[发明专利]一种土层锚杆锚固力影响因素敏感性的测定方法

摘要

本发明公开了一种土层锚杆锚固力影响因素敏感性的测定方法，包括步骤：一、土层锚杆锚固力预测模型选择及其输入量与输出量确定：将M个土层锚杆锚固力的影响因素和土层锚杆锚固力分别作为土层锚杆锚固力预测模型的M个输入量和输出量；二、训练样本集获取：收集N个土层锚杆的原位测试数据，并将各土层锚杆的原位测试数据作为一个训练样本；三、土层锚杆锚固力预测模型建立及训练；四、多水平多因素正交试验，过程如下：土层锚杆设计参数输入、正交表建立、正交试验样本获取、锚固力预测、锚固力预测值整理和敏感性确定。本发明方法步骤简单、设计合理且实现方便、使用效果好，能简便、快速且准确完成土层锚杆锚固力影响因素的敏感性测定过程。

主权项

一种土层锚杆锚固力影响因素敏感性的测定方法，其特征在于该方法包括以下步骤：步骤一、土层锚杆锚固力预测模型选择及其输入量与输出量确定：选用BP神经网络模型作为土层锚杆锚固力预测模型，将M个影响土层锚杆锚固力的不同影响因素作为所述土层锚杆锚固力预测模型的输入量，并将土层锚杆锚固力作为所述土层锚杆锚固力预测模型的输出量；所述输入量的数量为M个，M个所述输入量分别记作x₁、x₂、…、x_M；所述输出量记作y；M为正整数且M≥3；步骤二、训练样本集获取：收集N个土层锚杆的原位测试数据，并将各土层锚杆的原位测试数据均存储至与数据处理器相接的数据存储单元内；每个所述土层锚杆的原位测试数据均包括该土层锚杆的M个影响因素的数值与锚固力的实测值，N个所述土层锚杆的原位测试数据组成训练样本集；所述训练样本集中包括N个训练样本，每个训练样本记作{x_1i、x_2i、…、x_Mi、y_i}，其中x_1i、x_2i、…、x_Mi分别为N个土层锚杆中第i个所述土层锚杆的M个影响因素的数值，y_i为第i个所述土层锚杆的锚固力实测值；其中，i为正整数且i＝1、2、…、N；步骤三、土层锚杆锚固力预测模型建立及训练：所述数据处理器调用Matlab软件建立所述土层锚杆锚固力预测模型，并采用步骤二中所建立的训练样本集对所建立的土层锚杆锚固力预测模型进行训练；训练完成后，获得训练好的土层锚杆锚固力预测模型；对所述土层锚杆锚固力预测模型进行训练前，先对训练次数和训练目标误差进行设定；步骤四、多水平多因素正交试验：通过对当前所设计土层锚杆的设计参数进行多水平多因素正交试验，确定影响当前所设计土层锚杆锚固力的M个所述影响因素的敏感性，过程如下：步骤401、土层锚杆设计参数输入：通过与所述数据处理器相接的参数输入单元，输入当前所设计土层锚杆的设计参数，该设计参数中包括当前所设计土层锚杆的M个所述影响因素的设计值；步骤402、正交表建立：所建立的正交表中包含步骤一中M个所述影响因素，且对M个所述影响因素均进行S个水平试验；其中，S为正整数且S≥3；每个所述影响因素的S个试验水平均为对该影响因素的设计值进行S次不同幅度的调整后，获得的试验值；步骤403、正交试验样本获取：根据步骤401中所输入的设计参数，并结合步骤402中所建立的正交表，获得对当前所设计土层锚杆进行多水平多因素正交试验时所用的所有试验样本；每个所述试验样本中，均包括当前所设计土层锚杆的M个所述影响因素的试验值；步骤404、锚固力预测：所述数据处理器调用步骤三中训练好的土层锚杆锚固力预测模型，对步骤403中所有试验样本所对应的锚固力进行预测，并获得M个所述影响因素的S个不同试验水平的锚固力预测值；步骤405、锚固力预测值整理：根据步骤404中所获得的M个所述影响因素的S个不同试验水平的锚固力预测值，计算得出每个所述影响因素的S个不同试验水平的锚固力预测值平均值；其中，M个所述影响因素中第j个影响因素的第t个试验水平的锚固力预测值平均值记作M_jt，j和t均为正整数，j＝1、2、…、M，t＝1、2、…、S；之后，根据计算得出的M个所述影响因素的S个不同试验水平的锚固力预测值平均值，计算得出每个所述影响因素的极差；其中，M个所述影响因素中第j个影响因素的极差记作ΔM_jt，ΔM_jt＝M_jmax‑M_jmin，式中M_jmax为第j个影响因素的S个不同试验水平的锚固力预测值平均值中的最大值，M_jmin为第j个影响因素的S个不同试验水平的锚固力预测值平均值中的最小值；步骤五、敏感性确定：根据步骤405中计算得出的M个所述影响因素的极差，对M个所述影响因素的敏感性进行确定；其中，极差越大的影响因素越敏感，对所设计土层锚杆的锚固力影响程度越大，各影响因素的极差大小决定该影响因素对所设计土层锚杆的锚固力影响程度。