摘要
本申请公开了一种岩体演化的实时定量表征方法、设备及介质,涉及储层岩体工程地质力学试验测试领域,该方法包括对多相场探测和监测数据进行数据融合;根据流体密度的物理原理,采用深度学习方法建立物理原理驱动的深度学习模型;以实时融合的数据为输入,以对应的演化分布图像为输出,训练深度学习模型;根据不同时刻、不同类型的多相场探测和监测数据,采用训练后的深度学习模型,得到演化分布图像;根据与多相场探测和监测数据同步的宏观力学参数和演化分布图像,采用数学模型,实现岩体动态演化渐进破坏全过程中的物理力学参数定量表征;本申请能够实现多相场长时耦合岩体演化的实时性透明化表征。
技术关键词
定量表征方法
深度学习方法
图像
物理
光纤传感技术
特征提取方法
力学
数学模型
超临界
深度学习模型训练
训练深度学习模型
贝叶斯神经网络
方程
深度残差网络
声发射
参数
超声波换能器
岩体工程
数据
系统为您推荐了相关专利信息
可见光图像
转换算法
双光摄像机
呈现系统
条件生成对抗网络
安全隐患分析方法
水利施工现场
视频特征向量
混合神经网络模型
文本特征向量
三元组损失函数
嵌入特征
语义
检索方法
联合损失函数
识别配电网
识别方法
卷积神经网络提取图像特征
图像增强模型
参数