CN110837696A - 一种结构面产状3d统计分布估计精度的经验预测方法 - Google Patents

一种结构面产状3d统计分布估计精度的经验预测方法 Download PDF

Info

Publication number
CN110837696A
CN110837696A CN201911014893.4A CN201911014893A CN110837696A CN 110837696 A CN110837696 A CN 110837696A CN 201911014893 A CN201911014893 A CN 201911014893A CN 110837696 A CN110837696 A CN 110837696A
Authority
CN
China
Prior art keywords
structural
attitude
structural surface
measuring
statistical distribution
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.)
Pending
Application number
CN201911014893.4A
Other languages
English (en)
Inventor
黄磊
唐辉明
刘晓
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.)
China University of Geosciences
Original Assignee
China University of Geosciences
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 China University of Geosciences filed Critical China University of Geosciences
Priority to CN201911014893.4A priority Critical patent/CN110837696A/zh
Publication of CN110837696A publication Critical patent/CN110837696A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Food Science & Technology (AREA)
  • Analytical Chemistry (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Medicinal Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种结构面产状3D统计分布估计精度的经验预测方法，步骤如下：在岩体的新鲜露头面上布置一条或多条方向一致的测线，测量测线的倾伏向和倾伏角；捕获与测线相交的实测结构面，统计实测结构面的样本数量，测量实测结构面的产状，得到实测结构面的产状1D样本；利用实测结构面的样本数量和产状1D样本计算Fisher常量；利用实测结构面的产状1D样本计算优势结构面的产状；利用测线的倾伏向、倾伏角及优势结构面的产状计算测线与优势结构面之间的夹角；利用Fisher常量、测线与优势结构面之间的夹角及实测结构面的样本数量计算双尾渐近显著性概率，双尾渐近显著性概率的数值大小指示结构面产状3D统计分布的估计精度。本发明简单实用、适用性强。

