CN116245007B 基于图像识别的节理岩体rev数值模拟获取方法及系统 （山东大学）_第1页
CN116245007B 基于图像识别的节理岩体rev数值模拟获取方法及系统 （山东大学）_第2页
CN116245007B 基于图像识别的节理岩体rev数值模拟获取方法及系统 （山东大学）_第3页
CN116245007B 基于图像识别的节理岩体rev数值模拟获取方法及系统 （山东大学）_第4页
CN116245007B 基于图像识别的节理岩体rev数值模拟获取方法及系统 （山东大学）_第5页
已阅读5页，还剩21页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于图像识别的节理岩体REV数值模拟获取一种基于图像识别的节理岩体REV数值模拟获取方法及系统，能够自动获取节理岩体的产状信图像识别得到的结构面信息建立多尺度合成岩寸力学性质参数变化曲线，利用差值比率确定2将获取的待识别节理岩体图像，通过训练好的卷积神经网络识别节理岩体的图像特据图像集中的图像的结构面产状标记标签，构建节理岩将预处理后的节理岩体图像作为输入样本，将结构面产状信息作为将测试集用于检验卷积神经网络模型的准确性，采用回归量化指标R2判断模型精度，2.如权利要求1所述的基于图像识别的节理岩体REV数值模拟获取方法，其特征在于：3.如权利要求1所述的基于图像识别的节理岩体REV数值模拟获取方法，其特征在于，根据结构面产状分布特征建立工程尺度裂隙离散网络模型络模型的模型中心点向外切割选取一系列比例相同、尺寸递增的多尺度离散裂隙网络模通过室内试验测试得到的节理岩体力学性质参数，标定得到粘结颗粒模型的细观参4.如权利要求1所述的基于图像识别的节理岩体REV数值模拟获取方法，其特征在于，5.如权利要求1所述的基于图像识别的节理岩体REV数值模拟获取方法，其特征在于：计算多尺度合成岩体模型中各合成岩体模型的差值比率，差3处理器被配置为执行权利要求1_5任一项所述的方7.如权利要求6所述的基于图像识别的节理岩体REV数值模拟获取系统，其特征在于：数值模拟单元，被配置为用于采用离散元方法，基于产状参数建立8.一种电子设备，其特征在于，包括存储器和4[0005]本公开为了解决上述问题，提出了一种基于图像识别的节理岩体REV数值模拟获[0007]一个或多个实施例提供了基于图像识别的节理岩体REV数值模拟获取方法，包括[0011]一个或多个实施例提供了基于图像识别的节理岩体REV数值模拟获取系统，图像56于选择特征并过滤无关信息；全连接层将卷积层和池化层得到的图像特征进行非线性组7[0052]本实施例通过卷积神经网络来识别节理岩体的图像，并获取到结构面的产状参8型的细观参数，将粘结颗粒模型赋予到多尺度裂隙网络模型当中得到多尺度合成岩体模[0079]根据尺寸力学性质参数曲线获取节理岩体的REV尺寸9[0086]本实施例中提供一种基于图像识别的节理岩体REV数值模拟获取系统，如图1所[0095]进一步地，卷积神经网络模块用于学习并识别节理岩体图像的结构面产状信[0096]进一步的，结构面信息获取模块用于获取经过图像识别[0098]数值模拟单元包括结构面统计分析模块、节理岩体建模模块和力学试验模拟模散裂隙网络模型。通过室内试验测试得到的器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例1的方法所述的步需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论