CN109543236B - 岩体结构面粗糙度统计样本数确定方法 - Google Patents

岩体结构面粗糙度统计样本数确定方法 Download PDF

Info

Publication number
CN109543236B
CN109543236B CN201811267065.7A CN201811267065A CN109543236B CN 109543236 B CN109543236 B CN 109543236B CN 201811267065 A CN201811267065 A CN 201811267065A CN 109543236 B CN109543236 B CN 109543236B
Authority
CN
China
Prior art keywords
samples
data
coefficient
variation
group
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
Application number
CN201811267065.7A
Other languages
English (en)
Other versions
CN109543236A (zh
Inventor
雍睿
田钱钱
梁渭溪
曹泽敏
徐敏娜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Shaoxing
Original Assignee
University of Shaoxing
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Shaoxing filed Critical University of Shaoxing
Priority to CN201811267065.7A priority Critical patent/CN109543236B/zh
Publication of CN109543236A publication Critical patent/CN109543236A/zh
Application granted granted Critical
Publication of CN109543236B publication Critical patent/CN109543236B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

一种基于变异系数级比分析的岩体结构面粗糙度统计样本数确定方法，各组数据平均值相同的情况下，一般用标准差表达数据离散程度，但由于各组结构面粗糙度系数的平均值并不完全相同，因此采用标准差与平均数的比值，即变异系数来表达，记为CV，可以消除单位和平均数不同对两个或多个资料变异程度比较的影响；级比分析可以简明地反映数据间的离散程度以及相邻数据的波动情况。计算出不同样本数量所对应的变异系数CV，当变异系数CV趋于稳定时说明样本数量已经足够，满足对计算结果精度的要求；基于级比分析方法分析每组变异系数，计算得到相应级比系数。本发明适用于确定不同试样尺寸的最小样本数，适合工程应用且简便高效。

