CN112577450B - 基于多元回归分析的工程岩体结构面粗糙度系数确定方法 - Google Patents
基于多元回归分析的工程岩体结构面粗糙度系数确定方法 Download PDFInfo
- Publication number
- CN112577450B CN112577450B CN202011182987.5A CN202011182987A CN112577450B CN 112577450 B CN112577450 B CN 112577450B CN 202011182987 A CN202011182987 A CN 202011182987A CN 112577450 B CN112577450 B CN 112577450B
- Authority
- CN
- China
- Prior art keywords
- roughness coefficient
- fractal dimension
- length
- sample
- roughness
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
一种基于多元回归分析的工程岩体结构面粗糙度系数确定方法,从准确获取尺寸效应分形维数Dn的角度,基于多元回归分析处理,获得长度K所对应的潜在滑移面粗糙度系数分形维数Dk,将粗糙度系数分形维数Dk、潜在滑移面实际长度K,以及粗糙度系数分形维数D20、D30、D40将之带入JRC尺寸效应分形模型,即获得长度K所对应的潜在滑移面粗糙度系数JRCk。本发明保证了大尺度结构面粗糙度系数预测结果的可靠性,避免传统方法因采用经验值代替Dn造成预测结果误差大的问题。
Description
技术领域
本发明属于工程技术领域,涉及一种工程岩体结构面粗糙系数的确定方法,特别是本发明基于结构面粗糙度系数尺寸效应分维数与试样尺寸关系所构建的多元回归模型能提供与实测结果更符合的尺寸效应分维数,确保了工程岩体结构面粗糙度预测结果的可靠性。
背景技术
岩体结构面抗剪强度是控制岩质边坡稳定性的关键因素之一。结构面的抗剪强度性质主要决定于结构面的形态、连续性、胶结填充特征及壁岩性质、次生变化和受力历史(反复剪切次数)等等。对于硬性结构面,表面形态是控制结构面力学性质的决定性因素。结构面粗糙度系数(JRC)是描述表面粗糙起伏形态对结构面抗剪强度影响的力学指标。同时,JRC-JCS模型目前是唯一能够应用于工程实践的结构面抗剪强度参数的经验估算方法。因此,准确获取工程岩体结构面的粗糙度系数对岩质边坡稳定性精准评价具有重要意义。
结构面力学性质随取样尺寸的增大而变化是众所周知的现象,尺寸效应已成为研究结构面力学行为不可忽略的一个部分。大量学者通过试验研究证明了结构面粗糙度系数具有尺寸效应的客观事实。然而,工程中人们为了把小尺度结构面粗糙度系数测量结果直接应用到工程大尺度的结构面中,通常做法是把小尺度结构面粗糙度系数测定结果人为折减70%应用于具体边坡岩体结构面抗剪强度的确定,它掩盖了结构面粗糙度系数具有尺寸效应的客观属性,既不科学也不合理,可靠度低。为了解决工程尺度结构面粗糙度系数取值难题,国内外学者开展了基于尺寸效应规律的结构面粗糙度系数获取方法研究,其中具有代表性的研究如下:
Barton与Bandis(1980)在大量试验的基础上,得到了考虑尺寸效应的JRC计算公式:
式中,L0表示实验室试样结构面的长度,即100mm;Ln表示工程岩体结构面的长度;JRC0为结构面长度(100mm)下的粗糙度系数;JRCn为工程岩体结构面的粗糙度系数。
杜时贵(1997)基于分形几何的码尺法分维数D与结构面粗糙度的物理意义剖析,认为分维数与JRC之间不存在必然相关性,但在实测资料统计分析基础上构建的JRC尺寸效应分形模型能客观而真实地刻画粗糙度系数随取样长度增大而降低的规律,该JRC尺寸效应分形模型如下:
