(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210758503.X (22)申请日 2022.06.30 (71)申请人 湖南大学 地址 410082 湖南省长 沙市麓山 南路 申请人 中国人民解 放军9691 1部队 (72)发明人 潘越峰　胡德安　倪冰雨　杨刚　 赵章泳　 (74)专利代理 机构 沈阳易通专利事务所 21 116 专利代理师 邢慧清 (51)Int.Cl. G06F 30/23(2020.01) G06F 30/27(2020.01) G06F 111/08(2020.01) G06F 119/14(2020.01) (54)发明名称 一种考虑随机裂隙的地下洞室应力响应不 确定性分析方法 (57)摘要 本发明提供一种考虑随机裂隙的地下洞室 应力响应不确定性分析方法， 包括以下步骤： 根 据工程经验， 确定单条裂隙中点的位置参数， 并 建立单条裂隙对于地下洞室应力响应衰减值的 神经网络模 型； 分析单条裂隙对于地下洞室应力 响应衰减值的统计特性； 获得随机裂隙对于地下 洞室的应力响应衰减值的均值μ和方差Var。 本 发明将每条单条裂隙的影 响都进行独立分析， 并 根据线性叠加原理将一定数量裂隙对于地下洞 室应力响应的衰减值进行近似。 随后应用单变量 降维积分法来提高不确定性分析效率， 获得单条 裂隙对于地下洞室应力响应的衰减值的统计特 性， 能够大幅度减少计算量， 最后获得随机裂隙 对于洞室响应衰减值的均值和方差， 为随后洞室 设计提供了坚实的设计 基础。 权利要求书3页 说明书8页 附图1页 CN 115292983 A 2022.11.04 CN 115292983 A 1.一种考虑随机裂隙的地下洞室应力响应不确定性分析方法， 其特征在于， 包括以下 步骤： 步骤1、 根据工程经验， 确定单条裂隙中点的位置参数， 包括横坐标、 纵坐标、 迹长和倾 角， 并建立单 条裂隙对于地下洞室应力响应衰减值的神经网络模型： Δσ ≈g(x),x＝[X,Y,L, θ ]           (1) 其中， Δσ 为单条裂隙对于地下洞室应力响应衰减值， x＝[X,Y,L, θ]表示的是以X、 Y、 L、 θ为变量的4维随机变量， X为单条裂隙中点的横坐标， Y为单条裂隙中点的纵坐标， L为单条 裂隙的迹 长， θ 为单 条裂隙的倾角； 步骤2、 分析单条裂隙对于地下洞室应力响应衰减值的统计特性， 即前四阶统计矩， 即 均值、 方差、 偏度、 峰度； 步骤3、 获得随机裂隙对于地下洞室的应力响应衰减值的均值 μ和方差Var。 2.如权利要求1所述的一种考虑随机裂隙的地下洞室应力响应不确定性分析方法， 其 特征在于， 所述步骤1中建立单条裂隙对于地下洞 室应力响应衰减值的神经网络模型具体 包括以下步骤： 1)根据工程数据采集的各位置参数的概率统计特征， 包括分布类型、 概率密度参数和 分布参数， 根据已有的单条裂隙位置参数 的概率统计特征， 对单条裂隙的位置参数进行拉 丁超立方抽样， 次数为 Q， 由此可以获得Q组不同的参数， 每一组参数都能表示成一条裂隙； 2)建立Q组分别 包含不同单条裂隙的有限元模型， 并通过有限元软件进行计算获得Q组 不同单条裂隙对于地下洞室应力响应衰减值； 3)建立径向基神经网络模型， 进行深度学习训练， 最终获得单条裂隙对于地下洞室应 力响应衰减值的神经网络模型。 3.如权利要求1所述的一种考虑随机裂隙的地下洞室应力响应不确定性分析方法， 其 特征在于， 所述 步骤2具体包括以下步骤： 步骤21、 根据单变量降维积分法， 将式(1)的神经网络模型近似为： 式中， 表示所建立的单条裂隙对于地下洞室应力响应衰减值的神经网络模型近似 响应函数； μ1为随机变量x1的均值， 即单条裂隙中点的横坐标X的均值； μ2为随机变量x2的均 值， 即单条裂隙中点的纵坐标Y的均值； μ3为随机变量x3的均值， 即单条裂隙中点的迹长L的 均值； μ4为随机变量x4的均值， 即单 条裂隙中点的倾角 θ 的均值； 步骤22、 由于计算所得应力响应衰减值都为负数， 即相比于不含裂隙的连续岩体介质， 裂隙的引入将导致应力波的衰减， 地下洞室响应衰减量的大小为 因此式 (2)可以改写为： 再次利用应力响应衰减值 及g(x1,x2,x3,x4)均为负值的条件， 因此有：权　利　要　求　书 1/3 页 2 CN 115292983 A 2由此， 单条裂隙对于地下洞室应力响应衰减值的神经网络模型近似响应函数的p阶统 计矩mp便可通过式(5)获得： 其中， 表示求 的p次方的均值， 即为 的p阶统计矩； 设： 由二项式展开定理可将式(5)写为： 其中， 为二项式系数， p为统计矩阶数， j为 二项式展开系数中的各项的次方 数； 定义 其中q为g(x)的随机变量x的维度； 则有： 其中， t为中间变量， 无含义； 则： 步骤23、 采用高斯积分法计算统计矩， 即可以将统计矩的计算转换成不同积分节点的 函数值的加权之和， 即： 式(9)中， 式中， M为积分节点数； lio为第i个变量的第o个积分节点； ωio为第i个变量的 第o个权重， j为二项式展开系数中的各项的次方 数；权　利　要　求　书 2/3 页 3 CN 115292983 A 3