基于SVR的PFC微观参数辅助标定方法研究

摘要

PFC数值模拟所需的微观参数通常通过人工试算的方式进行标定，该方法受标定人员经验的影响，效率较低，难以快速处理大量岩石试件。以平行黏结模型为例，建立微观参数正交试验表并进行数值模拟，以此为样本分别使用支持向量回归机（SVR）和BP神经网络模型进行训练，对室内测得的宏观参数进行预测，得到的微观参数进行数值模拟分析预测效果，若效果不佳则将模拟数据加入样本继续训练直至获得理想的结果。研究表明：利用数值模拟和机器学习相结合的正反演方法，可以高效标定微观参数，其中BP神经网络模型需要试算7次，而支持向量机模型仅需试算3次，标定效率更高。因此，基于正反演结合的SVR微观参数辅助标定方法不仅效率高、可重复性强、不受标定人员经验影响，而且适用于批量试件的标定工作。

关键词

参数标定 / 颗粒流 / 支持向量回归机 / 反向传播神经网络 / 正交试验 / 正反演