【技术实现步骤摘要】
本专利技术涉及一种岩体裂隙预测方法、装置及存储介质，属于深度学习。
技术介绍
1、在岩石工程领域，尤其是隧道工程中，岩体的不连续性(如裂缝、节理等)对工程的稳定性和安全性具有决定性影响。准确预测岩体中的断裂分布对于隧道设计、施工以及后期维护至关重要。传统上，岩体断裂的统计分析依赖于地质勘探技术和间接方法，如稀疏钻探、地质物理勘探等。这些方法成本高昂、效率低下，并且测量分辨率有限。
2、鉴于上述问题，本专利旨在提出一种新的岩体裂隙预测方法，以解决现有技术成本高昂、效率低下，并且测量分辨率有限的问题。
技术实现思路
1、本专利技术要解决的技术问题是：提供一种岩体裂隙预测方法、装置及存储介质，以克服现有技术的不足。
2、本专利技术的技术方案是：
3、第一方面：提供一种岩体裂隙预测方法，所述方法包括以下步骤：
4、s01、构建隧道掘进过程中的第一岩体裂隙图数据集；
5、s02、通过图像插值算法对岩体裂隙图数据集的图像数据进行插值，获得按照设定时间间距排序的第二岩体裂隙图数据集；
6、s03、通过时空预测网络对预处理后的第二岩体裂隙图数据集进行学习和验证；
7、s04、通过训练好的时空预测网络对下一时刻的岩体裂隙图进行预测。
8、进一步地，所述通过时空预测网络对预处理后的第二岩体裂隙图数据集进行学习包括以下步骤：
9、s01、通过多层卷积运算逐步提取第二岩体裂隙图数据集的特征图；>
10、s02、对每一层提取的特征图通过上一时刻的记忆单元储存的信息和本时刻的特征图，对本时刻特征图和本时刻的记忆单元储存信息进行更新；
11、s03、将最终的特征图通过多层卷积运算获得下一时刻的岩体裂隙图。
12、进一步地，所述步骤s02中对本时刻特征图更新的方法为：
13、s02_1、将每层的特征图之间通过自注意力机制捕捉每一层特征图之间的空间依赖关系；
14、s02_2、将本时刻之前的同一神经元对应的记忆单元之间通过自注意力机制捕捉不同时刻记忆单元之间的时间依赖关系；
15、s02_3、通过每一层特征图之间的空间依赖关系和当前时刻每层的特征图计算每一层特征图的加权特征映射；通过不同时刻记忆单元之间的时间依赖关系和不同时刻记忆单元信息计算上一时刻每一层记忆单元信息的加权特征映射；
16、s02_4、融合每一层特征图的加权特征映射和上一时刻每一层记忆单元信息的加权特征映射获得当前时刻每一层的第一融合特征图；
17、s02_5、根据本时刻每一层的第一融合特征图和特征图进行通道连接获得第二融合特征图；
18、s02_6、通过第二融合特征图和本时刻记忆单元储存信息更新本时刻每一层的特征图。
19、进一步地，所述步骤s02中对本时刻的记忆单元储存信息更新的方法为：
20、通过第二融合特征图和上一时刻每一层记忆单元信息更新本时刻的记忆单元储存信息。
21、进一步地，所述通过每一层特征图之间的空间依赖关系和当前时刻每层的特征图计算每一层特征图的加权特征映射的方法如下：
22、
23、其中，zh表示每一层特征图的加权特征映射，ah；i,j表示每一层特征图之间的空间依赖关系矩阵的第i行第j列，whv表示每一层特征图的权重矩阵，ht；j表示当前时刻每一层特征图的第j个特征图，n表示各层的特征图总数，不同层n的大小不同。
24、进一步地，所述通过不同时刻记忆单元之间的时间依赖关系和不同时刻记忆单元信息计算上一时刻每一层记忆单元信息的加权特征映射的方法如下：
25、
26、其中，zm表示每一层特征图的加权特征映射，am；i,j表示不同时刻记忆单元之间的时间依赖关系矩阵的第i行第j列，wmv表示记忆单元的权重矩阵，mk表示k时刻记忆单元的储存信息，t-1表示前一时刻。
27、进一步地，所述融合每一层特征图的加权特征映射和上一时刻每一层记忆单元信息的加权特征映射获得当前时刻每一层的第一融合特征图的方法为：将zh和zm多个通道的特征图进行通道连接。
28、进一步地，所述通过第二融合特征图和上一时刻每一层记忆单元信息更新本时刻的记忆单元储存信息的方法为：
29、
30、其中，mt表示t时刻记忆单元的储存信息，t为当前时刻，mt-1示t-1时刻记忆单元的储存信息，t-1为前一时刻，符号表示hadamard乘积；
31、i′t＝σ(wm；zi*z+wm；hi*ht+bm；i)
32、g′t＝tanh(wm；zg*z+wm；hg*ht+bm；g)
33、其中，σ()表示sigmoid激活函数，wm；zi表示连接第二融合特征图z输入到记忆单元的输入门的权重矩阵，wm；hi表示连接本时刻特征图ht输入到记忆单元的输入门的权重矩阵，bm；i表示输入门偏置项，tan()表示双曲正切激活函数，wm；zg表示连接第二融合特征图z输入到候选隐藏状态g′t的权重矩阵，wm；hg示连接本时刻特征图ht输入到候选隐藏状态g′t的权重矩阵，bm；g隐藏状态g′t的偏置矩阵。
