[发明专利]一种集渗透变形特征判别与抗渗梯度预测于一体的方法

权利要求书

1.一种集渗透变形特征判别与抗渗梯度预测于一体的方法，其特征在于，包括以下步骤：

S1、将渗流试验历史数据作为训练样本，并构建渗流试验数据库；

S2、对训练样本进行数据清洗，根据重力确定无应力条件下数据的平均有效应力，并获得数据集；

S3、切分数据集，将训练样本按比例切分为训练集和测试集；

S4、基于因果模型的深度学习网络，加载预训练参数，构建集渗透破坏类型判别与抗渗梯度预测于一体的智能分析网络模型，包括：

S4.1、构建网络输入层Input-Factor，输入层参数包括颗粒级配、孔隙率、应力状态和渗流方向，应力状态包括垂向应力和静止土压力系数；

S4.2、构建网络输出层Output-IE，输出层参数包括渗透破坏类型和抗渗梯度；

S4.3、开展监督学习，调整构建深度学习网络的隐藏层数和各隐藏层单元数，得到智能分析网络模型；

S5、对测试集进行测试，根据误差概率优化智能分析网络模型，得到用于渗透破坏风险快速评估的优化智能分析网络模型；

S6、根据现场工况，基于优化智能分析网络模型，快速评估堰塞体、土石坝的渗透破坏类型及是否产生渗透破坏，包括：

S6.1、对于应急处置的堰塞体，获取堰塞体现场工况参数，包括堰塞体高H、长L、颗粒级配、孔隙率和估测压力；

S6.2、将步骤S6.1中的现场工况参数颗粒级配、孔隙率、估测的应力状态和估测的渗流方向输入优化智能分析网络模型中，快速评估渗透破坏类型并输出抗渗梯度；

S6.3、根据堰塞体高H和长L，计算水位壅高漫顶前的最大水力比降i；

i＝H/L

S6.4、若步骤S6.2输出抗渗梯度大于最大水力比降i，则判定漫顶破坏，若输出抗渗梯度小于最大水力比降i，则判定为渗透破坏。

2.根据权利要求1所述的集渗透变形特征判别与抗渗梯度预测于一体的方法，其特征在于：步骤S1中渗透破坏类型标签包括流土、过渡和管涌。

3.根据权利要求1所述的集渗透变形特征判别与抗渗梯度预测于一体的方法，其特征在于：步骤S3切分数据集中，渗透破坏类型标签与测试集中的渗透破坏类型标签一致。

4.根据权利要求1所述的集渗透变形特征判别与抗渗梯度预测于一体的方法，其特征在于，颗粒级配包括：D10、D20、D30、D40、D50、D60、D70、D80、D90、D100；渗流方向包括垂直向下、垂直向上和水平。