摘要
本发明提供一种基于机器学习的冰岩体稳定性预测方法及系统,涉及机器学习技术领域,首先获取目标区域包含冰岩体分布、地质构造及环境监测参数的地质数据集合,接着对其进行特征融合处理,得到涵盖冰岩体结构、地质应力和环境动态特征的冰岩特征集合,基于此冰岩特征集合,利用多层神经网络构建并训练冰岩稳定性预测模型,实时输入监测数据时,调用训练好的冰岩稳定性预测模型生成目标区域的实时稳定性预测结果,最后依据该实时稳定性预测结果输出稳定性告警信号或优化加固建议参数,从而能够综合多类参数,实现对冰岩体稳定性的精准预测并给出应对措施。
技术关键词
稳定性预测方法
岩体结构特征
参数
融合特征
应力
抗干扰模型
地表振动频率
多任务
动态增量
衰减特征
时序关联分析
高斯平滑滤波
随机噪声
历史温度数据
预测系统
滑动窗口机制
输出特征
系统为您推荐了相关专利信息
高压压气机
发动机模型
非线性方程组
低压压气机
涡轮
安装套件
规则集
设计工具
推理规则
图形用户界面
电力设备控制方法
特征值
设备状态数据
历史设备
电力设备控制系统
弹性调度方法
分层强化学习
多智能体模型
周期
资源
带钢头
神经网络模型构建
参数
基础
温度控制偏差