Description

一种结构面产状3D统计分布估计精度的经验预测方法
技术领域
本发明涉及工程地质学和岩石力学领域，具体涉及一种结构面产状3D统计分布估计精度的经验预测方法。
背景技术
岩体中发育了相互连接的结构面(或称裂隙、节理)网络，揭示裂隙化岩体介质运动(如块体运动)、力学(如强度)、水力(如流体运移)行为规律往往依赖于分离结构面网络建模，而分离结构面网络建模的实现需要输入在3D空间内的准确产状统计分布。
产状3D统计分布不能在场地测量中直接获得，实际测量中往往获得的是在2D或1D尺度下的产状统计分布，如与露头面相交的结构面的产状统计分布(2D)，和与测线相交的结构面的产状统计分布(1D)。2D和1D的实测产状统计分布与产状3D统计分布存在差别，并不能反映产状3D统计分布。
Fouché提出了一种由实测产状1D统计分布来估算产状3D统计分布的方法。由于逼真的分离结构面网络建模依赖于准确的产状3D统计分布估计，因此，是否能获得逼真的网络取决于产状3D统计分布的估算精度。目前，并不存在能够预测Fouché方法精度的技术。因此，有必要开发一种预测Fouché方法精度的技术。
发明内容
有鉴于此，本发明提供了一种结构面产状3D统计分布估计精度的经验预测方法，该经验预测方法步骤简单实用、适用性强。
本发明提供一种结构面产状3D统计分布估计精度的经验预测方法，包括以下步骤：
S1，在岩体的新鲜露头面上布置一条或多条方向一致的测线，测量测线的倾伏向和倾伏角；
S2，捕获与所述测线相交的实测结构面，统计实测结构面的样本数量，测量实测结构面的产状，得到实测结构面的产状1D样本；
S3，利用所述实测结构面的样本数量和实测结构面的产状1D样本计算Fisher常量；
S4，利用所述实测结构面的产状1D样本计算优势结构面的产状；
S5，利用所述测线的倾伏向、倾伏角及优势结构面的产状计算测线与优势结构面之间的夹角；
S6，利用所述Fisher常量、测线与优势结构面之间的夹角及实测结构面的样本数量计算双尾渐近显著性概率，所述双尾渐近显著性概率的数值大小指示结构面产状3D统计分布的估计精度。
进一步地，步骤S3中，Fisher常量的计算公式为：
Figure BDA0002245379010000021
式中，κ为Fisher常量，n为实测结构面的样本数量，αi为第i个实测结构面的倾向，βi为第i个实测结构面的倾角。
进一步地，步骤S4中，优势结构面的产状包括平均倾向和平均倾角，平均倾向的计算公式为：
平均倾角的计算公式为：
Figure BDA0002245379010000032
式中，为平均倾向，
Figure BDA0002245379010000034
为平均倾角，n为实测结构面的样本数量，αi为第i个实测结构面的倾向，βi为第i个实测结构面的倾角。
进一步地，步骤S5中，测线与优势结构面之间的夹角的计算公式为：
式中，θ为测线与优势结构面之间的夹角，
Figure BDA0002245379010000036
为平均倾向，
Figure BDA0002245379010000037
为平均倾角，ψ为测线的倾伏向，ζ为测线的倾伏角。
进一步地，步骤S6中，双尾渐近显著性概率的计算公式为：
Figure BDA0002245379010000038
式中，p为双尾渐近显著性概率，κ为Fisher常量，θ为测线与优势结构面之间的夹角，n为实测结构面的样本数量。
进一步地，根据双尾渐近显著性概率的数值大小，按照自定义准则对估计精度进行分级，自定义准则为：p≤0.05说明估计精度为极低精度；0.05<p≤0.35说明估计精度为低精度；0.35<p≤0.65说明估计精度为中精度；0.65<p≤0.95说明估计精度为高精度；p>0.95说明估计精度为极高精度。
本发明提供的技术方案带来的有益效果是：
1.本发明提供的结构面产状3D统计分布估计精度的经验预测方法填补了相关技术的空白，使得Fouché方法估计精度的预测成为可能，为相关研究提供路途；
2.对于大夹角或大样本(即样本数量较大)情况，本发明提供的经验预测方法可准确预测用于估算结构面产状3D统计分布的Fouché方法的精度；
3.本发明提供的经验预测方法不需要严格的假设条件，所需参数较少，步骤简单实用，适用性强。
附图说明
图1是本发明一种结构面产状3D统计分布估计精度的经验预测方法的流程示意图。
图2是本发明一实施例中测线和结构面的示意图。
图3是本发明一实施例中测线的倾伏向和倾伏角的示意图。
图4是本发明一实施例中结构面的倾向和倾角的示意图。
图5是本发明一实施例中测线与优势结构面之间的夹角的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地描述。
请参考图1，本发明的实施例提供了一种结构面产状3D统计分布估计精度的经验预测方法，包括以下步骤：
步骤S1，在岩体的新鲜露头面上布置一条或多条方向一致的测线，然后采用机械式或电子式地质罗盘测量测线的倾伏向ψ和倾伏角ζ，倾伏向ψ的范围是0至360°，倾伏角ζ的范围是0至90°；
参考图2，一实施例中，楔形体表示岩体1，岩体1的上端面为植被覆盖面2，岩体1的右侧面为风化面3，岩体1的正面为新鲜露头面4，斜线表示测线5，新鲜露头面4内与测线5相交的线段为结构面迹线6；
岩体1存在植被覆盖面2、风化面3及新鲜露头面4，只选择新鲜露头面4，在新鲜露头面4上布置一条或多条方向一致的测线5，采用机械式或电子式地质罗盘测量测线5的倾伏向ψ和倾伏角ζ，见图3，第一向量51是测线5的指向大地的方向向量；第二向量52是第一向量51的水平分量；第三向量8为指北线，第一夹角53是测线5的倾伏角ζ，即第一向量51和第二向量52之间的夹角；第二夹角54是测线5的倾伏向ψ，即第三向量8按顺时针方向旋转至第二向量52所转过的角度。
步骤S2，捕获与测线相交的实测结构面，统计实测结构面的样本数量n，采用机械式或电子式地质罗盘测量实测结构面的产状，得到实测结构面的产状1D样本，实测结构面的产状1D样本表示为αi/βi，i＝1,2,3,L,n，αi为第i个实测结构面的倾向，βi为第i个实测结构面的倾角，倾向的范围是0至360°，倾角的范围是0至90°。
参考图4，一实施例中，圆形表示迹线6所在的实测结构面7，第四向量71是实测结构面7的指向天空的法向量；第五向量72是第四向量71的竖直分量；第六向量73是第四向量71的水平分量；第三夹角74是实测结构面7的倾角，即第四向量71和第五向量72之间的夹角；第四夹角75是实测结构面7的倾向，即第三向量8按顺时针方向旋转至第六向量73所转过的角度。