式中,JRCn、Dn分别为工程岩体结构面所对应的结构面粗糙度系数及尺寸效应分维数,Ln为岩体结构面尺寸。
对比上述Barton、Bandis(1980)提出的经验公式,杜时贵(1997)的预测模型采用尺寸效应分形维数Dn取代经验系数0.02JRC0的做法,具有明确的物理意义,原则上工程岩体结构面的粗糙度系数预测结果更准确。然而,预测结果可靠与否直接取决于获取尺寸效应分形维数Dn的准确性。
为了解决尺寸效应分形维数Dn的取值问题,杜时贵先后提出了“D30”法和加权平均法,前者是通过30cm试样得到期望值与10cm试样得到的期望值对比估计衰减趋势,获得30cm尺寸试样对应的粗糙度系数尺寸效应分形维数D30,用D30代替Dn,然后预测大尺度工程材料的力学参数。但实践证明,仅仅通过“30cm试样得到期望值与10cm试样得到的期望值对比估计衰减趋势”具有随机性。后者通过10cm、20cm、30cm、40cm四个尺寸结构面试样粗糙度系数测量值,根据试验结果获得小尺度工程材料力学参数的衰减规律,将对应的粗糙度系数尺寸效应分维数D20、D30、D40加权平均值代替Dn。加权平均法与“D30”法相比,它考虑了多个小尺寸结构面粗糙度系数分形维数值,并对不同尺寸试样的尺寸效应分维数的权重进行了赋值,计算精度比“D30”法有显著提高。然而,这两类方法都存在一个根本的局限性,它们均忽略了尺寸效应分形维数Dn随试样尺寸变化的规律,都是采用获取的某个固定值(D30或D20、D30、D40加权平均值)来代替Dn,忽略不同尺寸条件下Dn值的差异性。
此外,Ficker(2017)在Barton和Bandis模型的基础上,依据分形理论提出了改进的大尺度结构面粗糙度系数预测模型:
该模型中分形维数D取值为1+0.02JRC0。同样它也是采用获取的某个固定值来代替Dn,忽略不同尺寸条件下Dn取值的差异性。
发明内容
为了解决目前工程岩体大尺度结构面粗糙度系数尺寸效应取值精度低的问题,本发明从准确获取尺寸效应分形维数Dn的角度,基于多元回归分析提供了一种工程岩体结构面粗糙度系数确定方法,保证了大尺度结构面粗糙度系数预测结果的可靠性,避免传统方法因采用经验值代替Dn造成预测结果误差大的问题。
本发明解决其技术问题所采用的技术方案是:
一种基于多元回归分析的工程岩体结构面粗糙度系数确定方法,包括以下步骤:
(1)开展露天矿山边坡稳定性分级分析,确定边坡潜在破坏模式,确定潜在滑移面,找准潜在滑移面所对应的结构面;
(2)调查潜在滑移面所对应的结构面,搜索大面积暴露的结构面,采用手持式三维激光扫描仪获取结构面表面点云数据;
(3)依据分级分析结果,判断边坡潜在滑移方向,基于结构面点云数据,沿潜在滑移方向提取大尺度结构面轮廓曲线;
(4)采用全域搜索方法获取每条轮廓曲线不同尺寸下粗糙度系数,开展第一层次的统计分析,即对全域搜索方法获得的每条轮廓曲线不同尺寸条件下粗糙度系数计算结果的统计分析,分别获得不同尺寸条件下每条轮廓曲线粗糙度系数的统计平均值;
(5)依据获得的每条轮廓曲线粗糙度系数的统计平均值,按下式计算系列尺寸结构面粗糙度系数分形维数Dn实测值:
其中,JRC10为结构面长度L10=10cm下的粗糙度系数的统计平均值;JRCn为结构面长度为Ln时所对应的粗糙度系数的统计平均值;
(6)汇总所有测量轮廓曲线的系列尺寸粗糙度系数分形维数,开展第二层次的统计分析,即对每个尺寸条件下所有轮廓曲线的粗糙度系数分形维数统计分析,进而获取结构面各尺寸粗糙度系数分形维数的平均值与试样尺寸的关系,反映各尺寸粗糙度系数分形维数随试样尺寸变化的总体趋势,并用如下矩阵表达:
为所有轮廓曲线尺寸,即结构面长度L20=20cm试样所对应的粗糙度系数分形维数;为所有轮廓曲线尺寸,即结构面长度L30=30cm试样所对应的粗糙度系数分形维数;为所有轮廓曲线尺寸,即结构面长度Ln-1=(n-1)×10cm试样所对应的粗糙度系数分形维数;为所有轮廓曲线尺寸,即结构面长度Ln=n×10cm试样所对应的粗糙度系数分形维数;
