基于机器学习的岩石节理面力学性能分析及预测

在岩土及隧道工程中,准确判定破碎岩体的宏观力学性能对工程设计和施工建造至关重要,而不同岩石节理形貌直接影响其宏观力学性能。为了有效界定节理岩体的力学性能,首先将频谱分形维数D和频域幅值积分R_(q)作为节理形貌的量化表征参数,进一步基于傅里叶变换技术,设计了可指定形貌特征的节理重构方法,并结合3D打印技术对包含不同形貌节理的破碎岩石进行了直剪试验,验证了所采用的数值模拟方法的准确性。在此基础上,对不同节理形貌的岩石力学性能开展参数分析,研究结果表明分形维数D和频域幅值积分R_(q)是能有效量化和评价节理形貌的参数。最后基于遗传算法改进的BP神经网络,构建了分形维数D、频域幅值积分R_(q)、法向压力、摩擦系数与破碎岩石力学性能之间的映射关系,形成了一种考虑节理形貌特性的破碎岩石力学性能智慧预测方法。