Description

岩体结构面粗糙度统计样本数确定方法
技术领域
本发明属于工程技术领域，涉及一种基于变异系数级比分析的岩体结构面粗糙度统计样本数确定方法，特别是本发明提出的结构面粗糙度系数变异系数级比分析，颠覆了传统确定结构面粗糙度统计测量样本数的方法，解决了以往在采集样本时难以确定所需有效样本数的问题，确保了JRC测量结果的可靠性。
背景技术
结构面是岩体中的薄弱环节，是具有一定形态而且普遍存在的地质构造迹象。通过对岩体结构面粗糙度的统计测量，全面了解岩体结构面粗糙度的性质与特征。本发明主要应用于确定满足岩体结构面粗糙度统计测量的最小样本数，为岩体结构面粗糙度统计测量提供科学依据。
统计学上，样本数不足，将会影响测量结果的代表性。结构面粗糙度统计测量样本数不足，会影响到结构面粗糙度系数的取值，进而影响到岩体结构面稳定性的评价。人们在研究计算JRC时，为确定样本数，往往采用经验取值的方法，一些代表性的研究如下：
杜时贵(2006)在部分出露岩体表面，分别测量了取样长度为10cm的多个测段，计算了每个测段的轮廓曲线的起伏度以及粗糙度系数，建立尺寸效应分形模型，预测了大尺寸岩体结构面的粗糙度系数。但专利中并没有提及测段数量的确定。
李彦荣(2015)利用三维激光扫描仪获得岩体结构面形貌数据后，尽可能多的排布在三维坐标中的点转化到平面坐标中形成曲线，综合确定该曲线所对应的结构面粗糙度系数。提出了利用计算机尽可能多地取值。
雍睿(2015)根据结构面轮廓线定向测量结果，采用Barton直边法简明公式计算系列试样的粗糙度系数，但在进行系列试样粗糙度计算时并没有提及样本数量的确定方法。
杜时贵(2016)提取结构面轮廓线坐标数据通过傅里叶级数计算近似拟合值，得到均方差后，计算最低阶次，依据频率关系得到最大采样间距进而推测建议采样精度。专利主要提及轮廓曲线的采样精度，对统计样本数量并没有提出说明。
马成荣(2017)利用分形维数D得到不同采样间距下的结构面轮廓线的变化规律，选用最优采样间距较为准确的利用分形维数来描述岩体结构面粗糙度，采样过程共涉及n个样本，由采样间距确定样本数。
以上研究，尚没有明确到JRC所需的准确样本数，更没有针对不同的采样长度，在误差允许范围内确定的采样数量的具体方法。实际操作过程中，考虑到岩体表面起伏的复杂性，人们往往在采样过程中通过尽可能多的采集样本来确保计算结果的可靠性。但是，在室内实验中发现随着样本数量的增加，计算结果的差距逐渐减小，统计精度提高不明显，采集样本数过大导致了大量人力、物力的浪费。因此，迫切需要提出一种能满足工程需求的岩体结构面粗糙度统计样本数定量化确定方法。
发明内容
为了克服已有岩体结构面粗糙度统计样本数定量化确定方法无法满足工程需求的不足，为了保证岩体结构面粗糙度系数统计结果的精确性，要保证分析样本的数量足够大，但样本数量过大随之而来的问题是测量和计算量的增加，且花费大量的时间和精力。本发明提出针对在样本数量足够能保证统计结果精度的前提下确定所需样本的最小数量的方法，该发明适用于确定不同试样尺寸的最小样本数确定，适合工程应用且简便高效。
本发明解决其技术问题所采用的技术方案是：
一种基于变异系数级比分析的岩体结构面粗糙度统计样本数确定方法，包括以下步骤：
(1)确定对部分露出岩体结构面表面的取样长度L，L为任意自然数，在本实验中选取采样长度为L的样本N个，N的取值充分大，根据具体实验情况进行确定；
(2)在实验对象结构面表面用轮廓曲线仪提取i个测段的轮廓曲线，i＝1、2、3...N；
(3)分别计算每个测段所对应的结构面粗糙度系数；
(4)将N个样本进行分组，第一组为10个样本，之后每增加5个样本视为一组，可得k组，统计分析，计算并列表记录每组所对应的岩体结构面粗糙度系数的平均值μk和标准差σk；
(5)计算并记录变异系数CVk，用上一步每组计算所得的标准差σk除以平均值μk来求得每一组的变异系数CVk；
(6)级比分析，用公式计算，m＝1，2，3...k-1，利用这种依次相除的方式得到级比序列，按顺序记录结果；
(7)对级比序列的数据进行处理，将得到的连续4个数据看作一簇，放在同一横坐标上利用oringin lab散点图进行绘图，当前后两个变异系数相同时比值为1，前后两个变异系数的差越大时比值越远离1，观察形成的级比系数簇散点图；
(8)确定试样长度为l所需要的样本数量，当在某一个数据簇以及之后的所有数据簇的4个点都落在预设ω(工程上一般为±2％)区间内，那么说明这个数据簇所代表的样本数量即为采样长度为l时所需要的最小样本数量。
本发明的技术构思为：各组数据平均值相同的情况下，一般用标准差表达数据离散程度，但由于各组结构面粗糙度系数的平均值并不完全相同，因此采用标准差与平均数的比值，即变异系数来表达，记为CV，可以消除单位和平均数不同对两个或多个资料变异程度比较的影响。级比分析可以简明地反映数据间的离散程度以及相邻数据的波动情况。计算出不同样本数量所对应的变异系数CV，当变异系数CV趋于稳定时说明样本数量已经足够，满足对计算结果精度的要求。基于级比分析方法分析每组变异系数，计算得到相应级比系数。
通过级比分析来反映相邻组之间的离散程度差异。当第k-1组与第k组的离散程度相似时，对应的CV值基本一致，级比结果趋于1。
当样本数改变不会影响CV时，相邻样本数对应的CV基本一致，级比分析结果趋于1，相邻的CV值集中在一定的范围内。工程中，允许误差一般取值为±2％。
在本发明中，认为当比值逐渐接近于1，从某一组后数据簇中4个数据都在误差范围2％内时，确定所得样本数量为结构面粗糙度统计样本数最小值。
本发明的有益效果主要表现在：能够准确的计算各取样长度所需的最小采样数量，能够有效地避免因样本数过多而浪费资源以及因样本数不足而得出错误的计算结果。本发明为岩体结构面粗糙度系数的统计测量提供了一个科学高效的确定最小样本数的方法，具有较大的实施价值和经济效益。
附图说明
图1是级比系数簇散点图。
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1，一种基于变异系数级比分析的岩体结构面粗糙度统计样本数确定方法，包括以下步骤：
(1)确定对部分露出岩体结构面表面的取样长度L，L为任意自然数，在本实验中选取采样长度为L的样本N个，N的取值充分大，根据具体实验情况进行确定；
(2)在实验对象结构面表面用轮廓曲线仪提取i个测段的轮廓曲线，i＝1、2、3...N；
(3)分别计算每个测段所对应的结构面粗糙度系数；
(4)将N个样本进行分组，第一组为10个样本，之后每增加5个样本视为一组，可得k组，统计分析，计算并列表记录每组所对应的岩体结构面粗糙度系数的平均值μk和标准差σk；
(5)计算并记录变异系数CVk，用上一步每组计算所得的标准差σk除以平均值μk来求得每一组的变异系数CVk；
(6)级比分析，用公式计算，m＝1，2，3...k-1，利用这种依次相除的方式得到级比序列，按顺序记录结果；
(7)对级比序列的数据进行处理，将得到的连续4个数据看作一簇，放在同一横坐标上利用oringin lab散点图进行绘图，当前后两个变异系数相同时比值为1，前后两个变异系数的差越大时比值越远离1，观察形成的级比系数簇散点图；
(8)确定试样长度为l所需要的样本数量，当在某一个数据簇以及之后的所有数据簇的4个点都落在预设ω(工程上一般为±2％)区间内，那么说明这个数据簇所代表的样本数量即为采样长度为l时所需要的最小样本数量。
本案例的实验数据取自浙江省常山市青石镇当地采石场中的经典板岩。
当采样长度为l＝10cm时，取样本N＝120，如表1所示将120个样本分成23组，第一组的样本容量为10，随后每增加5个样本设为一组，可得到23组，对每一组的样本求得其结构面粗糙度系数的平均值和标准差。
计算并记录变异系数，用上一步每组计算所得的标准差除以平均值求得每一组的变异系数。
级比分析，记实验变异系数共有23个，用公式(m＝1，2，3...22)计算，用这种依次相除的方式得到级比序列，按顺序记录结果。
对级比序列的数据进行处理，将得到的连续四个数据看作一簇，放在同一横坐标上利用oringin lab散点图进行绘图，当前后两个变异系数相同时比值为1，前后两个变异系数的差越大时比值越远离1，观察形成的级比系数簇散点图。
判断从某个数据簇开始数据开始稳定在ω(ω取±2％)范围内，那么这个数据簇所代表的样本数量即为计算该采样长度的结构面粗糙度系数所需要的样本数量。
【实例】以尺寸为10cm的结构面粗糙度试样为例。取样本N＝120，如表1所示将120个样本分成23组，第一组的样本容量为10，随后每增加5个样本设为一组，可得到23组，对每一组的样本求得其结构面粗糙度系数的平均值和标准差。
根据公式CV＝σ/μ计算出变异系数CV，然后依次相除得到级比序列，计算结果如下表1。
通过表1的结果，对级比数据进行前后组合，得到表2。
利用oringin lab散点图进行绘图，得到图1。
如图1中从第12组开始，之后每组的4个点都在误差允许范围内，即样本数超过70后的每组的比值都一直在2％之内波动，且组中的4个点不断逼近，故该组所代表的样本数70个即为计算结构面粗糙度系数时采样长度为10cm的所需样本数量。
由图1可知，当达到第12组后，即样本数大于等于70之后，级比数据趋于稳定，在1的上下轻微浮动。这也表明了样本数在达到一定量之后可以客观地反应岩体结构面粗糙度。
因此可以用该方法来确定岩体结构面粗糙度样本数。
表1是粗糙度数据处理表，表2是级比系数簇分析表。
表1
组别
1 0.91 1.22 0.93 1.06
2 1.22 0.93 1.06 0.98
3 0.93 1.06 0.98 0.95
4 1.06 0.98 0.95 0.94
5 0.98 0.95 0.94 1.03
6 0.95 0.94 1.03 1.01
7 0.94 1.03 1.01 1.01
8 1.03 1.01 1.01 1.03
9 1.01 1.01 1.03 1.00
10 1.01 1.03 1.00 1.00
11 1.03 1.00 1.00 0.98
12 1.00 1.00 0.98 0.99
13 1.00 0.98 0.99 0.99
14 0.98 0.99 0.99 1.00
15 0.99 0.99 1.00 1.01
16 0.99 1.00 1.01 1.01
17 1.00 1.01 1.01 1.01
18 1.01 1.01 1.01 0.99
19 1.01 1.01 0.99 1.00
表2。