34、第二方面：提供一种岩体裂隙预测装置，所述装置包括：处理器和存储器，其中，所述存储器中存储有适于所述处理器执行的计算机程序指令，所述计算机程序指令被所述处理器运行时使得所述处理器执行第一方面所述的岩体裂隙预测方法。
35、第三方面：提供一种存储介质，包括存储在所述存储介质上的计算机程序指令，其中，所述计算机程序指令被处理器运行时执行如第一方面所述的岩体裂隙预测方法。
36、本专利技术的有益效果是：与现有技术相比，
37、1)本专利技术通过构建岩体裂隙图数据集并使用图像插值算法，本方法能够生成时间序列连续的岩体裂隙图，这为时空预测网络提供了高质量的输入数据，时空预测网络能够综合考虑时间和空间上的信息，通过学习过去的裂隙数据来预测未来的裂隙状态，从而提高了预测的准确性和效率，并且通过本专利技术预测的裂隙分辨率与训练集所使用的图像相当，相比传统地勘方法，分辨率得到大大提升；
38、3)本专利技术使用自注意力机制和深度学习的时空模型来更新和优化裂隙图的特征表示。自注意力机制允许模型捕捉特征图之间的复杂空间依赖关系和时间依赖关系，通过计算加权特征映射并进行通道连接，实现多层特征的动态整合。此外，通过更新记忆单元储存信息(使用门控机制和hadamard乘积)，模型能够维持时间连续性并提高对未来裂隙状态的预测准确性。这种方法不仅增强了模型对岩体裂隙动态变化的捕捉能力，还提高了预测的精细度和效率，从而从空间和时间上更准确的捕捉岩体裂隙的变化模式，获得更准确的岩体裂隙预测图。
本文档来自技高网...【技术保护点】
1.一种岩体裂隙预测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的岩体裂隙预测方法，其特征在于，
3.根据权利要求2所述的岩体裂隙预测方法，其特征在于，所述步骤S02中对本时刻特征图更新的方法为：
4.根据权利要求3所述的岩体裂隙预测方法，其特征在于，所述步骤S02中对本时刻的记忆单元储存信息更新的方法为：
5.根据权利要求3所述的岩体裂隙预测方法，其特征在于，所述通过每一层特征图之间的空间依赖关系和当前时刻每层的特征图计算每一层特征图的加权特征映射的方法如下：
6.根据权利要求5所述的岩体裂隙预测方法，其特征在于，所述通过不同时刻记忆单元之间的时间依赖关系和不同时刻记忆单元信息计算上一时刻每一层记忆单元信息的加权特征映射的方法如下：
7.根据权利要求6所述的岩体裂隙预测方法，其特征在于，所述融合每一层特征图的加权特征映射和上一时刻每一层记忆单元信息的加权特征映射获得当前时刻每一层的第一融合特征图的方法为：将Zh和Zm多个通道的特征图进行通道连接。
8.根据权利要求7所述的岩体
9.一种岩体裂隙预测装置，其特征在于：所述装置包括：处理器和存储器，其中，所述存储器中存储有适于所述处理器执行的计算机程序指令，所述计算机程序指令被所述处理器运行时使得所述处理器执行如权利要求1-8任一项所述的岩体裂隙预测方法。
10.一种存储介质，包括存储在所述存储介质上的计算机程序指令，其中，所述计算机程序指令被处理器运行时执行如权利要求1-8任一项所述的岩体裂隙预测方法。
...【技术特征摘要】
1.一种岩体裂隙预测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的岩体裂隙预测方法，其特征在于，
3.根据权利要求2所述的岩体裂隙预测方法，其特征在于，所述步骤s02中对本时刻特征图更新的方法为：
4.根据权利要求3所述的岩体裂隙预测方法，其特征在于，所述步骤s02中对本时刻的记忆单元储存信息更新的方法为：
5.根据权利要求3所述的岩体裂隙预测方法，其特征在于，所述通过每一层特征图之间的空间依赖关系和当前时刻每层的特征图计算每一层特征图的加权特征映射的方法如下：
6.根据权利要求5所述的岩体裂隙预测方法，其特征在于，所述通过不同时刻记忆单元之间的时间依赖关系和不同时刻记忆单元信息计算上一时刻每一层记忆单元信息的加权特征映射的方法如下：
7.根据权利要求6所述...
【专利技术属性】
技术研发人员：肖祥辉，罗军，蔡云，王瑶，赵健，赵东雷，陈景平，柏爽爽，沈之雯，黎映汐，郑燕，赵玥，刘俊，杨建华，张国和，冉亚军，邓杰文，吕明，
申请(专利权)人：中国电建集团贵州电力设计研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。