[发明专利]基于机器学习的岩石破坏形态预测方法及系统

权利要求书

1.基于机器学习的岩石破坏形态预测方法，其特征在于，包括：

获取待预测岩石试样的相关数据；

依据获取的相关数据和预设的岩石破坏形态预测模型，得到岩石试样变形破坏数据矩阵；其中，所述岩石破坏形态预测模型通过BP神经网络训练得到；

根据岩石试样变形破坏数据矩阵，绘制岩石试样变形破坏图像，实现待预测岩石试样破坏形态的预测。

2.如权利要求1所述的基于机器学习的岩石破坏形态预测方法，其特征在于，所述相关数据包括弹性模量、单轴抗拉强度、单轴抗压强度和围压。

3.如权利要求1所述的基于机器学习的岩石破坏形态预测方法，其特征在于，预测前，对所述相关数据进行编码和归一化处理。

4.如权利要求1所述的基于机器学习的岩石破坏形态预测方法，其特征在于，所述岩石破坏形态预测模型的训练包括：

获取岩石试样破坏形态影响参数数据以及对应的岩石试样变形破坏数据矩阵，建立样本集；

将岩石试样破坏形态影响参数数据以及对应的岩石试样变形破坏数据矩阵进行预处理；

将预处理后的岩石试样破坏形态影响参数数据作为输入，将预处理后的岩石试样变形破坏数据矩阵作为输出，输入至构建好的BP神经网络，进行训练；

通过BP神经网络，根据设定的最大神经元数量逐个增加神经元，使训练误差逐渐减小，直到误差小于容限，确定BP神经网络的最优参数，获得训练好的BP神经网络。

5.如权利要求4所述的基于机器学习的岩石破坏形态预测方法，其特征在于，所述对应的岩石试样变形破坏样本数据矩阵，通过对岩石试样变形破坏图像进行灰度化处理得到。

6.如权利要求5所述的基于机器学习的岩石破坏形态预测方法，其特征在于，样本数据矩阵获取过程为：

通过固定尺寸圆柱体试样的三轴压缩试验，获取岩石破坏试样，并用透明胶粘剂将岩石破坏试样粘合；

待胶粘剂固化后，将岩石破坏试样放在以黑色为背景的水平面固定位置，使用角度和位置固定的照相机拍摄岩石破坏试样在固定光线下的侧面变形破坏彩色照片；

将岩石试样变形破坏彩色照片中的瑕疵处理干净，得到岩石试样变形破坏图像；

读取岩石试样变形破坏图像的三维数据矩阵，采用matlab的imread函数；

将岩石试样变形破坏图像的三维数据矩阵转化为元素值是灰度值的二维数据矩阵，采用matlab的rgb2gray函数；

将岩石试样变形破坏图像的灰度值二维数据矩阵调整至固定行列数，得到岩石试样变形破坏样本数据矩阵，采用matlab的interp2函数。

7.如权利要求4所述的基于机器学习的岩石破坏形态预测方法，其特征在于，所述岩石破坏形态预测模型的设别过程为：

输入样本向量首先与权值向量相乘；

将相乘后的结果输入到隐含层节点中，计算样本与节点中心的距离；

将距离值经过BP函数的映射后形成隐含层的输出，再输入到输出层，各个隐含层节点的线性组合形成了最终的网络输出。

8.基于机器学习的岩石破坏形态预测系统，其特征在于，包括采集模块、预测模块和预测结果处理模块；

所述采集模块，被配置为：获取待岩石试样的相关数据；

所述预测模块，被配置为：依据获取的相关数据和预设的岩石破坏形态预测模型，得到岩石试样变形破坏数据矩阵；其中，所述岩石破坏形态预测模型通过BP神经网络训练得到；

所述预测结果处理模块，被配置为：根据岩石试样变形破坏数据矩阵，绘制岩石试样变形破坏图像，实现待预测岩石试样破坏形态的预测。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现了如权利要求1-7任一项所述的基于机器学习的岩石破坏形态预测方法的步骤。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现了如权利要求1-7任一项所述的基于机器学习的岩石破坏形态预测方法的步骤。