(7)依据汇总的轮廓曲线系列尺寸粗糙度系数分形维数与试样尺寸的关系,绘制系列尺寸粗糙度系数分形维数与试样尺寸的关系散点图,选取接近系列尺寸粗糙度系数分形维数随试样尺寸变化规律的上限和下限两条轮廓曲线,即轮廓曲线M和轮廓曲线N的各尺寸粗糙度系数分形维数分别用矩阵表达如下:
为轮廓曲线M所对应的结构面长度L20=20cm试样所对应的粗糙度系数分形维数;为轮廓曲线M所对应的结构面长度L30=30cm试样所对应的粗糙度系数分形维数;为轮廓曲线M所对应的结构面长度Ln-1=(n-1)×10cm试样所对应的粗糙度系数分形维数;为轮廓曲线M所对应的结构面长度Ln=n×10cm试样所对应的粗糙度系数分形维数;
为轮廓曲线N所对应的结构面长度L20=220cm试样所对应的粗糙度系数分形维数;为轮廓曲线N所对应的结构面长度L30=30cm试样所对应的粗糙度系数分形维数;为轮廓曲线N所对应的结构面长度Ln-1=(n-1)×10cm试样所对应的粗糙度系数分形维数;为轮廓曲线N所对应的结构面长度Ln=n×10cm试样所对应的粗糙度系数分形维数;
(8)分别以矩阵A0、AM、AN的第一行所有元素,即自变量x与第二行对应列的所有元素,即因变量y采用如下模型进行拟合:
y=fⅠln(x)+fⅡx+fⅢ
式中fⅠ、fⅡ、fⅢ为拟合系数,共获得3组不同的fⅠ、fⅡ、fⅢ;
(9)构建拟合系数fⅠ、fⅡ、fⅢ与结构面长度为20cm、30cm、40cm结构面粗糙度系数分形维数D20、D30、D40的三元一次方程组:
(10)依据上述步骤获得粗糙度系数尺寸效应分形维数Dn的多元回归预测模型:
Dn(L,D20,D30,D40)=fⅠln(L)+fⅡL+fⅢ
(11)采用结构面粗糙度系数定向统计测量方法,获得潜在滑移面上长度为40cm的轮廓曲线,依据步骤(4)、(5)获得待测潜在滑移面20cm、30cm、40cm尺寸粗糙度系数分形维数的统计平均值D20、D30、D40;
将潜在滑移面实际长度K,以及步骤(11)获得的粗糙度系数分形维数D20、D30、D40即求得长度K所对应的潜在滑移面粗糙度系数分形维数Dk,将之带入如下JRC尺寸效应分形模型,即获得长度K所对应的潜在滑移面粗糙度系数JRCk,
进一步,所述步骤(2)中,结构面的面积大于1m×1m。
再进一步,所述步骤(3)中,结构面轮廓曲线间距宜大于10cm,轮廓曲线总数宜大于30条。
本发明的技术构思为:为了解决工程岩体结构面抗剪强度参数准确难题,必须避免采用经验近似单值来替代Dn,应客观反映尺寸效应分形维数Dn随试样尺寸变化规律,进而实现工程岩体结构面粗糙度系数的准确获取。
本发明的有益效果主要表现在:保证了大尺度结构面粗糙度系数预测结果的可靠性,避免传统方法因采用经验值代替Dn造成预测结果误差大的问题。
附图说明
图1是轮廓曲线系列尺寸粗糙度系数分形维数与试样尺寸的关系示意图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1,一种基于多元回归分析的工程岩体结构面粗糙度系数确定方法,包括以下步骤:
(1)开展露天矿山边坡稳定性分级分析,确定边坡潜在破坏模式,确定潜在滑移面,找准潜在滑移面所对应的结构面;
(2)调查潜在滑移面所对应的结构面,搜索大面积暴露的结构面(面积应大于1m×1m),采用手持式三维激光扫描仪获取结构面表面点云数据;
(3)依据分级分析结果,判断边坡潜在滑移方向,基于结构面点云数据,沿潜在滑移方向提取大尺度结构面轮廓曲线,共获得30条长度为330cm的结构面轮廓曲线;
(4)采用全域搜索方法获取每条轮廓曲线不同尺寸下粗糙度系数,开展第一层次的统计分析,即对全域搜索方法获得的每条轮廓曲线不同尺寸条件下粗糙度系数计算结果的统计分析,分别获得不同尺寸条件下每条轮廓曲线粗糙度系数的统计平均值;
(5)依据获得的每条轮廓曲线粗糙度系数的统计平均值,按下式计算系列尺寸结构面粗糙度系数分形维数Dn实测值:
其中,JRC10为结构面长度L10=10cm下的粗糙度系数的统计平均值;JRCn为结构面长度为Ln时所对应的粗糙度系数的统计平均值;
(6)汇总所有测量轮廓曲线的系列尺寸粗糙度系数分形维数,开展第二层次的统计分析,即对每个尺寸条件下所有轮廓曲线的粗糙度系数分形维数统计分析,进而获取结构面各尺寸粗糙度系数分形维数的平均值与试样尺寸的关系,反映各尺寸粗糙度系数分形维数随试样尺寸变化的总体趋势,并用如下矩阵表达:
为所有轮廓曲线尺寸,即结构面长度L20=20cm试样所对应的粗糙度系数分形维数;为所有轮廓曲线尺寸,即结构面长度L30=30cm试样所对应的粗糙度系数分形维数;为所有轮廓曲线尺寸,即结构面长度Ln-1=(n-1)×10cm试样所对应的粗糙度系数分形维数;为所有轮廓曲线尺寸,即结构面长度Ln=n×10cm试样所对应的粗糙度系数分形维数;
(7)依据汇总的轮廓曲线系列尺寸粗糙度系数分形维数与试样尺寸的关系,绘制系列尺寸粗糙度系数分形维数与试样尺寸的关系散点图(如图1所示),选取接近系列尺寸粗糙度系数分形维数随试样尺寸变化规律的上限和下限两条轮廓曲线(轮廓曲线17和轮廓曲线25)的各尺寸粗糙度系数分形维数分别用矩阵表达如下:
L20为20cm;L30为30cm;L320为320cm;L330为330cm;为轮廓曲线17所对应的结构面长度L20=20cm试样所对应的粗糙度系数分形维数;为轮廓曲线17所对应的结构面长度L30=30cm试样所对应的粗糙度系数分形维数;为轮廓曲线17所对应的结构面长度L320=320cm试样所对应的粗糙度系数分形维数;为轮廓曲线17所对应的结构面长度L330=330cm试样所对应的粗糙度系数分形维数;为轮廓曲线25所对应的结构面长度L20=20cm试样所对应的粗糙度系数分形维数;为轮廓曲线25所对应的结构面长度L30=30cm试样所对应的粗糙度系数分形维数;为轮廓曲线25所对应的结构面长度L320=320cm试样所对应的粗糙度系数分形维数;为轮廓曲线25所对应的结构面长度L330=330cm试样所对应的粗糙度系数分形维数;
(8)分别以矩阵A0、A17、A25的第一行所有元素,即自变量x与第二行对应列的所有元素,即因变量y采用如下模型进行拟合:
y=fⅠln(x)+fⅡx+fⅢ
式中fⅠ、fⅡ、fⅢ为拟合系数,共获得3组不同的fⅠ、fⅡ、fⅢ;
(9)构建拟合系数fⅠ、fⅡ、fⅢ与结构面长度为20cm、30cm、40cm结构面粗糙度系数分形维数D20、D30、D40的三元一次方程组:
提取A0中AM中AN中 结合获得的3组fⅠ、fⅡ、fⅢ,求解获得三元一次方程组的系数AⅠ=0.00734、AⅡ=0.01461、AⅢ=-0.01775、BⅠ=-2.43567、BⅡ=-8.41599、BⅢ=9.536345、CⅠ=3.73650、CⅡ=12.01443、CⅢ=-12.94406。
(10)依据上述步骤获得粗糙度系数尺寸效应分形维数Dn的多元回归预测模型:
Dn(L,D20,D30,D40)=fⅠln(L)+fⅡL+fⅢ
(11)采用结构面粗糙度系数定向统计测量方法,获得潜在滑移面上长度为40cm的轮廓曲线,依据步骤(4)、(5)获得待测潜在滑移面20cm、30cm、40cm尺寸粗糙度系数分形维数的统计平均值D20、D30、D40;
将潜在滑移面实际长度15m,JRC0=12,以及步骤(11)获得的粗糙度系数分形维数D20=0.15862、D30=0.23590、D40=0.28565,即求得长度15m所对应的潜在滑移面粗糙度系数分形维数Dk=0.15848,将之带入如下JRC尺寸效应分形模型,即获得长度15m所对应的潜在滑移面粗糙度系数JRCk
本说明书的实施例所述的内容仅仅是对发明构思的实现形式的列举,仅作说明用途。本发明的保护范围不应当被视为仅限于本实施例所陈述的具体形式,本发明的保护范围也及于本领域的普通技术人员根据本发明构思所能想到的等同技术手段。
Claims (3)