步骤S3，利用实测结构面的样本数量n和实测结构面的产状1D样本计算Fisher常量κ，Fisher常量κ的计算公式为：
Figure BDA0002245379010000061
Fisher常量κ表征产状统计分布的离散度和实测结构面的平行度，Fisher常量κ值的范围从0至无穷大，Fisher常量κ值越大，产状分布越集中，实测结构面相互间越平行。
步骤S4，利用实测结构面的产状1D样本计算优势结构面的产状，优势结构面的产状包括平均倾向
Figure BDA0002245379010000062
和平均倾角
Figure BDA0002245379010000063
平均倾向
Figure BDA0002245379010000064
的计算公式为：
平均倾角
Figure BDA0002245379010000066
的计算公式为：
Figure BDA0002245379010000067
步骤S5，利用测线的倾伏向、倾伏角及优势结构面的产状计算测线与优势结构面之间的夹角θ，夹角θ的计算公式为：
Figure BDA0002245379010000068
参考图5，一实施例中，圆形表示优势结构面9，四边形表示优势结构面9所在的平面91，直线92为测线5在平面91上的投影，第五夹角93为测线5与优势结构面9之间的夹角θ，即测线5与直线92之间的夹角。
步骤S6，利用Fisher常量κ、测线与优势结构面之间的夹角θ、实测结构面的样本数量n计算双尾渐近显著性概率p，双尾渐近显著性概率p的计算公式为：
式中，双尾渐近显著性概率p的范围是0至1，双尾渐近显著性概率的数值大小指示结构面产状3D统计分布的估计精度，双尾渐近显著性概率p越大指示结构面产状3D统计分布的估计精度越高。
本发明按照双尾渐近显著性概率p的数值大小，根据自定义准则，对估计精度进行分级，自定义准则为：p≤0.05说明估计精度为极低精度；0.05<p≤0.35说明估计精度为低精度；0.35<p≤0.65说明估计精度为中精度；0.65<p≤0.95说明估计精度为高精度；p>0.95说明估计精度为极高精度。
上述自定义准则可以根据实际情况进行设定，并不限制于上述分级标准。
本发明提供的结构面产状3D统计分布估计精度的经验预测方法填补了相关技术的空白，使得Fouché方法估计精度的预测成为可能，为相关研究提供路途；对于大夹角或大样本(即样本数量较大)情况，本发明提供的经验预测方法可准确预测用于估算结构面产状3D统计分布的Fouché方法的精度；本发明提供的经验预测方法不需要严格的假设条件，所需参数较少，步骤简单实用，适用性强。
在不冲突的情况下，本文中上述实施例及实施例中的特征可以相互结合。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种结构面产状3D统计分布估计精度的经验预测方法，其特征在于，包括以下步骤：
S1，在岩体的新鲜露头面上布置一条或多条方向一致的测线，测量测线的倾伏向和倾伏角；
S2，捕获与所述测线相交的实测结构面，统计实测结构面的样本数量，测量实测结构面的产状，得到实测结构面的产状1D样本；
S3，利用所述实测结构面的样本数量和实测结构面的产状1D样本计算Fisher常量；
S4，利用所述实测结构面的产状1D样本计算优势结构面的产状；
S5，利用所述测线的倾伏向、倾伏角及优势结构面的产状计算测线与优势结构面之间的夹角；
S6，利用所述Fisher常量、测线与优势结构面之间的夹角及实测结构面的样本数量计算双尾渐近显著性概率，所述双尾渐近显著性概率的数值大小指示结构面产状3D统计分布的估计精度。
2.如权利要求1所述的结构面产状3D统计分布估计精度的经验预测方法，其特征在于，步骤S3中，Fisher常量的计算公式为：
Figure FDA0002245377000000011
式中，κ为Fisher常量，n为实测结构面的样本数量，αi为第i个实测结构面的倾向，βi为第i个实测结构面的倾角。
3.如权利要求1所述的结构面产状3D统计分布估计精度的经验预测方法，其特征在于，步骤S4中，优势结构面的产状包括平均倾向和平均倾角，平均倾向的计算公式为：
Figure FDA0002245377000000021
平均倾角的计算公式为：
Figure FDA0002245377000000022
式中，为平均倾向，
Figure FDA0002245377000000024
为平均倾角，n为实测结构面的样本数量，αi为第i个实测结构面的倾向，βi为第i个实测结构面的倾角。
4.如权利要求1所述的结构面产状3D统计分布估计精度的经验预测方法，其特征在于，步骤S5中，测线与优势结构面之间的夹角的计算公式为：
Figure FDA0002245377000000025
式中，θ为测线与优势结构面之间的夹角，为平均倾向，
Figure FDA0002245377000000027
为平均倾角，ψ为测线的倾伏向，ζ为测线的倾伏角。
5.如权利要求1所述的结构面产状3D统计分布估计精度的经验预测方法，其特征在于，步骤S6中，双尾渐近显著性概率的计算公式为：
Figure FDA0002245377000000028
式中，p为双尾渐近显著性概率，κ为Fisher常量，θ为测线与优势结构面之间的夹角，n为实测结构面的样本数量。
6.如权利要求1所述的结构面产状3D统计分布估计精度的经验预测方法，其特征在于，根据双尾渐近显著性概率的数值大小，按照自定义准则对估计精度进行分级，自定义准则为：p≤0.05说明估计精度为极低精度；0.05<p≤0.35说明估计精度为低精度；0.35<p≤0.65说明估计精度为中精度；0.65<p≤0.95说明估计精度为高精度；p>0.95说明估计精度为极高精度。
CN201911014893.4A 2019-10-24 2019-10-24 一种结构面产状3d统计分布估计精度的经验预测方法 Pending CN110837696A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911014893.4A CN110837696A (zh) 2019-10-24 2019-10-24 一种结构面产状3d统计分布估计精度的经验预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911014893.4A CN110837696A (zh) 2019-10-24 2019-10-24 一种结构面产状3d统计分布估计精度的经验预测方法

