一种岩石弹性变形能指数的测定方法、系统、终端及可读存储介质与流程

技术特征：
1.一种岩石弹性变形能指数的测定方法，其特征在于：包括以下步骤：步骤1：获取岩石样本，并测定岩石样本的密度、纵波速度以及单轴抗压强度；步骤2：将岩石样本的密度、纵波速度以及单轴抗压强度作为输入数据输入机器学习模型得到单轴抗压强度预测模型；其中，所述单轴抗压强度预测模型的输入特征为岩石的密度、纵波速度；输出数据为岩石的单轴抗压强度；步骤3：利用所述单轴抗压强度预测模型测定待测岩石的单轴抗压强度；步骤4：基于待测岩石的单轴抗压强度进行单轴加卸载试验，获得待测岩石的弹性变形能指数。2.根据权利要求1所述的测定方法，其特征在于：所述机器学习模型为ga
‑
svm解译模型，基于所述ga
‑
svm解译模型的单轴抗压强度预测模型的构建过程如下：2
‑
1：参数初始化ga算法参数；2
‑
2：初始化粒子种群，其中，将持向量机svm模型中惩罚因子c和敏感参数g取值作为优化目标，每一组惩罚因子c和敏感参数g表征一个粒子位置，并在惩罚因子c和敏感参数g的取值范围取值得到初始化粒子种群；2
‑
3：基于支持向量机svm模型以及粒子取值，并利用岩石样本进行svm模型训练，并基于训练后的模型计算每个粒子对应的适应度；2
‑
4：根据粒子的适应度剔除不满足要求的个体，并将种群内的个体进行交叉、变异、选择，再返回步骤2
‑
3，循环迭代更新，否则，直至满足迭代终止条件，退出当前迭代更新，执行步骤2
‑
5；2
‑
5：基于当前每个粒子的适应度选择最佳粒子，所述最佳粒子对应的惩罚因子c和敏感参数g为最优惩罚因子c和敏感参数g；2
‑
6：基于所述最优惩罚因子c、敏感参数g以及支持向量机svm模型，并利用岩石样本进行svm模型训练得到单轴抗压强度预测模型。3.根据权利要求2所述的测定方法，其特征在于：所述支持向量机svm模型中隐藏层的模型函数为：对应得到模型解为：式中，f(x)为单轴抗压强度预测模型的解，对应单轴抗压强度的预测值；k(x
i
,x
j
)为rbf高斯核函数，x
i
为第i个岩石样本，α
i
为第i个样本引入松弛变量ξ
i
时对应的lagrange乘子，α
i*
第i个样本引入松弛变量时对应的lagrange乘子，c为惩罚因子，ξ
i
和为松弛变量，b为偏置常数，m为样本容量，ω为样本数据划分超平面的法向量。4.根据权利要求1所述的测定方法，其特征在于：所述岩石样本的密度、纵波速度以及单轴抗压强度的测定过程如下：测定岩石样本的体积v、质量m，再利用所述体积v、质量m计算出密度；
在岩石样本表面涂抹耦合剂，采用直透法布置换能器，对换能器施加压力，测读纵波在岩石样本中行走的时间，并按照如下公式计算出纵波速度；式中，v为纵波速度，单位m/s；l为射、接收换能器中心间的距离，m；t
p
为纵波在岩石样本中行走的时间，单位s，t0为仪器系统的零延时，单位s；对岩石样本进行单轴压缩试验得到单轴抗压强度。5.根据权利要求1所述的测定方法，其特征在于：所述岩石样本为标准岩石试件，步骤2中将岩石样本的密度、纵波速度以及单轴抗压强度作为输入数据输入机器学习模型之前，所述方法还包括：对数据进行标准化处理；其中，任一个岩石样本的密度、纵波速度以及单轴抗压强度表示为：标准化处理公式如下：式中，x
i
为岩石样本i的密度、纵波速度以及单轴抗压强度构成的数据矩阵，x
i*
为岩石样本i对应标准化处理后的数据矩阵；ρ
i
、v
i
、r
i
为岩石样本i的密度、纵波速度以及单轴抗压强度；为岩石样本的密度、纵波速度以及单轴抗压强度的平均值；s
ρ
、s
v
、s
r
为岩石样本的密度、纵波速度以及单轴抗压强度的标准差。6.一种基于权利要求1所述测定方法的测定系统，其特征在于：包括：参数获取模块，用于获取岩石样本的密度、纵波速度以及单轴抗压强度；模型构建模块，用于将岩石样本的密度、纵波速度以及单轴抗压强度作为输入数据输入机器学习模型得到单轴抗压强度预测模型；其中，所述单轴抗压强度预测模型的输入特征为岩石的密度、纵波速度；输出数据为岩石的单轴抗压强度；测定模块，用于利用所述单轴抗压强度预测模型测定待测岩石的单轴抗压强度；以及用于基于待测岩石的单轴抗压强度进行单轴加卸载试验，获得待测岩石的弹性变形能指数。7.一种终端，其特征在于：包括：一个或多个处理器；存储了一个或多个程序的存储器；
所述处理器调用所述程序以实现：权利要求1所述的岩石弹性变形能指数的测定方法的步骤。8.一种可读存储介质，其特征在于：存储了计算机程序，所述计算机程序被处理器调用以实现：权利要求1所述的岩石弹性变形能指数的测定方法的步骤。

技术总结
本发明公开了一种岩石弹性变形能指数的测定方法、系统、终端及可读存储介质，所述方法包括：测定岩石样本的密度、纵波速度以及单轴抗压强度；将岩石样本的密度、纵波速度以及单轴抗压强度作为输入数据输入机器学习模型得到单轴抗压强度预测模型；利用单轴抗压强度预测模型测定待测岩石的单轴抗压强度；基于待测岩石的单轴抗压强度进行单轴加卸载试验获得待测岩石的弹性变形能指数。本发明将密度、纵波速度作为输入特征进行模型训练得到单轴抗压强度预测模型，从而可以准确预测岩石的单轴抗压强度，并基于精确的单轴抗压强度，可以准确预测后续待测岩石的卸载点位置，解决了现有岩石弹性变形能指数测试中无法准确判断卸载点的问题。点的问题。点的问题。


技术研发人员：谢学斌 李少乾 董世华 郑攻关 苏卫宏 过江 周贵斌 余茂杰 汪令辉 孟稳权
受保护的技术使用者：铜陵有色金属集团股份有限公司
技术研发日：2021.08.30
技术公布日：2021/11/30