基于K-中心点聚类算法的岩体结构面试样代表性取样方法研究

论文摘要

研究表明,天然岩体内部发育着方向、规模、形态不一的结构面。岩体的失稳往往是岩体沿着内部的结构面破坏,故对岩体结构面力学性质的研究逐渐成为国内外学者研究的热点。由于岩体结构面本身存在尺寸效应,需要利用岩体结构面统计方法在大尺寸结构面上获取若干不同尺度的小尺寸结构面试样进行实验分析。但在实际的实验过程中,往往会面临大量的小尺寸结构面试样,若能从结构面试样中选取少量具有代表性的试样进行实验,将会极大降低实验的人力、物力。因此,对岩体结构面试样代表性取样方法的研究很有必要。此外,岩体结构面统计方法是岩体结构面试样代表性取样的原始数据获取方法,对代表性取样的结果有着重要影响。同时,岩体结构面粗糙度系数值（JRC）作为JRC-JCS模型中的重要参数,决定着岩体结构面抗剪强度值,是评价结构面统计效果、岩体结构面试样代表性取样结果是否合理的重要评价指标。由于本论文获取的轮廓曲线形貌信息数据矩阵数据点间隔具有不可控性,而目前传统JRC参数公式往往只适应特定的采样间距值。因此无法准确计算各结构面轮廓曲线的JRC值。故在对结构面试样代表性取样进行研究之前,需先对现有结构面统计方法进行分析,选取一种科学的结构面统计方法,并建立一种适合多种采样间距值的JRC计算模型。鉴于此,本论文开展了以下研究工作:（1）通过分析目前主流的岩体结构面统计方法的优缺点,选择统计效果较优的推叠统计法作为岩体结构面试样代表性取样的原始样本数据的获取方法。并基于MATLAB程序平台编写了推叠统计法的统计程序,提高工作效率。同时在基于与传统JRC参数公式对推叠取样法参数敏感性及合理性进行分析时,发现传统JRC参数公式在计算轮廓曲线JRC值无法适应采样间距值发生变化。由于本文通过对轮廓曲线高清扫描图进行数字化处理获取的轮库曲线形貌信息数据矩阵的数据步长,即采样间距值具有不可控性,导致传统的JRC参数公式无法准确计算轮廓曲线样本的JRC值。这将为后续研究造成阻碍,因此需要建立一种适用于各种采样间距值的JRC计算模型。（2）建立多种采样间距值的JRC自适应模型。传统JRC参数公式值只适应与特定的采样间距值,无法准确计算本论文获取的轮廓曲线样本的JRC值。鉴于此,通过分析Barton提出的10条标准粗糙度轮廓曲线Z2与?x之间的变化关系,拟合出Z2值差值的平均值（?）关于?x之间的自适应函数。利用自适应函数对JRC-Z2参数公式进行修正,并在此基础上进一步进行偏移、旋转修正,从而建立适用多种采样间距值的JRC自适应模型。经验证,当?x在一定范围内变化时,该模型仍能保证计算精度。最后,利用该模型计算各样本与轮廓曲线整体的JRC计算值,通过比较两者之间的误差随参数值d、?d的变化关系,分析了推叠取样法的参数敏感性及合理性。（3）提出基于K-中心点聚类算法的岩体结构面试样代表性取样方法。利用简易纵剖面仪获取均匀覆盖在结构面上的若干轮廓曲线,并利用工程扫描仪获取其高清扫描图。在对图像进行数字化处理之后,采用推叠统计法对各轮廓曲线进行统计,获取结构面试样代表性取样研究的原始数据。计算各样本轮廓曲线Z2、（Rp-1）值,并对其进行统计分析。考虑Z2与（Rp-1）之间的数值大小关系,采用Z2、（Rp-1）的无量纲值Z2′、（Rp-1）′作为各样本轮廓曲线的特征值。之后对样本集进行K-中心点聚类,并找到聚类中心对应的轮廓曲线作为样本集的代表性轮廓曲线。经验证,基于K-中心点聚类算法的岩体结构面试样代表性取样所获取的代表性轮廓曲线的特征值均值与JRC均值与样本总体的特征值均值和JRC均值的误差随着K值的增大,逐渐稳定在5%以内。在K大于一定值后,该方法获取的代表性试样的代表性强度及该方法的合理性均能满足要求。

论文目录

摘要

abstract

1 绪论

1.1 选题来源、目的及意义

1.2 国内外研究现状、发展趋势及存在的问题

1.2.1 岩体结构面形貌信息采集方法

1.2.2 二维粗糙度系数定量表征方法

1.2.3 岩石结构面统计方法研究进展

1.2.4 岩体结构面试样代表性取样研究进展

1.2.5 聚类算法的研究现状

1.3 论文的研究内容、技术路线及创新点

1.3.1 研究内容

1.3.2 技术路线

1.3.3 创新点

2 岩体结构面二维轮廓曲线统计方法

2.1 结构面统计方法的选取

2.1.1 均匀分割法

2.1.2 渐进扩大法

2.1.3 推叠统计法

2.2 原始数据采集

2.2.1 结构面轮廓曲线采集

2.2.2 二值化处理

2.2.3 去噪处理

2.3 推叠统计法的程序实现

2.4 基于传统JRC参数公式参数敏感性及合理性分析存在的问题

2.5 本章小结

3 不同采样间距的粗糙度系数自适应模型

3.1 采集方法的选取

3.2 数据获取

3.3 建立自适应函数模型

3.4 建立JRC自适应模型

3.4.1 自适应修正

3.4.2 偏移修正

3.4.3 旋转修正

3.5 多种采样间距的JRC自适应模型可靠性验证

3.6 基于JRC自适应模型的推叠统计法参数敏感性及合理性分析

3.7 本章小结

4 岩体结构面试样代表性取样方法

4.1 聚类算法的选取

4.2 原始数据采集

4.2.1 轮廓曲线采集

4.2.2 轮廓曲线数字处理及形貌参数统计分析

4.3 K-中心点聚类分析

4.3.1 数据处理

4.3.2 K-中心点聚类分析过程

4.4 聚类结果分析

4.4.1 聚类中心对应轮廓曲线空间分布参数敏感性分析

4.4.2 代表性取样效果参数敏感性及合理性分析

4.5 本章小结

5 结论与展望

5.1 结论

5.2 展望

参考文献

在校研究成果

致谢

文章来源

类型: 硕士论文

作者: 徐常森

导师: 马成荣,朱智勇

关键词: 岩体结构面,推叠统计法,自适应函数,中心点聚类算法,代表性取样

来源: 绍兴文理学院

年度: 2019

分类: 基础科学,工程科技Ⅱ辑

专业: 地质学,建筑科学与工程

单位: 绍兴文理学院

分类号: TU45

总页数: 86

文件大小: 4783K

下载量: 60

基于K-中心点聚类算法的岩体结构面试样代表性取样方法研究

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