Publications (1)

Publication Number Publication Date
CN110837696A true CN110837696A (zh) 2020-02-25

Family

ID=69575604

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911014893.4A Pending CN110837696A (zh) 2019-10-24 2019-10-24 一种结构面产状3d统计分布估计精度的经验预测方法

Country Status (1)

Country Link
CN (1) CN110837696A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150205006A1 (en) * 2010-03-25 2015-07-23 Schlumberger Technology Corporation Downhole modeling using inverted pressure and regional stress
CN106524998A (zh) * 2016-11-01 2017-03-22 中国地质大学（武汉） 基于三维激光扫描技术测量隧道线状出露结构面的方法
CN109033538A (zh) * 2018-06-30 2018-12-18 南京理工大学 一种基于实测结构面参数的裂隙岩体渗透张量的计算方法
CN109961510A (zh) * 2019-03-07 2019-07-02 长江岩土工程总公司（武汉） 一种基于三维点云重构技术的高切坡地质快速编录方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150205006A1 (en) * 2010-03-25 2015-07-23 Schlumberger Technology Corporation Downhole modeling using inverted pressure and regional stress
CN106524998A (zh) * 2016-11-01 2017-03-22 中国地质大学（武汉） 基于三维激光扫描技术测量隧道线状出露结构面的方法
CN109033538A (zh) * 2018-06-30 2018-12-18 南京理工大学 一种基于实测结构面参数的裂隙岩体渗透张量的计算方法
CN109961510A (zh) * 2019-03-07 2019-07-02 长江岩土工程总公司（武汉） 一种基于三维点云重构技术的高切坡地质快速编录方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
LEI HUANG, ET AL.: "Assessing error in the 3D discontinuity-orientation distribution estimated by the Fouche method", 《COMPUTERS AND GEOTECHNICS》 *

Similar Documents

Publication Publication Date Title
CN109324330B (zh) 基于混合无导数扩展卡尔曼滤波的usbl/sins紧组合导航定位方法
CN109033538B (zh) 一种基于实测结构面参数的裂隙岩体渗透张量的计算方法
CN102636149B (zh) 挠性体动态变形的组合测量装置及测量方法
CN101354253B (zh) 一种基于匹配度的地磁辅助导航方法
CN111024064B (zh) 一种改进Sage-Husa自适应滤波的SINS/DVL组合导航方法
CN102508278A (zh) 一种基于观测噪声方差阵估计的自适应滤波方法
RU2013129852A (ru) Оценивание поверхностных данных
CN108319570B (zh) 一种异步多传感器空时偏差联合估计与补偿方法及装置
CN109932711B (zh) 一种雷达测量的大气折射修正方法
CN112665557A (zh) 一种波浪数据处理方法、装置、电子设备和刻度存储介质
CN105737850A (zh) 基于粒子滤波的变尺度单方向重力采样矢量匹配定位方法
Ercan et al. Multi-sensor data fusion of DCM based orientation estimation for land vehicles
CN110837696A (zh) 一种结构面产状3d统计分布估计精度的经验预测方法
Zhu et al. An improved initial alignment method for rocket navigation systems
CN116203611A (zh) 基于gnss-imu的索道支架变形与姿态监测方法
Wang et al. Construction method of the topographical features model for underwater terrain navigation
CN113819892B (zh) 基于半参数估计和附加深度约束的深海基准网平差方法
CN112902931B (zh) 无人船测深数据与定位数据之间延迟的测定和消除方法
CN110806406A (zh) 实现高精度产状分布估计的最小交角和样本容量预测方法
CN112033440A (zh) 一种基于梯度下降优化的摇摆基座下无纬度初始对准方法
Le Scouarnec et al. A positioning free calibration method for mobile laser scanning applications
CN112733459B (zh) 一种概率积分法参数稳健估计方法、设备及介质
CN110826215A (zh) 实现高精度产状分布估计的最小夹角和最小样本容量算法
CN114152258B (zh) 基于地球物理/几何特征的海洋多场多参数定位融合方法
Mathis et al. The influence of fabric mapping bias on applied DFN’s and its impact on estimation of failure

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200225

RJ01 Rejection of invention patent application after publication