1.一种基于多元回归分析的工程岩体结构面粗糙度系数确定方法,其特征在于,所述方法包括以下步骤:
(1)开展露天矿山边坡稳定性分级分析,确定边坡潜在破坏模式,确定潜在滑移面,找准潜在滑移面所对应的结构面;
(2)调查潜在滑移面所对应的结构面,搜索大面积暴露的结构面,采用手持式三维激光扫描仪获取结构面表面点云数据;
(3)依据分级分析结果,判断边坡潜在滑移方向,基于结构面点云数据,沿潜在滑移方向提取大尺度结构面轮廓曲线;
(4)采用全域搜索方法获取每条轮廓曲线不同尺寸下粗糙度系数,开展第一层次的统计分析,即对全域搜索方法获得的每条轮廓曲线不同尺寸条件下粗糙度系数计算结果的统计分析,分别获得不同尺寸条件下每条轮廓曲线粗糙度系数的统计平均值;
(5)依据获得的每条轮廓曲线粗糙度系数的统计平均值,按下式计算系列尺寸结构面粗糙度系数分形维数Dn实测值:
其中,JRC10为结构面长度L10=10cm下的粗糙度系数的统计平均值;JRCn为结构面长度为Ln时所对应的粗糙度系数的统计平均值;
(6)汇总所有测量轮廓曲线的系列尺寸粗糙度系数分形维数,开展第二层次的统计分析,即对每个尺寸条件下所有轮廓曲线的粗糙度系数分形维数统计分析,进而获取结构面各尺寸粗糙度系数分形维数的平均值与试样尺寸的关系,反映各尺寸粗糙度系数分形维数随试样尺寸变化的总体趋势,并用如下矩阵表达:
为所有轮廓曲线尺寸,即结构面长度L20=20cm试样所对应的粗糙度系数分形维数;为所有轮廓曲线尺寸,即结构面长度L30=30cm试样所对应的粗糙度系数分形维数;为所有轮廓曲线尺寸,即结构面长度L10(n-1)=(n-1)×10cm试样所对应的粗糙度系数分形维数;为所有轮廓曲线尺寸,即结构面长度L10n=n×10cm试样所对应的粗糙度系数分形维数;
(7)依据汇总的轮廓曲线系列尺寸粗糙度系数分形维数与试样尺寸的关系,绘制系列尺寸粗糙度系数分形维数与试样尺寸的关系散点图,选取接近系列尺寸粗糙度系数分形维数随试样尺寸变化规律的上限和下限两条轮廓曲线,即轮廓曲线M和轮廓曲线N的各尺寸粗糙度系数分形维数分别用矩阵表达如下:
为轮廓曲线M所对应的结构面长度L20=20cm试样所对应的粗糙度系数分形维数;为轮廓曲线M所对应的结构面长度L30=30cm试样所对应的粗糙度系数分形维数;为轮廓曲线M所对应的结构面长度L10(n-1)=(n-1)×10cm试样所对应的粗糙度系数分形维数;为轮廓曲线M所对应的结构面长度L10n=n×10cm试样所对应的粗糙度系数分形维数;
为轮廓曲线N所对应的结构面长度L20=220cm试样所对应的粗糙度系数分形维数;为轮廓曲线N所对应的结构面长度L30=30cm试样所对应的粗糙度系数分形维数;为轮廓曲线N所对应的结构面长度L10(n-1)=(n-1)×10cm试样所对应的粗糙度系数分形维数;为轮廓曲线N所对应的结构面长度L10n=n×10cm试样所对应的粗糙度系数分形维数;
(8)分别以矩阵A0、AM、AN的第一行所有元素,即自变量x与第二行对应列的所有元素,即因变量y采用如下模型进行拟合:
y=fIln(x)+fⅡx+fⅢ
式中fI、fⅡ、fⅢ为拟合系数,共获得3组不同的fI、fⅡ、fⅢ;
(9)构建拟合系数fI、fⅡ、fⅢ与结构面长度为20cm、30cm、40cm结构面粗糙度系数分形维数D20、D30、D40的三元一次方程组:
(10)依据上述步骤获得粗糙度系数尺寸效应分形维数Dn的多元回归预测模型:
Dn(L,D20,D30,D40)=fIln(L)+fⅡL+fⅢ
(11)采用结构面粗糙度系数定向统计测量方法,获得潜在滑移面上长度为40cm的轮廓曲线,依据步骤(4)、(5)获得待测潜在滑移面20cm、30cm、40cm尺寸粗糙度系数分形维数的统计平均值D20、D30、D40;
将潜在滑移面实际长度K,以及步骤(11)获得的粗糙度系数分形维数D20、D30、D40即求得长度K所对应的潜在滑移面粗糙度系数分形维数Dk,将之带入如下JRC尺寸效应分形模型,即获得长度K所对应的潜在滑移面粗糙度系数JRCk,
