本文主要研究内容
作者李飞,周家兴,王金安（2019）在《基于稀少样本数据的地应力场反演重构方法》一文中研究指出：地应力测量昂贵的成本限制了测点数量,稀少样本实测数据难以对区域地应力场进行全面的描述与表达。如何依据稀少样本地应力实测数据准确地构建地质体内部地应力场分布状态,一直是岩土工程关心的重点问题,尤其随着深部工程的建设,掌握地应力场的分布规律是进行工程安全设计和防灾工作的基础。提出的GMDH(批数据处理)神经网络算法,结合地应力场分布随埋深的非线性特征及局部地质构造处地应力场的非连续性特点,构建出形成复杂地质体地应力场的边界条件模式,并基于现场的稀少样本测点数据进行复杂边界条件的生成,拟合出边界载荷非线性表达式。通过Matlab编程构建GMDH神经网络算法平台,该平台具有结构最优性和全局性等优势,克服了传统神经网络方法假设过多(网络结构假设)和网络结构过于简单等缺点,实现复杂地质体边界载荷表达式与实测点应力值的非线性映射,从而获取了较为合理的地应力场分布。为了验证算法的有效性,构建二维急倾斜地层地质区域模型,分别选取15个、12个、9个及6个测点数据进行地应力场反演。结果表明:随测点数量的减少,GMDH神经网络算法反演精度均大于83%,特别是6个测点稀少样本数据中,GMDH神经网络算法反演精度为84%,BP神经网络算法反演精度为76%,说明GMDH神经网络算法在稀少样本测点数据下具有较高的反演精度。另外,对稀少样本测点数据下的杏山铁矿地应力场进行反演和重构,结果显示,GMDH神经网络算法反演精度达到84%,绝大多数测点应力分量反演误差小于10%。因此,GMDH神经网络算法在稀少样本测点数据的反演计算中,具有良好的泛化性和非线性数据预测性,可为今后日益复杂的工程设计和施工提供有效的理论依据。
Abstract
de ying li ce liang ang gui de cheng ben xian zhi le ce dian shu liang ,xi shao yang ben shi ce shu ju nan yi dui ou yu de ying li chang jin hang quan mian de miao shu yu biao da 。ru he yi ju xi shao yang ben de ying li shi ce shu ju zhun que de gou jian de zhi ti nei bu de ying li chang fen bu zhuang tai ,yi zhi shi yan tu gong cheng guan xin de chong dian wen ti ,you ji sui zhao shen bu gong cheng de jian she ,zhang wo de ying li chang de fen bu gui lv shi jin hang gong cheng an quan she ji he fang zai gong zuo de ji chu 。di chu de GMDH(pi shu ju chu li )shen jing wang lao suan fa ,jie ge de ying li chang fen bu sui mai shen de fei xian xing te zheng ji ju bu de zhi gou zao chu de ying li chang de fei lian xu xing te dian ,gou jian chu xing cheng fu za de zhi ti de ying li chang de bian jie tiao jian mo shi ,bing ji yu xian chang de xi shao yang ben ce dian shu ju jin hang fu za bian jie tiao jian de sheng cheng ,ni ge chu bian jie zai he fei xian xing biao da shi 。tong guo Matlabbian cheng gou jian GMDHshen jing wang lao suan fa ping tai ,gai ping tai ju you jie gou zui you xing he quan ju xing deng you shi ,ke fu le chuan tong shen jing wang lao fang fa jia she guo duo (wang lao jie gou jia she )he wang lao jie gou guo yu jian chan deng que dian ,shi xian fu za de zhi ti bian jie zai he biao da shi yu shi ce dian ying li zhi de fei xian xing ying she ,cong er huo qu le jiao wei ge li de de ying li chang fen bu 。wei le yan zheng suan fa de you xiao xing ,gou jian er wei ji qing xie de ceng de zhi ou yu mo xing ,fen bie shua qu 15ge 、12ge 、9ge ji 6ge ce dian shu ju jin hang de ying li chang fan yan 。jie guo biao ming :sui ce dian shu liang de jian shao ,GMDHshen jing wang lao suan fa fan yan jing du jun da yu 83%,te bie shi 6ge ce dian xi shao yang ben shu ju zhong ,GMDHshen jing wang lao suan fa fan yan jing du wei 84%,BPshen jing wang lao suan fa fan yan jing du wei 76%,shui ming GMDHshen jing wang lao suan fa zai xi shao yang ben ce dian shu ju xia ju you jiao gao de fan yan jing du 。ling wai ,dui xi shao yang ben ce dian shu ju xia de xing shan tie kuang de ying li chang jin hang fan yan he chong gou ,jie guo xian shi ,GMDHshen jing wang lao suan fa fan yan jing du da dao 84%,jue da duo shu ce dian ying li fen liang fan yan wu cha xiao yu 10%。yin ci ,GMDHshen jing wang lao suan fa zai xi shao yang ben ce dian shu ju de fan yan ji suan zhong ,ju you liang hao de fan hua xing he fei xian xing shu ju yu ce xing ,ke wei jin hou ri yi fu za de gong cheng she ji he shi gong di gong you xiao de li lun yi ju 。
论文参考文献
论文详细介绍
论文作者分别是来自煤炭学报的李飞,周家兴,王金安，发表于刊物煤炭学报2019年05期论文，是一篇关于地质体论文,神经网络算法论文,稀少样本数据论文,地应力场反演论文,煤炭学报2019年05期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自煤炭学报2019年05期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：地质体论文; 神经网络算法论文; 稀少样本数据论文; 地应力场反演论文; 煤炭学报2019年05期论文;