摘要
本发明公开一种基于特征分析‑机器学习的离散元接触参数预测方法,包括:根据软岩颗粒特性及模具材质参数选择进行接触参数标定的离散元线性平行黏结模型,并确定模型参数及取值范围;基于少量单轴压缩和巴西劈裂试验获取离散元线性平行黏结模型的接触参数,并基于接触参数构成接触参数‑软岩宏观特征低保真数据集;基于灰色关联分析GRA、Pearson相关性分析和互信息MI确定影响软岩宏观特征的关键接触参数;基于大量单轴压缩和巴西劈裂试验获取接触参数‑宏观特征高保真数据集;基于机器学习建立离散元线性平行黏结模型关键接触参数预测模型;确定线性平行黏结模型关键接触参数最优预测模型。还公开了对应的系统、电子设备及计算机可读存储介质。
技术关键词
参数预测方法
灰色关联分析
机器学习模型
单轴
线性
数值
数据
样本
振动抑制系统
可读存储介质
误差
刚度
支持向量回归
粒子群优化算法
巡检无人机
强度
泊松比
超参数
计算机
系统为您推荐了相关专利信息
识别控制系统
智能穿戴设备
关键点
非线性优化算法
联合优化算法
统计特征
RNA二级结构
位点
识别方法
XGBoost模型
定标方法
相机
特征匹配算法
边缘检测算法
图像处理算法
余辉材料
特征选择
机器学习算法
深度学习模型
数据