2.如权利要求1所述的基于多元回归分析的工程岩体结构面粗糙度系数确定方法,其特征在于,所述步骤(2)中,结构面的面积大于1m×1m。
3.如权利要求1或2所述的基于多元回归分析的工程岩体结构面粗糙度系数确定方法,其特征在于,所述步骤(3)中,结构面轮廓曲线间距大于10cm,轮廓曲线总数大于30条。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011182987.5A CN112577450B (zh) | 2020-10-29 | 2020-10-29 | 基于多元回归分析的工程岩体结构面粗糙度系数确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011182987.5A CN112577450B (zh) | 2020-10-29 | 2020-10-29 | 基于多元回归分析的工程岩体结构面粗糙度系数确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112577450A CN112577450A (zh) | 2021-03-30 |
CN112577450B true CN112577450B (zh) | 2022-06-28 |
Family
ID=75120015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011182987.5A Active CN112577450B (zh) | 2020-10-29 | 2020-10-29 | 基于多元回归分析的工程岩体结构面粗糙度系数确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112577450B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000171242A (ja) * | 1998-12-07 | 2000-06-23 | Nippon Telegr & Teleph Corp <Ntt> | 形状の粗さ計測方法およびそのプログラムを記録した記録媒体 |
CN101158573A (zh) * | 2007-10-26 | 2008-04-09 | 北京航空航天大学 | 三维表面粗糙度评定中建立轮廓基准面的新方法 |
JP2014163707A (ja) * | 2013-02-21 | 2014-09-08 | Pasco Corp | 道路変状検出装置、道路変状検出方法及びプログラム |
CN109753632A (zh) * | 2018-11-01 | 2019-05-14 | 北京理工大学 | 一种基于数据挖掘的表面粗糙度监测模型及构建方法 |
CN111356391A (zh) * | 2017-11-09 | 2020-06-30 | 大王制纸株式会社 | 薄页纸和薄页纸的评价方法 |
-
2020
- 2020-10-29 CN CN202011182987.5A patent/CN112577450B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000171242A (ja) * | 1998-12-07 | 2000-06-23 | Nippon Telegr & Teleph Corp <Ntt> | 形状の粗さ計測方法およびそのプログラムを記録した記録媒体 |
CN101158573A (zh) * | 2007-10-26 | 2008-04-09 | 北京航空航天大学 | 三维表面粗糙度评定中建立轮廓基准面的新方法 |
JP2014163707A (ja) * | 2013-02-21 | 2014-09-08 | Pasco Corp | 道路変状検出装置、道路変状検出方法及びプログラム |
