使用长短期记忆人工神经网络进行花岗岩变形破坏阶段的判别

作者：陶雪杰; 徐金明^*; 王树成; 王亚磊

来源：水文地质工程地质, 2021, 48(03): 126-134.

DOI：10.16030/j.cnki.issn.1000-3665.202007076

• 花岗岩
• 成分
• 变形破坏阶段
• 长短期记忆神经网络

判别岩石所处的变形破坏阶段是分析岩石变化过程的重要基础。由于室内试验视频数据具有很好的等时距分布特征,可以使用基于长短期记忆的神经网络(LSTM-NN)模型判别外荷作用下岩石的变形破坏阶段。本文根据花岗岩室内单轴压缩试验所得应力-应变曲线和试验视频图像中裂隙的分布情况,将岩石变形破坏过程分成岩石压密阶段、弹性变形阶段、裂隙扩展阶段、整体破坏阶段,在提取不同阶段不同组分主要数字特征参数(面积)基础上,建立了基于LSTM-NN模型的岩石变形破坏阶段分类网络,分析了模型主要参数(学习率和最大周期等)对分类准确性的影响,使用所建模型对岩石所处变形破坏阶段进行了判别。结果表明,在LSTM-NN模型参数中,学习率和最大周期对变形破坏阶段判别准确率的影响较大,二者分别为0.005和200时的判别准确率达到最高;对于整个变形破坏阶段来说,LSTM-NN模型对裂隙扩展阶段预测的判别效果最好、对整体破坏阶段预测的判别效果最差;对于花岗岩中不同组分来说,LSTM-NN模型对变形破坏阶段预测准确性高低的顺序是裂隙、黑云母、长石、石英。

• 单位
  上海大学; 中铁十七局集团有限公司