基于高斯过程回归的岩体结构面粗糙度系数预测模型OA北大核心CSTPCD

岩体结构面粗糙度系数(JRC)的估算是岩体力学性质评价的重要环节,由于单一统计参数法难以全面表征岩体结构面的复杂粗糙形貌,单一统计参数法建立的JRC计算模型精度较低。选取表征结构面粗糙形态的8种统计参数,结合主成分分析法(PCA)和高斯过程回归(GPR)算法,构建基于多参数融合的JRC预测模型。以公开的112条岩体结构面剖面线数据集(其中95条作为训练样本,17条为验证样本)为例进行分析研究,最后将预测所得JRC与实测值对比并分析预测效果。结果表明:由高斯过程回归构建的JRC预测模型决定系数(R^(2))高达0.972,均方根误差(MSE)为0.517,反映出高斯过程回归方法在小样本条件下构建多统计参数与JRC值隐式关系的适用性,为今后人工智能在JRC指标预测方面实现合理预测提供了思路。