基于神经网络的岩石强度准则研究

摘要

传统的岩石强度预测均使用经典强度准则.该文使用神经网络在单轴及三轴加载情况下对岩石强度准则进行研究,搜集来的各种岩石相关数据随机划分成训练和验证子集.将抗压强度σc和最小主应力σ3作为输入值,最大主应力值σ1f作为输出值训练神经网络.使用训练后的神经网络预测试验岩体破坏时的σ1f,同时使用相同的训练子集反演Hoek-Brown经验公式的常数m.使用测试数据对训练后神经网络预测的目标岩石强度的准确性进行验证,同时将测试数据带入两类Hoek-Brown（m值的取值不同）经验公式预测目标岩石强度（岩体破坏时的σ1f）.比较神经网络和Hoek-Brown预测结果表明神经网络预测结果的均方差减小了30%⁴0%,决定系数增加了0.05～0.08,更接近于1.说明使用ANN对岩石强度进行预测能适应的加载范围较宽,且适合岩石种类多变的复杂非线性情况,灵活准确.

关键词

神经网络 / 岩石强度 / Hoek-Brown准则 / 对比分析