[發明專利]基于宏細觀參數關聯準則的DEM細觀參數標定方法

在審

• 申請號: 202110973540.8
• 申請日: 2021-08-24
• 公開（公告）號: CN113836789A
• 公開（公告）日: 2021-12-24
• 發明（設計）人: 周宗青;白松松;李利平;褚開維;屠文鋒;孫基偉;商成順
• 申請（專利權）人: 山東大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N20/00;G06F111/10;G06F119/14
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 祖之強

本公開提供了一種基于宏細觀參數關聯準則的DEM細觀參數標定方法，獲取經室內基礎力學試驗得到的巖石DEM宏觀力學參數；根據巖石DEM宏觀力學參數、先驗條件和預設機器學習模型，得到用于巖石力學特征模擬的巖石DEM細觀力學參數；其中，細觀力學參數為預設機器學習模型的預測結果與各先驗證條件結果的加權和；本公開通過建立DEM宏觀力學參數和細觀力學參數標定的樣本庫，分析樣本庫中宏觀力學參數和細觀力學參數的關聯，將其作為先驗約束條件，結合預設的機器學習模型，實現了細觀參數的快速標定，進而實現了更高精度的巖石力學特征模擬。

技術領域

本公開涉及巖石力學特性模擬技術領域，特別涉及一種基于宏細觀參數關聯準則的DEM細觀參數標定方法。

背景技術

本部分的陳述僅僅是提供了與本公開相關的背景技術，并不必然構成現有技術。

基礎設施建設的快速發展，一大批水利水電、交通、能源開采等重大工程正籌備建設。為保證施工的安全性，亟需明晰施工中各種災害的致災機理，并對其進行重點防控。在致災機理的研究中，數值模擬方法以其可重復性強、可實施性好等獨特的優勢得到了廣泛的應用。

在眾多數值模擬方法中，離散單元法(DEM)被廣泛應用于模擬材料損傷和非線性力學行為。特別是其在模擬大變形、巖體破裂、各向異性等問題中有出色的表現，使得DEM成為解決巖土工程問題的重要數值模擬手段之一。

細觀參數選取是否正確直接影響離散元模擬能否成功，即通過調節細觀力學參數使模型的單軸壓縮強度、彈性模量、泊松比和抗拉強度等宏觀力學性能與期望值相符。目前，DEM中參數標定的方法主要以“試錯法”為主，即基于文獻和軟件手冊中的部分參數建議值，選定細觀參數進行室內試驗的模擬，將模擬得到的宏觀力學參數與實驗室得到的宏觀力學參數進行比較，根據兩者之間宏觀參數的差異，不斷調整細觀參數，最終使模型的宏觀參數達到期望值。然而這種方法及其依賴離散元數值模擬的經驗并且浪費大量計算和時間成本。

機器學習是一種能夠根據數據特點進行歸納、分析、學習、演繹的方法，不僅能夠歸納已知樣本特征值和目標值之間的關聯性，還能快速的對未知樣本的目標值進行精確預測，所以將其應用于DEM參數標定過程能夠極大提高參數標定效率和準確率。

發明人發現，目前針對DEM參數標定的機器學習方法均是直接將數據導入機器學習模型中，學習樣本的數據量直接決定著標定模型的準確率，然而獲取大量參數標定數據需耗費大量時間，且獲取的數據普遍性較差，從而使得最終巖石力學特性模擬結果較差。

發明內容

為了解決現有技術的不足，本公開提供了一種基于宏細觀參數關聯準則的DEM細觀參數標定方法，通過建立DEM宏觀力學參數和細觀力學參數標定的樣本庫，分析樣本庫中宏觀力學參數和細觀力學參數的關聯，將其作為先驗約束條件，結合預設的機器學習模型，實現了細觀參數的快速標定，進而實現了更高精度的巖石力學特征模擬。

為了實現上述目的，本公開采用如下技術方案：

本公開第一方面提供了一種基于宏細觀參數關聯準則的DEM細觀參數標定方法。

一種基于宏細觀參數關聯準則的DEM細觀參數標定方法，包括以下過程：

獲取經室內基礎力學試驗得到的巖石DEM宏觀力學參數；

根據巖石DEM宏觀力學參數、先驗條件和預設機器學習模型，得到用于巖石力學特征模擬的巖石DEM細觀力學參數；

其中，細觀力學參數為預設機器學習模型的預測結果與各先驗證條件結果的加權和。

進一步的，宏觀力學參數至少包括宏觀彈性模量、泊松比、宏觀抗壓強度和宏觀抗剪強度。

進一步的，細觀力學參數至少包括顆粒有效模量、顆粒密度、粘結有效模量和粘結強度。