[发明专利]基于神经网络模型的异性结构面峰值抗剪强度预测方法有效
| 申请号： | 201711322548.8 | 申请日： | 2017-12-12 |
| 公开（公告）号： | CN107784191B | 公开（公告）日： | 2019-02-12 |
| 发明（设计）人： | 吴琼;徐艳君;王晓晗;亢金涛;方堃;姜耀飞;刘超远 | 申请（专利权）人： | 中国地质大学（武汉） |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06N3/08 |
| 代理公司： | 武汉知产时代知识产权代理有限公司 42238 | 代理人： | 龚春来 |
| 地址： | 430074 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于神经网络模型的异性结构面峰值抗剪强度预测方法，包括以下步骤：S1：采集实际试验的历史数据，筛选出训练数据和验证数据后进行标准化处理；S2：建立BP神经网络模型，选择输入参数和输出参数；S3：确定隐含层最优神经单元数量；S4：使用所述训练数据训练所述BP神经网络模型；S5：使用所述验证数据验证所述BP神经网络模型；S6：对验证后的所述BP神经网络模型输入参数，得到异性结构面峰值抗剪强度比率预测值，从而得到预测的异性结构面峰值抗剪强度。本发明的有益效果：提供了更为精确预测异性结构面峰值抗剪强度的方法，对于含异性结构面岩石边坡的稳定性评价具有重要意义。 | ||
| 搜索关键词： | 基于 神经网络 模型 异性 结构 峰值 强度 预测 方法 | ||
【主权项】：
1.一种基于神经网络模型的异性结构面峰值抗剪强度预测方法，其特征在于，包括以下步骤：S1：采集实际试验的历史数据，筛选出训练数据和验证数据后进行标准化处理；S2：建立包含输入层、隐含层和输出层的BP神经网络模型，选择异性结构面壁岩强度比率、结构面粗糙度系数和法向应力作为输入参数，选择峰值抗剪强度比率作为输出参数；S3：根据输入参数数量和输出参数数量确定隐含层最优神经单元数量，确定最优神经单元数量的公式如下：![]()
其中，n表示隐含层神经单元数量，n0表示输出参数的数量，ni表示输入参数的数量，α是一个从1到10的常数，通过改变α的大小确定n值，然后得出所述训练数据中同一组数据对应的不同异性结构面抗剪强度，分别比较得到的异性结构面抗剪强度与实际的历史异性结构面抗剪强度，确定均方误差最小且相关系数最大的异性结构面抗剪强度对应的n值为隐含层最优神经单元数量；S4：使用所述训练数据训练所述BP神经网络模型；S5：使用所述验证数据验证所述BP神经网络模型；S6：对验证后的所述BP神经网络模型输入参数，得到峰值抗剪强度比率预测值，从而得到预测的异性结构面的峰值抗剪强度。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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中国地质大学（武汉），未经中国地质大学（武汉）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/patent/201711322548.8/，转载请声明来源钻瓜专利网。
