基于人工智能算法的岩体物理力学参数预测.pdfVIP

基于人工智能算法的岩体物理力学参数预测.pdf

工程技术研究第10卷总第183期2025年4月工程前沿

DOI:10.19537/j.cnki.2096-2789.2025.07.001.

基于人工智能算法的岩体物理力学参数预测*

PredictionofPhysicalandMechanicalParametersofRockMassBased

onArtiﬁcialIntelligenceAlgorithm

黄国良

HUANGGuoliang

中铁第四勘察设计院集团有限公司，湖北武汉430063

ChinaRailwaySiyuanSurveyandDesignGroupCo.,Ltd.,Wuhan430063,Hubei,China

摘要：在岩土工程实践中，岩石力学参数及不确定性Poissonwave,tensilestrength,rockmassintegrityindex,

将直接影响岩石稳定性分析、工程设计和安全施工。BQvalueandrockmassqualitygradingarepredicted.Af-

文章提出了一种基于机器学习的岩体力学参数预测方tercomparativeanalysiswiththeactualvalues,themodel

法，通过各工程现场测试获取大量数据，将其预处理withthestrongestpracticabilityandthesmallesterroris

后作为数据集，按比例划分为训练集、测试集、验证determinedbytheoverallaveragerelativeerrorofthe

集，设计六种模型训练的方案，根据各方案完成模型predictedparametersoutputbyeachmodel.Theanalysis

的训练，预测黏聚力、内摩擦角、弹性模量、泊松比、resultsshowthatmachinelearningtechnologycaneffec-

抗拉强度、岩体完整性指数、岩体基本质量指标（basictivelypredictthemechanicalparametersofrockmass,and

quality,BQ）值、岩体质量分级等关键特征参数，经provideanewmethodandideaforobtainingrockmass

与实际值进行比较分析，通过各模型输出预测参数总parametersintheﬁeldofgeotechnicalengineering.

体平均相对误差，确定实用性最强、误差最小的模型。Keywords:geotechnicalengineering;in-holetesting;rock

分析结果表明，机器学习技术能有效预测岩体力学参massparameterprediction;machinelearning

数，为岩土工程领域提供一种新的岩体参数获取方法分类号：TD313

和思路。

关键词：岩土工程；孔内测试；岩体参数预测；机器学习

1研究背景

Abstract:Ingeotechnicalengineeringpractice,rocksme-

chanicalparametersanduncertaintywilldirectlyaffectits岩体力学参数的准确获取是岩石工程稳定性分析