一种基于勘察辅助类数据的概率组合方法
文献发布时间:2024-04-18 20:01:55
技术领域
本申请实施例涉及岩土和地质勘察技术技术领域,特别是涉及一种基于勘察辅助类数据的概率组合方法。
背景技术
岩土体在其形成过程中,经受了各种复杂的地质作用,因而有着复杂的结构。因此,工程师在岩土工程设计中不仅要面对复杂的地层构造,并且还要兼顾到岩土类型、物理力学特性在空间上呈现出的变异性。岩土体参数(如土体容重、有效摩擦角)的准确性和可靠性将直接影响岩土工程设计结果。然而,工程师根据有限的勘察数据描述的岩土体参数和地层剖面存在不确定性。为了能够在岩土工程分析中合理地考虑岩土体参数空间变异性等不确定性,则需要定量表征勘察场地的岩土体参数空间变异性。
目前勘察方法中存在如地层划分、岩土计算参数取值、场地指标评价等核心数据数量有限的问题。
发明内容
有鉴于此,本申请实施例提供一种基于勘察辅助类数据的概率组合方法,以解决目前勘察中如地层划分、岩土计算参数取值、场地指标评价等核心数据数量有限的技术问题。
本申请实施例提供一种基于勘察辅助类数据的概率组合方法,包括如下步骤:
S1、将基本数据进行分类,记为类型1-N;
S2、基本数据间不存在相关性时,采用简化组合模型进行概率组合计算;
S3、若基本数据间存在不可忽略的相关性,可采用考虑相关性的优化组合模型进行概率组合
S4、勘察核心类型数据概率,进而得到岩土勘察核心类数据。
本申请实施例中的概率组合法能够将多类勘察辅助数据进行概率组合并转化为勘察核心数据,能够解决目前勘察中如地层划分、岩土计算参数取值、场地指标评价等核心数据数量有限的问题,大大提升岩土勘察结果的准确性,并能够有效提升勘察范围、降低勘察造价,对岩土工程勘察的提升有很大的帮助。
在可以包括上述实施例的一些实施例中,所述基本数据由表征辅助数据类型集合、表征结果的离散集合、表征空间位置的向量集合、以及表征与空间位置向量关联的辅助数据集合构成。
在可以包括上述实施例的一些实施例中,所述概率组合计算方式如下:
其中,S为核心数据类型;D
在可以包括上述实施例的一些实施例中,所述简化组合模型包括:
条件独立模型和RP模型。
在可以包括上述实施例的一些实施例中,当基本数据间存在不可忽略的相关性时,应考虑相关性的影响,采用优化组合模型进行概率组合。
在可以包括上述实施例的一些实施例中,所述条件独立模型具体如下:
由于条件间相互独立,可做如下转换:
其中,
在可以包括上述实施例的一些实施例中,所述RP模型具体如下:
由于
扩展到多项辅助类数据时,组合概率表达式为:
在可以包括上述实施例的一些实施例中,基于条件独立模型,考虑基本数据间相关性影响的优化组合模型,即基于:
考虑相关性权重w(w1,w2,…wn):
基于概率闭合条件可进行权重矩阵w(w1,w2,…wn)的求解:
在可以包括上述实施例的一些实施例中,当基本数据间存在不可忽略的相关性时,考虑相关性的影响的优化组合模型进行概率组合方法,基于RP模型,考虑基本数据间相关性影响的优化组合模型,即基于:
考虑相关性权重w(w1,w2,…wn):
扩展到n级为:
最终得到:
本申请实施例与现有技术相比,具有如下有益效果:
本申请实施例中的概率组合法能够将多类勘察辅助数据进行概率组合并转化为勘察核心数据,能够解决目前勘察中如地层划分、岩土计算参数取值、场地指标评价等核心数据数量有限的问题,大大提升岩土勘察结果的准确性,并能够有效提升勘察范围、降低勘察造价,对岩土工程勘察的提升有很大的帮助。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例的基于勘察辅助类数据的概率组合方法的示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
首先,本领域技术人员应当理解的是,这些实施方式仅仅用于解释本申请的技术原理,并非旨在限制本申请的保护范围。本领域技术人员可以根据需要对其作出调整,以便适应具体的应用场合。
其次,需要说明的是,在本申请的描述中,术语“上”、“下”、“左”、“右”、“前”、“后”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示装置或构件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
相关技术中存在的勘察方法中存在如地层划分、岩土计算参数取值、场地指标评价等核心数据数量有限的技术问题。
为了解决上述技术问题,本申请实施例提供一种基于勘察辅助类数据的概率组合方法,包括如下步骤:
S1、将基本数据进行分类,记为类型1-N;
S2、基本数据间不存在相关性时,采用简化组合模型进行概率组合计算;
S3、若基本数据间存在不可忽略的相关性,可采用考虑相关性的优化组合模型进行概率组合
S4、勘察核心类型数据概率,进而得到岩土勘察核心类数据。
在一种具体的实施例中,基本数据由表征辅助数据类型集合、表征结果的离散集合、表征空间位置的向量集合、以及表征与空间位置向量关联的辅助数据集合构成。
本申请实施例中的概率组合法能够将多类勘察辅助数据进行概率组合并转化为勘察核心数据,能够解决目前勘察中如地层划分、岩土计算参数取值、场地指标评价等核心数据数量有限的问题,大大提升岩土勘察结果的准确性,并能够有效提升勘察范围、降低勘察造价,对岩土工程勘察的提升有很大的帮助。
在一种具体的实施例中,概率组合计算方式如下:
其中,S为核心数据类型;D
在一种具体的实施例中,简化组合模型包括:
①条件独立模型
②RP模型。
在一种具体的实施例中,当基本数据间存在不可忽略的相关性时,应考虑相关性的影响,采用优化组合模型进行概率组合。
在一种具体的实施例中,条件独立模型具体如下:
由于条件间相互独立,可做如下转换:
其中,
在一种具体的实施例中,RP模型具体如下:
由于
扩展到多项辅助类数据时,组合概率表达式为:
在一种具体的实施例中,基于条件独立模型,考虑基本数据间相关性影响的优化组合模型,即基于:
考虑相关性权重w(w1,w2,…wn):
基于概率闭合条件可进行权重矩阵w(w1,w2,…wn)的求解:
在一种具体的实施例中,当基本数据间存在不可忽略的相关性时,考虑相关性的影响的优化组合模型进行概率组合方法,基于RP模型,考虑基本数据间相关性影响的优化组合模型,即基于:
考虑相关性权重w(w1,w2,…wn):
扩展到n级为:
最终得到:
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
- 适用于硬质工件的视觉分拣方法与视觉分拣系统
- 用于自动RFID质量控制的系统和方法
- 工件车加工方法和车加工控制系统
- 用于工件质量控制的方法和系统
- 工件姿势控制装置、具备该工件姿势控制装置的工件供给系统以及工件姿势控制方法