领域亟需解决的问题。
发明内容
本发明的目的是为了解决现有技术的不足,提高岩土强度参数约束随机场模拟的准确性,更好地对研究场地的岩土强度空间变异性进行合理模拟,提供一种基于随钻测试数据的岩土强度参数约束随机场模拟方法。
为实现上述目的,本发明采用的技术方案如下:
一种基于随钻测试数据的岩土强度参数约束随机场模拟方法,包括以下步骤:
S01、根据待模拟场地区域地质勘测需求,获取钻机钻进时的随钻测试数据;
S02、获取待模拟场地内岩土试样并进行试验,获得岩土强度参数;
S03、对获得的随钻测试数据进行预处理,提取纯钻进过程的随钻数据;
S04、构建基于遗传算法构建深度神经网络岩土强度参数预测模型;
S05、基于岩土试样的岩土强度参数数据与对应位置的纯钻进过程的随钻数据,进行深度神经网络岩土强度参数预测模型的训练,得到最终的深度神经网络岩土强度参数预测模型;
S06、采用待模拟场地内的随钻测试数据,利用最终的深度神经网络岩土强度参数预测模型进行预测,得到待模拟场地内随钻测试位置所对应的岩土强度参数;
S07、利用递推空间法获得待模拟场地内岩土相关距离,建立考虑场地信息的约束随机场模型对待模拟场地内岩土强度参数空间变异性进行模拟。
进一步,优选的是,步骤S01中,随钻测试数据包括钻进过程中钻进压力、回转力、冲击压力、钻杆转数和钻头位移。
进一步,优选的是,步骤S02中,岩土强度参数包括粘聚力和内摩擦角。
进一步,优选的是,步骤S03中,对获得的随钻测试数据进行预处理采用的方法是:遍历并分析随钻测试数据,保留同时满足钻进压力大于0、回转压力大于0、钻杆转数大于0和钻孔深度为递增趋势的随钻测试数据,作为纯钻进过程的随钻数据。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于云南省交通规划设计研究院有限公司,未经云南省交通规划设计研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310679965.7/2.html,转载请声明来源钻瓜专利网。