Claims (1)

1.一种岩体结构面粗糙度统计样本数确定方法，其特征在于，所述方法包括以下步骤：
(1)确定对部分露出岩体结构面表面的采样长度L，L为任意自然数，在本实验中选取采样长度为L的样本N个；
(2)在实验对象结构面表面用轮廓曲线仪提取i个测段的轮廓曲线，i＝1、2、3...N；
(3)分别计算每个测段所对应的结构面粗糙度系数；
(4)将N个样本进行分组，第一组为10个样本，之后每增加5个样本视为一组，可得k组，统计分析，计算并列表记录每组所对应的岩体结构面粗糙度系数的平均值μk和标准差σk；
(5)计算并记录变异系数CVk，用上一步每组计算所得的标准差σk除以平均值μk来求得每一组的变异系数CVk；
(6)级比分析，用公式
Figure FDA0004080101230000011
计算，m＝1，2，3...k-1，利用这种依次相除的方式得到级比序列，按顺序记录结果；
(7)对级比序列的数据进行处理，将得到的连续4个数据看作一簇，放在同一横坐标上利用oringin lab散点图进行绘图，当前后两个变异系数相同时比值为1，前后两个变异系数的差越大时比值越远离1，观察形成的级比系数簇散点图；
(8)确定采样长度为L所需要的样本数量，当在某一个数据簇以及之后的所有数据簇的4个点都落在预设ω区间内，那么说明这个数据簇所代表的样本数量即为采样长度为L时所需要的最小样本数量。
CN201811267065.7A 2018-10-29 2018-10-29 岩体结构面粗糙度统计样本数确定方法 Active CN109543236B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811267065.7A CN109543236B (zh) 2018-10-29 2018-10-29 岩体结构面粗糙度统计样本数确定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811267065.7A CN109543236B (zh) 2018-10-29 2018-10-29 岩体结构面粗糙度统计样本数确定方法

