本发明涉及岩土工程,特别涉及一种岩体结构面优势分组方法、介质和设备。
背景技术:
1、受构造运动的影响,岩体内发育大量的结构面,岩体中结构面的发育情况、分布特征以及力学性质对工程的稳定性产生重要影响。在研究岩体结构特征时,需要进行岩体结构面优势组数划分,对岩体结构面进行分组,可以清楚地了解到岩体中不同产状裂隙的发育特征,对认识岩体结构具有重要意义。
2、工程上通常采用k均值算法进行结构面优势分组,然而k均值方法是局部优化算法,在使用该方法进行分组时,导致最终的分组结果往往是局部最优,使得结构面优势分组结果无法达到全局最优。
技术实现思路
1、基于此,有必要针对上述技术问题,本发明提供一种岩体结构面优势分组方法,该方法包括以下步骤:
2、获取结构面产状的倾角和倾向;
3、根据结构面产状的倾角和倾向,建立以结构面到聚类中心的距离为约束的结构面产状分组的目标函数;
4、根据目标函数,通过改进型k均值算法进行最优位置更新,确定全局最优粒子;其中,所述改进型k均值算法为:对参数以及粒子群进行初始化,根据粒子的当前位置和速度,以及全局最优和个体最优粒子的位置,更新粒子的位置和速度,对每个粒子的适应度进行评估,重复进行粒子位置和速度的更新,以及粒子适应度评估,直到满足某种停止条件,确定全局最优粒子;
5、根据全局最优粒子,并结合结构面产状的倾角和倾向,将倾向和倾角数据相近的分为一组,确定结构面优势分组结果。
6、可选的,所述参数以及粒子群进行初始化,具体包括:
7、参数初始化包括:为学习因子μ1、μ2,迭代权重w以及粒子群中粒子总数n设置初始值;其中,粒子群中粒子总数n为结构面的个数;
8、粒子群的初始化包括:将不连续面分成k组,采用特征值分析方法得到每一组的聚类中心;
9、根据得到的结构面的聚类中心,确定粒子的初始位置和速度。
10、可选的,所述更新粒子的位置和速度,具体包括:
11、采用如下公式得到新的粒子的速度和位置:
12、vid=wvid+μ1r1(pid-xid)+μ2r2(pgd-xid)
13、xid=xid+vid
14、其中,d为搜索方向,w为迭代权重,v为粒子运动的速度,μ1、μ2为学习因子,r1、r2分别为区间在[0,1]之间的随机变量。
15、可选的,所述对每个粒子的适应度进行评估,具体包括:
16、采用如下公式得到粒子的适应度:
17、
18、其中,f为粒子的适应度,d(ei,cj)表示第i个不连续面ei到第j个聚类中心cj的距离,sj为第j组结构面;
19、判断粒子的历史最优位置pi的适应度f(pi)是否大于当前位置xi的适应度f(xi),若是,则更新对应粒子最优位置pi,令pi=xi,否则保留该粒子历史最优位置pi;
20、判断粒子群的最优位置pg的适应度f(pg)是否大于粒子最优位置pi的适应度f(pi),若是,则更新粒子群的最优位置pg,令pg=pi,否则保留粒子群的最优位置pg。
21、本发明提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述岩体结构面优势分组方法。
22、本发明提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述岩体结构面优势分组方法。
23、相对于现有技术,本发明的有益效果如下:本发明提供了一种岩体结构面优势分组方法,该方法通过获取岩体结构面的倾角和倾向,采用粒子群优化算法,对学习因子μ1、μ2,迭代权重wmin、wmax以及粒子群中粒子总数n进行初始化,根据粒子的当前位置和速度,以及全局最优和个体最优粒子的位置,更新粒子的位置和速度,基于结构面产状的倾角和倾向,对每个粒子的适应度进行评估,重复进行粒子位置和速度的更新,以及粒子适应度评估,直到满足某种停止条件,确定出全局最优粒子,进而能够得到结构面优势分组结果,使得结构面分组结果达到全局最优。
1.一种岩体结构面优势分组方法,其特征在于,包括:
2.如权利要求1所述岩体结构面优势分组方法,其特征在于,所述参数以及粒子群进行初始化,具体包括:
3.如权利要求1所述岩体结构面优势分组方法,其特征在于,所述更新粒子的位置和速度,具体包括:
4.如权利要求1所述岩体结构面优势分组方法,其特征在于,所述对每个粒子的适应度进行评估,具体包括:
5.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1~4任一项所述岩体结构面优势分组方法。
6.一种计算机设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述权利要求1~4任一所述的岩体结构面优势分组方法。