基于神经网络的直接线性变换在地质力学模型试验中的应用

›› 2008, Vol. 29 ›› Issue (4): 897-900.

基于神经网络的直接线性变换在地质力学模型试验中的应用

陈继光¹，张强勇²，李术才²，马国梁¹，张建国²

1. 山东大学土建与水利工程学院，济南 250061；2. 山东大学岩土与结构工程研究中心，济南 250061

收稿日期:2006-04-06 出版日期:2008-04-10 发布日期:2013-07-10
作者简介:陈继光，男，1949年生，教授，主要从事公路工程数据采集及分析方面的研究
基金资助:
国家自然科学基金资助项目（No. 40772173）、山东省自然科学基金资助项目（No. Y2007F52）

The application of direct linear transformation based on the neural network in geo-mechanics model test

CHEN Ji-guang¹, ZHANG Qiang-yong², LI Shu-cai², MA Guo-liang¹, ZHANG Jian-guo²

1. College of Civil Engineering and Hydraulic Engineering of Shandong University, Jinan，Shandong 250061, china; 2. Geotechnical and Structural Engineering Research Center of Shandong University，Jinan，Shandong 250061，China

Received:2006-04-06 Online:2008-04-10 Published:2013-07-10

摘要/Abstract

摘要： 三维地质力学模型的变形数据主要由岩体内部变形和收敛变形两部分构成。寻找满足高精度位移测量的收敛变形观测方法已成为三维地质力学模型试验数据采集的重要研究方向。修正了传统的数码相机摄影测量基于图像坐标变换的计算思路，改善了试验中5×5小模板作业方式，采用大模板标准点布设方案和标志点相邻坐标数据点的选择方法，有效地减小了镜头畸变对标准点、标志点的影响。基于BP神经网络的直接线性变换原理进行了图像间的坐标识别和试验阶段测量观测点的坐标比较，实现了三维地质力学模型的收敛变形观测。将数码相机数字近景摄影方法应用于某大型分岔隧道的三维地质力学模型试验研究，取得了满意的研究成果。

关键词: 收敛变形, 神经网络, 直接线性变换, 分岔隧道, 三维地质力学模型试验

Abstract: The deformation date of 3D geo-mechanics model are composed of the internal deformation of rock mass and convergence deformation of boundaries. Searching the method of measuring the convergence deformation with high precision has been major direction of research in the area of data acquisition for 3D geo-mechanics model. In this paper, the calculation method based on the coordinates transformation of images in the traditional digital camera photogrammetry was revised the small template operation method of 5 ? 5 was improved. Instead, the big templates with the layout of standard points was used and a method of selection for coordinate data of neighboring marked nods was designed, thus, the influence of lens distortion was reduced effectively. The direct linear transformation mechanism based on the BP neural network was used for coordinates recognition of images and comparison of coordinates of marked nods during experiment period. The measurement of convergence deformation for 3D geo-mechanics model was thus achieved. A 3D geo-mechanics model applying the close shot photographic technique of digital camera was set up for a large scale forked tunnels, the results of measurements were satisfactory.

Key words: convergence deformation, neural network, direct linear substitution, bifurcation tunnels, 3D geo-mechanics model test

中图分类号:

TB 115

陈继光，张强勇，李术才，马国梁，张建国 . 基于神经网络的直接线性变换在地质力学模型试验中的应用[J]. , 2008, 29(4): 897-900.

CHEN Ji-guang , ZHANG Qiang-yong , LI Shu-cai , MA Guo-liang , ZHANG Jian-guo . The application of direct linear transformation based on the neural network in geo-mechanics model test[J]. , 2008, 29(4): 897-900.

参考文献

相关文章 15

[1]	黄大维, 周顺华, 冯青松, 罗锟, 雷晓燕, 许有俊, . 地表均布超载作用下盾构隧道上覆土层竖向土压力转移分析[J]. 岩土力学, 2019, 40(6): 2213-2220.
[2]	钟国强, 王浩, 李莉, 王成汤, 谢壁婷, . 基于SFLA-GRNN模型的基坑地表最大沉降预测[J]. 岩土力学, 2019, 40(2): 792-798.
[3]	王庆武，巨能攀，杜玲丽，黄健，胡勇,. 拉林铁路桑日至加查段三维地应力场反演分析[J]. , 2018, 39(4): 1450-1462.
[4]	张艳博，杨震，姚旭龙，梁鹏，田宝柱，孙林,. 基于声发射信号聚类分析和神经网络识别的岩爆预警方法实验研究[J]. , 2017, 38(S2): 89-98.
[5]	张社荣，胡安奎，王超，彭振辉, . 基于SLR-ANN的地应力场三维智能反演方法研究[J]. , 2017, 38(9): 2737-2745.
[6]	杨啸，杨志强，高谦，陈得信，. 混合充填骨料胶结充填强度试验与最优配比决策研究[J]. , 2016, 37(S2): 635-641.
[7]	王佳信，周宗红，赵婷，余洋先，龙刚，李春阳. 基于Alpha稳定分布概率神经网络的围岩稳定性分类研究[J]. , 2016, 37(S2): 649-657.
[8]	胡军，董建华，王凯凯，黄贵臣，. 边坡稳定性的CPSO-BP模型研究[J]. , 2016, 37(S1): 577-582.
[9]	王开禾，罗先启，沈辉，张海涛. 围岩力学参数反演的GSA-BP神经网络模型及应用[J]. , 2016, 37(S1): 631-638.
[10]	张明告，周顺华，黄大维，王秀志，刘洪波，. 地表超载对地铁盾构隧道的影响分析[J]. , 2016, 37(8): 2271-2278.
[11]	舒苏荀，龚文惠. 边坡稳定分析的神经网络改进模糊点估计法[J]. , 2015, 36(7): 2111-2116.
[12]	舒苏荀，龚文惠. 二维随机场下边坡稳定性的径向基函数神经网络分析法[J]. , 2015, 36(4): 1205-1210.
[13]	邱道宏，李术才，薛翊国，田昊，闫茂旺，. 基于数字钻进技术和量子遗传-径向基函数神经网络的围岩类别超前识别技术研究[J]. , 2014, 35(7): 2013-2018.
[14]	李克钢，郑东普，黄维辉,. 干湿循环作用下砂岩力学特性及其本构模型的神经网络模拟[J]. , 2013, 34(S2): 168-173.
[15]	刘亚群，李海波，裴启涛，张伟. 基于灰色关联分析的遗传神经网络在水下爆破中质点峰值振动速度预测研究[J]. , 2013, 34(S1): 259-264.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed