基于SVR的PFC微观参数辅助标定方法研究

摘要：

PFC数值模拟所需的微观参数通常通过人工试算的方式进行标定,该方法受标定人员经验的影响,效率较低,难以快速处理大量岩石试件.以平行黏结模型为例,建立微观参数正交试验表并进行数值模拟,以此为样本分别使用支持向量回归机(SVR)和BP神经网络模型进行训练,对室内测得的宏观参数进行预测,得到的微观参数进行数值模拟分析预测效果,若效果不佳则将模拟数据加入样本继续训练直至获得理想的结果.研究表明:利用数值模拟和机器学习相结合的正反演方法,可以高效标定微观参数,其中BP神经网络模型需要试算7次,而支持向量机模型仅需试算3次,标定效率更高.因此,基于正反演结合的SVR微观参数辅助标定方法不仅效率高、可重复性强、不受标定人员经验影响,而且适用于批量试件的标定工作.

关键词：参数标定、颗粒流、支持向量回归机、反向传播神经网络、正交试验、正反演

所属期刊栏目：32

分类号：TU45(土力学、地基基础工程)

资助基金：十四五重点研发计划项目;广西重点研发计划

在线出版日期：2024-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：675-684