CN111356391A (zh) * | 2017-11-09 | 2020-06-30 | 大王制纸株式会社 | 薄页纸和薄页纸的评价方法 |
CN109753632A (zh) * | 2018-11-01 | 2019-05-14 | 北京理工大学 | 一种基于数据挖掘的表面粗糙度监测模型及构建方法 |
Non-Patent Citations (1)
Title |
---|
《基于多元拟合方程的结构面粗糙度系数JRC估算》;严豪;《中国地质灾害与防治学报》;20190430;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112577450A (zh) | 2021-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110427654B (zh) | 一种基于敏感状态的滑坡预测模型构建方法及*** | |
CN107885928B (zh) | 考虑测量误差的步进应力加速性能退化可靠性分析方法 | |
CN109490072B (zh) | 一种土木工程建筑用检测***及其检测方法 | |
CN107301282B (zh) | 基于多源监测时序数据的混凝土坝力学参数反演方法 | |
CN109543356A (zh) | 考虑空间非平稳性的海洋内部温盐结构遥感反演方法 | |
Ohno et al. | Mixed layer depth climatology of the North Pacific based on Argo observations | |
CN114547951B (zh) | 一种基于数据同化的大坝状态预测方法及*** | |
CN113065702B (zh) | 基于st-seep分段法和时空arma模型的滑坡位移多线性预测方法 | |
CN112782385B (zh) | 一种土壤有机碳密度和储量估算方法 | |
CN113704693B (zh) | 一种高精度的有效波高数据估计方法 | |
CN111797364A (zh) | 一种基于复合云模型的滑坡多层次安全评价方法 | |
KR100899003B1 (ko) | 하천의 주흐름 유속분포를 결합한 종분산계수의 산정을통해 오염물의 거동을 해석하는 방법 | |
CN116523129A (zh) | 基于xgboost与分形维数的路面抗滑性能预测方法 | |
CN116703323A (zh) | 一种基于灰色预测理论的桥梁悬臂施工监控***优化方法 | |
CN110895626B (zh) | 基于留一交叉验证的性能退化模型精度验证方法 | |
CN112577450B (zh) | 基于多元回归分析的工程岩体结构面粗糙度系数确定方法 | |
CN113672872A (zh) | 一种基于遥感影像的平原河网水量置换率计算方法及终端 | |
CN116522085A (zh) | 一种全自动拉索频率提取、定阶和索力识别方法与应用 | |
CN116188266A (zh) | 一种基于模糊理论与集成学习对地质勘查的空间插值方法 | |
CN112964231B (zh) | 一种基于声速扰动模态匹配的海洋混合层深度获取方法 | |
CN113743022B (zh) | 一种高精度气候变化数据的存储和可视化方法 | |
CN112149281B (zh) | 基于冰厚模型的输电线路风冰联合概率预测方法 | |
CN115271506A (zh) | 一种区域降雨表征长系列构建分析一体化方法 | |
CN110895628B (zh) | 一种性能退化模型预测精度验证方法 | |
CN110889190B (zh) | 面向预测精度要求的性能退化建模数据量优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |