摘要
本发明提供一种大硐室围岩受力特性动态预测方法及装置,涉及地下工程围岩稳定性预测技术领域,方法包括:结合数据拟合项残差项、时序连续性正则化项及基于分层时序参数、多源物理场参数和地质参数构建的大硐室围岩混合物理约束损失函数建立动态多物理场耦合的神经网络框架的损失函数;提取大硐室围岩分层开挖的分层时序特征,并动态确定采样数据;之后,优化大硐室围岩混合物理约束损失函数中不同物理场的权重;根据优化后的损失函数,得到训练好的动态多物理场耦合的神经网络框架,继而生成大硐室围岩受力特性动态预测结果。本发明能够有效解决多场耦合方程嵌入、时序动态特征捕捉及高风险区域数据优化问题。
技术关键词
神经网络框架
物理
动态预测方法
时序特征
分层
参数
应力场
连续性
围岩变形
因子
残差模块
计算机可读指令
误差函数
受力
实时数据
地下工程围岩
系统为您推荐了相关专利信息
消解方法
死锁检测方法
控制移动机器人
轨迹跟踪方法
移动机器人轨迹跟踪
闭路循环干燥系统
集成策略
旋转闪蒸干燥器
粒子群优化算法
人工神经网络
智能变电站二次系统
SCD模型
端口
关联文件
关系
无人机数据
单目深度估计
大气散射模型
大气散射物理模型
无人机检测方法
智能光控窗帘
物理按键
控制窗帘开合
增量式PID控制
多模态