Publications (2)

Publication Number Publication Date
CN109543236A CN109543236A (zh) 2019-03-29
CN109543236B true CN109543236B (zh) 2023-05-09

Family

ID=65845732

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811267065.7A Active CN109543236B (zh) 2018-10-29 2018-10-29 岩体结构面粗糙度统计样本数确定方法

Country Status (1)

Country Link
CN (1) CN109543236B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110110289B (zh) * 2019-05-24 2023-03-17 大连市市政设计研究院有限责任公司 一种降低土样分析超差率的方法
CN110516281B (zh) * 2019-07-03 2023-10-24 绍兴文理学院 一种定量化表征岩体结构面各向异性尺寸效应的评价方法
CN115930847B (zh) * 2022-09-30 2023-09-22 中国科学院武汉岩土力学研究所 一种三维结构面粗糙度评价指标的定量确定方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8995742B1 (en) * 2009-11-10 2015-03-31 Us Synthetic Corporation Systems and methods for evaluation of a superabrasive material
CN107067333A (zh) * 2017-01-16 2017-08-18 长沙矿山研究院有限责任公司 一种高寒高海拔高陡边坡稳定性监控方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8995742B1 (en) * 2009-11-10 2015-03-31 Us Synthetic Corporation Systems and methods for evaluation of a superabrasive material
CN107067333A (zh) * 2017-01-16 2017-08-18 长沙矿山研究院有限责任公司 一种高寒高海拔高陡边坡稳定性监控方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Rui Yong等.A Rapid Field Measurement Method for the Determination of Joint Roughness Coefficient of Large Rock Joint Surfaces.《Geotechnical Engineering》.2017,第1-9页. *
张继宗等.空气动力学地表粗糙度样本容量的研究.《干旱区资源与环境》.2014,第114-117页. *

Also Published As

Publication number Publication date
CN109543236A (zh) 2019-03-29

Similar Documents

Publication Publication Date Title
CN109543236B (zh) 岩体结构面粗糙度统计样本数确定方法
CN107656902B (zh) 不同采样间距下的结构面粗糙度系数统计方法
WO2015149408A1 (zh) 一种河湖沉积物中重金属污染的生态风险确定方法
CN104834806A (zh) 结构面粗糙度系数尺寸效应取样代表性评价方法
CN105956317B (zh) 滑坡风险量化方法
CN107563087B (zh) 最优采样间距条件下的结构面粗糙度系数统计方法
CN116523129A (zh) 基于xgboost与分形维数的路面抗滑性能预测方法
CN107239629B (zh) 一种岩石结构面实验室合理尺寸确定的分形维数分析方法
CN110516281B (zh) 一种定量化表征岩体结构面各向异性尺寸效应的评价方法
CN107292017B (zh) 岩石结构面实验室合理尺寸确定的多重分形参数分析方法
CN104573339A (zh) 页岩气储层的地质参数确定方法和装置
CN111337452A (zh) 一种验证光谱数据模型转移算法可行性的方法
CN109520461B (zh) 系列尺寸岩体结构面粗糙度试样的统计样本数确定方法
CN112149281B (zh) 基于冰厚模型的输电线路风冰联合概率预测方法
RU2586025C2 (ru) Способ автоматической кластеризации объектов
CN114021644A (zh) 一种基于K-means和去丛聚法的区域代表性地下水位计算方法
CN113536516A (zh) 基于偏移距向量片属性的观测系统评价方法
CN112903431B (zh) 节理岩体强度尺寸效应统计方法
CN117190921A (zh) 一种基于豪斯多夫距离实现jrc估算的方法
CN115711587A (zh) 结构面三维粗糙度评价的剖面线条带最小样本数确定方法
CN113139951B (zh) 片烟属性的表征方法、系统、设备及计算机可读存储介质
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
CN114495434B (zh) 一种滑坡灾害临滑预测预报的方法
CN117194862A (zh) 一种基于曲线累积斜率相似性实现jrc估算的方法
CN115272177B (zh) 一种非接触式路面断面信息提取与分析方法

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