CN116756525A - 基于人工智能的岩土体参数智能测试方法及系统 - Google Patents
基于人工智能的岩土体参数智能测试方法及系统 Download PDFInfo
- Publication number
- CN116756525A CN116756525A CN202311036337.3A CN202311036337A CN116756525A CN 116756525 A CN116756525 A CN 116756525A CN 202311036337 A CN202311036337 A CN 202311036337A CN 116756525 A CN116756525 A CN 116756525A
- Authority
- CN
- China
- Prior art keywords
- rock
- data
- soil body
- soil
- analysis
- 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.)
- Granted
Links
- 239000002689 soil Substances 0.000 title claims abstract description 480
- 238000012360 testing method Methods 0.000 title claims abstract description 132
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 201
- 230000010354 integration Effects 0.000 claims abstract description 72
- 238000012545 processing Methods 0.000 claims abstract description 58
- 238000001514 detection method Methods 0.000 claims description 87
- 238000000034 method Methods 0.000 claims description 49
- 239000011435 rock Substances 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 17
- 230000002787 reinforcement Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000010998 test method Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 description 11
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 239000000463 material Substances 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 230000000644 propagated effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000579895 Chlorostilbon Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000010976 emerald Substances 0.000 description 1
- 229910052876 emerald Inorganic materials 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Geology (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Remote Sensing (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Environmental & Geological Engineering (AREA)
- Probability & Statistics with Applications (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
Abstract
本申请提供的基于人工智能的岩土体参数智能测试方法及系统,获取所述岩土体采集数据对应的解析要求数据和所述解析要求数据对应的第一解析指示数据,然后通过所述第一解析指示数据对所述岩土体采集数据对应的岩土体描述内容集进行数据整合处理,得到第一数据整合结果,再通过所述第一数据整合结果和所述解析要求数据对所述岩土体采集数据进行岩土参数测试处理,得到第一岩土参数测试结果,在本申请实施例中,在进行岩土参数测试处理时,只需要对岩土体采集数据对应的岩土体描述内容集中的指示描述内容进行数据整合和数据测试,能够尽可能的将所有数据进行处理保障数据的完整性,还能规避扰动干扰等,从而提升了岩土参数测试处理的效率和准确度。
Description
技术领域
本申请涉及岩土体参数测试技术领域,具体而言,涉及基于人工智能的岩土体参数智能测试方法及系统。
背景技术
岩土(rock and soil)从工程建筑观点对组成地壳的任何一种岩石和土的统称。岩土可细分为坚硬的(硬岩)、次坚硬的(软岩)、软弱联结的、松散无联结的和具有特殊成分、结构、状态和性质的五大类。中国习惯将前两类称岩石,后三类称土,统称之谓“岩土”。
针对岩土体的参数测试现目前任然采用采集,然后再实验室中进行测试的方法,这样存在数据不准确的情况,岩土在采集过程中收到了扰动,在实验室中进行测试就不能准确的测试出岩土体的真实参数,还存在时效性的问题,将岩土体带回实验室中进行测试,岩土体中的水分蒸发,这样也不能准确的测试出岩土体的真实参数,因此,亟需一整技术方案以改善上述技术问题。
发明内容
为改善相关技术中存在的技术问题,本申请提供了基于人工智能的岩土体参数智能测试方法及系统。
第一方面,提供一种基于人工智能的岩土体参数智能测试方法,所述方法包括:获取需要进行分析处理的岩土体采集数据,通过所述岩土体采集数据的数据种类和检测事项目标信息将所述岩土体采集数据加载至所述岩土体采集数据对应的岩土体描述内容集;获取所述岩土体采集数据对应的解析要求数据和所述解析要求数据对应的第一解析指示数据;通过所述第一解析指示数据对所述岩土体采集数据对应的岩土体描述内容集进行数据整合处理,得到第一数据整合结果;通过所述第一数据整合结果和所述解析要求数据对所述岩土体采集数据进行岩土参数测试处理,得到第一岩土参数测试结果。
本申请的有益效果包括:在获取到需要进行分析处理的岩土体采集数据之后,通过所述岩土体采集数据的数据种类和检测事项目标信息将所述岩土体采集数据加载至数据种类和检测事项目标信息对应的岩土体描述内容集,由于在存储时是基于数据种类和检测事项目标信息确定所要存储的岩土体描述内容集,也即将岩土体采集数据存储至数据库,之后获取所述岩土体采集数据对应的解析要求数据和所述解析要求数据对应的第一解析指示数据,然后通过所述第一解析指示数据对所述岩土体采集数据对应的岩土体描述内容集进行数据整合处理,得到第一数据整合结果,再通过所述第一数据整合结果和所述解析要求数据对所述岩土体采集数据进行岩土参数测试处理,得到第一岩土参数测试结果,在本申请实施例中,在进行岩土参数测试处理时,只需要对岩土体采集数据对应的岩土体描述内容集中的指示描述内容进行数据整合和数据测试,能够尽可能的将所有数据进行处理保障数据的完整性,还能规避扰动干扰等,从而提升了岩土参数测试处理的效率和准确度。
在一种独立实施的实施例中,所述通过所述岩土体采集数据的数据种类和检测事项目标信息将所述岩土体采集数据加载至所述岩土体采集数据对应的岩土体描述内容集,包括:获取所述岩土体采集数据的岩土体结构系数,并对所述岩土体结构系数进行分析,得到第二岩土参数测试结果;确定第二岩土参数测试结果为分析通过时,生成所述岩土体采集数据的岩土体结构标签;通过所述岩土体采集数据的数据种类和检测事项目标信息确定所述岩土体采集数据对应的不少于一个岩土体描述内容集;将所述岩土体采集数据和所述岩土体结构标签分别加载至所述岩土体采集数据对应的每一个岩土体描述内容集,所述岩土体描述内容集存储在长短记忆空间。
本申请的有益效果包括:在将岩土体采集数据加载至岩土体采集数据对应的岩土体描述内容集之前,首先对岩土体采集数据的岩土体结构系数进行分析,在确定岩土体结构系数通过分析后,再通过所述岩土体采集数据的数据种类和检测事项目标信息将所述岩土体采集数据加载至对应的岩土体描述内容集,并且岩土体描述内容集是存储在高性能存储空间,能够提高数据的数据的读写效率,从而提高岩土参数测试处理的执行效率。
在一种独立实施的实施例中,所述通过所述第一解析指示数据对所述岩土体采集数据对应的岩土体描述内容集进行数据整合处理,得到第一数据整合结果,包括:获取所述第一解析指示数据对应的检测框信息,依照所述检测框信息确定指示统计数据;通过所述第一解析指示数据确定不少于一个指示描述内容;依照所述指示统计数据从所述岩土体采集数据对应的岩土体描述内容集中确定每一个指示描述内容对应的特征值;将所述每一个指示描述内容对应的特征值确定为所述第一数据整合结果。
本申请的有益效果包括:通过第一解析指示数据对所述岩土体采集数据对应的岩土体描述内容集进行数据整合处理时,改善了数据整合不准确的问题,从而能够准确到底得到第一数据整合结果。
在一种独立实施的实施例中,所述通过所述第一数据整合结果和所述解析要求数据对所述岩土体采集数据进行岩土参数测试处理,得到第一岩土参数测试结果,包括:通过所述解析要求数据确定每一个指示描述内容对应的标准值和每一个指示描述内容之间的关联关系;通过所述每一个指示描述内容对应的标准值、所述特征值和所述关联关系对所述岩土体采集数据进行岩土参数测试处理,得到第一岩土参数测试结果。
本申请的有益效果包括:通过所述第一数据整合结果和所述解析要求数据对所述岩土体采集数据进行岩土参数测试处理时,改善了测试不准确的问题,从而能够精确地得到第一岩土参数测试结果。
在一种独立实施的实施例中,所述方法还包括:获取所述岩土体采集数据的岩土属性系数,并对所述岩土属性系数进行分析,得到第三岩土参数测试结果;确定第三岩土参数测试结果是否为分析通过,其中,当所述第三岩土参数测试结果为分析通过时,通过所述第一解析指示数据对所述岩土体采集数据对应的岩土体描述内容集进行数据整合处理,得到第一数据整合结果;当所述第三岩土参数测试结果为分析未通过时拒绝处理所述岩土体采集数据。
本申请的有益效果包括:通过对多个岩土参数测试结果进行分析,从而可以提高确定第三岩土参数测试结果是否为分析通过的可靠性。
在一种独立实施的实施例中,所述方法还包括:当所述第一岩土参数测试结果表示所述岩土体采集数据符合所述解析要求数据,获取事先设定的加强分析函数,向所述岩土体采集数据对应的岩土体数据处理终端发送加强分析指令数据,以对所述岩土体采集数据进行加强分析;或者,拒绝对所述岩土体采集数据进行处理;或者,对所述岩土体采集数据进行记录。
本申请的有益效果包括:对第一岩土参数测试结果进行加强分析,这样一来可以提高分析的准确性。
在一种独立实施的实施例中,所述方法还包括:获取所述岩土体采集数据对应的检测事项标签被进行记录的记录数量;当所述记录数量达到事先设定的数量指定值时,确定异常记录数据,并利用所述异常记录数据对所述岩土体采集数据对应的检测事项标签进行调试。
本申请的有益效果包括:通过精确的记录数量对检测事项标签进行调试,可以提高调试的精度。
在一种独立实施的实施例中,所述方法还包括:获取所述岩土体采集数据对应的再次解析要求数据和所述再次解析要求数据对应的第二解析指示数据;通过所述第二解析指示数据对所述岩土体采集数据对应的岩土体描述内容集进行数据整合处理,得到第二数据整合结果;通过所述第二数据整合结果和所述再次解析要求数据对所述岩土体采集数据进行岩土参数测试处理,得到第四岩土参数测试结果;通过所述第四岩土参数测试结果对所述岩土体采集数据对应的检测事项标签进行更新或调试处理。
本申请的有益效果包括:通过精确地获得第二数据整合结果,从而可以提高检测事项标签进行更新或调试处理的精确性和可靠性。
在一种独立实施的实施例中,所述通过所述第四岩土参数测试结果对所述岩土体采集数据进行更新或调试处理,包括:当所述第四岩土参数测试结果表示所述岩土体采集数据符合所述再次解析要求数据,确定针对所述岩土体采集数据对应检测事项标签的调试方式,通过所述调试方式对所述岩土体采集数据对应的检测事项标签进行调试处理;当所述第四岩土参数测试结果表示所述岩土体采集数据未符合所述再次解析要求数据,确定所述岩土体采集数据对应的检测事项标签是否处于调试状态;如果所述岩土体采集数据对应的检测事项标签处于调试状态,确定针对所述岩土体采集数据对应的检测事项标签的更新方式,通过所述更新方式对所述岩土体采集数据对应的检测事项标签进行更新处理。
本申请的有益效果包括:能够通过所述第四岩土参数测试结果在确定符合再次解析要求数据时对所述岩土体采集数据对应的检测事项标签进行调试处理,在确定未符合再次解析要求数据时,对岩土体采集数据对应的检测事项标签进行调试处理,如此基于再次分析提高分析检测的灵活性和全面性。
在一种独立实施的实施例中,所述方法还包括:响应于针对第一解析指示数据的训练步骤,获取所述第一解析指示数据中的每一个指示描述内容;获取针对所述每一个指示描述内容的标准值的指定步骤,获取所述每一个指示描述内容的标准值;获取针对不同指示描述内容的关联关系;通过所述每一个指示描述内容、所述每一个指示描述内容的标准值和所述关联关系,确定解析要求数据。
本申请的有益效果包括:精确地获取针对不同指示描述内容的关联关系,从而可以提高解析要求数据的精度。
第二方面,提供一种基于人工智能的岩土体参数智能测试系统,包括互相之间通信的处理器和存储器,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述的方法。
综上,本申请的核心构思的有益效果为:本申请实施例所提供的基于人工智能的岩土体参数智能测试方法及系统,在获取到需要进行分析处理的岩土体采集数据之后,通过所述岩土体采集数据的数据种类和检测事项目标信息将所述岩土体采集数据加载至数据种类和检测事项目标信息对应的岩土体描述内容集,由于在存储时是基于数据种类和检测事项目标信息确定所要存储的岩土体描述内容集,也即将岩土体采集数据存储至数据库,之后获取所述岩土体采集数据对应的解析要求数据和所述解析要求数据对应的第一解析指示数据,然后通过所述第一解析指示数据对所述岩土体采集数据对应的岩土体描述内容集进行数据整合处理,得到第一数据整合结果,再通过所述第一数据整合结果和所述解析要求数据对所述岩土体采集数据进行岩土参数测试处理,得到第一岩土参数测试结果,在本申请实施例中,在进行岩土参数测试处理时,只需要对岩土体采集数据对应的岩土体描述内容集中的指示描述内容进行数据整合和数据测试,能够尽可能的将所有数据进行处理保障数据的完整性,还能规避扰动干扰等,从而提升了岩土参数测试处理的效率和准确度。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例所提供的一种基于人工智能的岩土体参数智能测试方法的流程图。
图2为本申请实施例所提供的一种基于人工智能的岩土体参数智能测试系统的架构图。
具体实施方式
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本申请技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1,示出了一种基于人工智能的岩土体参数智能测试方法,该方法可以包括以下步骤S101-S104所描述的技术方案。
步骤S101,获取需要进行分析处理的岩土体采集数据,通过所述岩土体采集数据的数据种类和检测事项目标信息将所述岩土体采集数据加载至对应的岩土体描述内容集。
示例性的,需要进行分析处理的岩土体采集数据是通过超声波反射获得数据,其中,超声波反射的原理是通过不同的介子反射的波是不同的,这样就可以获得对应物质的属性。并且还能获得岩土体的结构。
进一步地,数据种类具体可以理解为不同数据种类不同岩土物质形成的种类,比如土壤是一种种类,岩石是一种种类等。
其中,检测事项可以理解为山体。
其中,岩土体描述内容集可以理解为该岩土体的具体物质含量和内部结构。
该需要进行分析处理的岩土体采集数据是岩土体数据处理终端触发了某种岩土测试指令而触发的,该岩土体采集数据可以是进行砖探时,通过超声波反射实施后的岩土体的相关数据。在岩土体数据处理终端基于获取到的步骤而触发了岩土体采集数据之后,在获取到该岩土体采集数据之后,将该岩土体采集数据发送至数据处理服务器,以对该岩土体采集数据进行岩土参数测试处理。在获取到岩土体采集数据后,获取岩土体采集数据的数据种类和检测事项目标信息,检测事项目标信息包括:岩土的物质属性信息以及岩土的结构信息等。
在获取到岩土体采集数据的数据种类和检测事项目标信息之后,再获取用于存储岩土体采集数据的数据库中实时的数据种类和检测事项目标信息,然后基于岩土体采集数据的数据种类和检测事项目标信息和实时的每一个数据方向,将岩土体采集数据存储至对应的岩土体描述内容集。
步骤S102,获取所述岩土体采集数据对应的解析要求数据和所述解析要求数据对应的第一解析指示数据。
其中,解析要求可以理解为分析条件,具体可以理解为岩土体采集数据的分析条件。
在该步骤之前,为不同的数据种类预设了不少于一个分析规则,该步骤在实现时,可以基于该岩土体采集数据的数据种类确定该岩土体采集数据对应的不少于一个解析要求数据,每个解析要求数据包括不少于一个分析要求,每个分析要求对应有解析指示数据,在确定出岩土体采集数据对应的解析要求数据时,即可获得解析要求数据对应的第一解析指示数据。
步骤S103,通过所述第一解析指示数据对所述岩土体采集数据对应的岩土体描述内容集进行数据整合处理,得到第一数据整合结果。
其中,数据整合处理可以理解为数据融合处理、拼接处理等方式。
该步骤在实现时,首先获取所述数据种类对应的检测框信息,依照所述检测框信息确定指示统计数据,然后从岩土体采集数据对应的岩土体描述内容集中确定出第一解析指示数据中每一个指示描述内容对应的特征值,从而得到第一数据整合结果。
步骤S104,通过所述第一数据整合结果和所述解析要求数据对所述岩土体采集数据进行岩土参数测试处理,得到第一岩土参数测试结果。
其中,岩土参数测试结果可以理解为岩土体的抗剪系数等,在此不进行逐一限定。
该步骤在实现时,可以确定第一数据整合结果中每一个指示描述内容的特征值是否符合解析要求数据中的分析要求,如果符合分析要求,则得到符合该解析要求数据的第一岩土参数测试结果,如果不符合分析要求,得到未符合该解析要求数据的第一岩土参数测试结果。
在本申请实施例提供的基于人工智能的岩土体参数智能测试方法中,在获取到需要进行分析处理的岩土体采集数据之后,通过所述岩土体采集数据的数据种类和检测事项目标信息将所述岩土体采集数据加载至数据种类和检测事项目标信息对应的岩土体描述内容集,由于在存储时是基于数据种类和检测事项目标信息确定所要存储的岩土体描述内容集,也即将岩土体采集数据存储至数据库,之后获取所述岩土体采集数据对应的解析要求数据和所述解析要求数据对应的第一解析指示数据,然后通过所述第一解析指示数据对所述岩土体采集数据对应的岩土体描述内容集进行数据整合处理,得到第一数据整合结果,再通过所述第一数据整合结果和所述解析要求数据对所述岩土体采集数据进行岩土参数测试处理,得到第一岩土参数测试结果,在本申请实施例中,在进行岩土参数测试处理时,只需要对岩土体采集数据对应的岩土体描述内容集中的指示描述内容进行数据整合和数据测试,能够尽可能的将所有数据进行处理保障数据的完整性,还能规避扰动干扰等,从而提升了岩土参数测试处理的效率和准确度。
在一些实施例中,上述步骤S101中的“通过所述岩土体采集数据的数据种类和检测事项目标信息将所述岩土体采集数据加载至对应的岩土体描述内容集”,可以通过以下内容。
步骤S1011,获取所述岩土体采集数据的岩土体结构系数,并对所述岩土体结构系数进行分析,得到第二岩土参数测试结果。
步骤S1012,确定第二岩土参数测试结果为分析通过时,生成所述岩土体采集数据的岩土体结构标签。
步骤S1013,通过所述岩土体采集数据的数据种类和检测事项目标信息确定所述岩土体采集数据对应的不少于一个岩土体描述内容集。
一般情况下,一个岩土体采集数据具有一种数据种类,但是会有一种或多种检测事项目标信息,该步骤在实现时,可以首先确定出实时的数据方向中包括该岩土体采集数据的数据种类的目标数据方向,然后基于目标数据方向中包括的检测事项目标信息,确定该岩土体采集数据对应的岩土体描述内容集。
步骤S1014,将所述岩土体采集数据和所述岩土体结构标签分别加载至所述岩土体采集数据对应的每一个岩土体描述内容集。
该步骤在实现时,将岩土体采集数据和岩土体结构标签存储至该岩土体采集数据账号标识和贷款对应的岩土体描述内容集,并将岩土体采集数据和岩土体结构标签存储至该岩土体采集数据的设备标识和贷款对应的岩土体描述内容集。
通过上述的步骤S1011至步骤S1014,在将岩土体采集数据加载至岩土体采集数据对应的岩土体描述内容集之前,首先对岩土体采集数据的岩土体结构系数进行分析,在确定岩土体结构系数通过分析后,再通过所述岩土体采集数据的数据种类和检测事项目标信息将所述岩土体采集数据加载至对应的岩土体描述内容集,并且岩土体描述内容集是存储在高性能存储空间,能够提高数据的数据的读写效率,从而提高岩土参数测试处理的执行效率。
在一些实施例中,上述步骤S103“通过所述第一解析指示数据对所述岩土体采集数据对应的岩土体描述内容集进行数据整合处理,得到第一数据整合结果”可以包括以下步骤。
步骤S1031,获取所述第一解析指示数据对应的检测框信息,依照所述检测框信息确定指示统计数据。
步骤S1032,通过所述第一解析指示数据确定不少于一个指示描述内容。
步骤S1033,依照所述指示统计数据从所述岩土体采集数据对应的岩土体描述内容集中确定每一个指示描述内容对应的特征值。
步骤S1034,将所述每一个指示描述内容对应的特征值确定为所述第一数据整合结果。
在上述的步骤S1031至步骤S1034所在的实施例中,通过第一解析指示数据对所述岩土体采集数据对应的岩土体描述内容集进行数据整合处理时,改善了数据整合不准确的问题,从而能够准确到底得到第一数据整合结果。
基于上述步骤S103的实现过程,上述步骤S104“通过所述第一数据整合结果和所述解析要求数据对所述岩土体采集数据进行岩土参数测试处理,得到第一岩土参数测试结果”,可以包括以下步骤。
步骤S1041,通过所述解析要求数据确定每一个指示描述内容对应的标准值和每一个指示描述内容之间的关联关系。
在解析要求数据中设置有每一个指示描述内容对应的标准值,每一个指示描述内容之间的关联关系可以包括逻辑与或者逻辑或。
步骤S1042,通过所述每一个指示描述内容对应的标准值、所述特征值和所述关联关系对所述岩土体采集数据进行岩土参数测试处理,得到第一岩土参数测试结果。
该步骤在实现时,当关联关系为逻辑与时,需要判断每个特征值是否与标准值匹配,如果每个特征值都与标准值匹配,得到符合该解析要求数据的第一岩土参数测试结果;如果存在不少于一个特征值不与标准值匹配,得到未符合该解析要求数据的第一岩土参数测试结果。当关联关系为逻辑或时,需要判断是否存在不少于一个特征值与标准值匹配,如果存在不少于一个特征值与标准值匹配得到符合解析要求数据的第一岩土参数测试结果,如果每一个特征值均与标准值不匹配,得到未符合解析要求数据的第一岩土参数测试结果。
在一些实施例中,可以通过步骤S201至步骤S204配置解析要求数据,包括以下描述的内容。
步骤S201,响应于针对第一解析指示数据的训练步骤,获取所述第一解析指示数据中的每一个指示描述内容。
步骤S202,获取针对所述每一个指示描述内容标准值的指定步骤,获取所述每一个指示描述内容的标准值。
在确定出第一指标信息中的每一个指示描述内容后,需要为每一个指示描述内容设置标准值,只有设置了标准值才能在进行岩土参数测试处理时确定特征值是否与标准值匹配。
步骤S203,获取针对不同指示描述内容的关联关系。
在设置了指示描述内容以及指示描述内容的标准值之后,当指示描述内容有两个或者两个以上时,需要配置不同指示描述内容的关联关系。
步骤S204,通过所述第一解析指示数据中的每一个指示描述内容、所述每一个指示描述内容的标准值和所述关联关系,确定解析要求数据。
在设置好第一解析指示数据中的每一个指示描述内容、以及每一个指示描述内容的标准值和不同指示描述内容的关联关系之后,也即完成了对解析要求数据的配置,此时能够得到解析要求数据。
在一些实施例中,在步骤S104之后,还会确定第一岩土参数测试结果是否表征岩土体采集数据符合解析要求数据,其中,当所述第一岩土参数测试结果表示所述岩土体采集数据符合所述解析要求数据时,通过以下三种方式的其中之一对岩土体采集数据进行处理。
第一种方式、获取事先设定的加强分析函数,向所述岩土体采集数据对应的岩土体数据处理终端发送加强分析指令数据,以对所述岩土体采集数据进行加强分析。
第二种方式、拒绝对所述岩土体采集数据进行处理。
第三种方式、对所述岩土体采集数据进行记录。
在以该种方式进行处理时,可以是为该岩土体采集数据增加记录,以在后续的实现过程中确定是否对该岩土体采集数据对应的检测事项进行调试。在一些实施例中,在实现时,可以首先获取所述岩土体采集数据被进行记录的记录数量;当所述记录数量达到事先设定的数量指定值时,确定异常记录数据,并利用所述异常记录数据对所述岩土体采集数据对应的检测事项标签进行调试处理。
基于上述的实施例,本申请实施例再提供一种基于人工智能的岩土体参数智能测试方法,对该基于人工智能的岩土体参数智能测试方法进行说明。
步骤S301,岩土体数据处理终端响应于执行岩土体采集数据的操作指令,发送岩土体采集数据。
步骤S302,将岩土体采集数据发送至数据处理服务器。
步骤S303,获取所述岩土体采集数据的岩土体结构系数,并对所述岩土体结构系数进行分析,得到第二岩土参数测试结果。
步骤S304,确定第二岩土参数测试结果为分析通过时,生成岩土体采集数据的岩土体结构标签。
步骤S305,通过所述岩土体采集数据的数据种类和检测事项目标信息确定所述岩土体采集数据对应的不少于一个岩土体描述内容集。
步骤S306,将所述岩土体采集数据和所述岩土体结构标签分别加载至所述岩土体采集数据对应的每一个岩土体描述内容集。
其中,岩土体描述内容集存储在高性能长短记忆空间。上述步骤S302至步骤S306的实现过程参考上述步骤S1011至步骤S1014的实现过程。
步骤S307,获取所述岩土体采集数据的岩土属性系数,并对所述岩土属性系数进行分析,得到第三岩土参数测试结果。
在本申请实施例中,岩土属性系数不同于岩土体结构系数,通过岩土体结构系数能够确定岩土体采集数据消息是否正确,而岩土属性系数能够保证岩土体采集数据能够被正确执行。该步骤在实现时,是确定岩土体采集数据能够正确执行所必须的岩土属性系数是否存在,以及分析规则所依赖的参数是否存在,如果均存在,则得到分析通过的第三岩土参数测试结果,如果不均存在,得到分析未通过的第三岩土参数测试结果。
步骤S308,确定第三岩土参数测试结果是否为分析通过。
其中,当所述第三岩土参数测试结果为分析未通过时,进入步骤S309;当所述第三岩土参数测试结果为分析通过时,进入步骤S310。
步骤S309,数据处理服务器拒绝处理所述岩土体采集数据。
步骤S310,基于第一解析指示数据对岩土体采集数据对应的岩土体描述内容集进行数据整合处理,得到第一数据整合结果。
步骤S311,通过所述第一数据整合结果和所述解析要求数据对所述岩土体采集数据进行岩土参数测试处理,得到第一岩土参数测试结果。
上述步骤S310至步骤S311的实现过程与步骤S103至步骤S104的实现过程是类似的,在实际实现时可以参考步骤S103至步骤S104的实现过程。
步骤S312,确定第一岩土参数测试结果是否为分析通过。
对岩土体采集数据进行处理时,可以基于解析要求数据对应的处理方式对该岩土体采集数据进行处理,其中处理方式可以包括但不限于:加强分析、拒绝处理、添加记录等。
步骤S313,获取岩土体采集数据对应的再次解析要求数据和再次解析要求数据对应的第二解析指示数据。
在本申请实施例中,可以基于该岩土体采集数据的数据种类确定该岩土体采集数据对应的再次解析要求数据,再次解析要求数据可以与解析要求数据是相同的规则,也可以是不同的规则。每个再次解析要求数据包括不少于一个分析要求,每个分析要求对应有解析指示数据,在确定出岩土体采集数据对应的再次解析要求数据时,即可获得再次解析要求数据对应的第二解析指示数据。
步骤S314,数据处理服务器基于第二解析指示数据对岩土体采集数据对应的岩土体描述内容集进行数据整合处理,得到第二数据整合结果。
该步骤在实现时,首先获取所述第二解析指示数据对应的检测框信息,依照所述检测框信息确定指示统计数据,然后基于该第二解析指示数据确定不少于一个分析指示描述内容,并按照指示统计数据从所述岩土体采集数据对应的岩土体描述内容集中确定每一个分析指示描述内容对应的分析特征值,并将每一个分析指示描述内容对应的分析特征值确定为第二数据整合结果。
步骤S315,基于第二数据整合结果和再次解析要求数据对岩土体采集数据进行岩土参数测试处理,得到第四岩土参数测试结果。
该步骤的实现过程与步骤S104的实现过程是类似的,首先要基于再次解析要求数据确定每一个分析指示描述内容的标准值和每一个分析指示描述内容的关联关系,基于每一个分析指示描述内容对应的标准值、分析特征值和关联关系对岩土体采集数据进行岩土参数测试处理,得到第四岩土参数测试结果。
步骤S316,基于第四岩土参数测试结果对岩土体采集数据对应的检测事项标签进行更新或调试处理。
这里,当第四岩土参数测试结果表征岩土体采集数据符合所述再次解析要求数据,则对该岩土体采集数据对应的检测事项标签进行调试处理,当第四岩土参数测试结果表征岩土体采集数据未符合再次解析要求数据时,如果该岩土体采集数据对应的检测事项标签处于调试状态,则可以对该检测事项标签进行更新。
在数据处理服务器获取到需要进行分析处理的岩土体采集数据之后,通过所述岩土体采集数据的数据种类和检测事项目标信息将所述岩土体采集数据加载至数据种类和检测事项目标信息对应的岩土体描述内容集,由于在存储时是基于数据种类和检测事项目标信息确定所要存储的岩土体描述内容集,也即将岩土体采集数据存储至数据库,之后获取所述岩土体采集数据对应的解析要求数据和所述解析要求数据对应的第一解析指示数据,然后通过所述第一解析指示数据对所述岩土体采集数据对应的岩土体描述内容集进行数据整合处理,得到第一数据整合结果,再通过所述第一数据整合结果和所述解析要求数据对所述岩土体采集数据进行岩土参数测试处理,得到第一岩土参数测试结果,当所述第一岩土参数测试结果表示所述岩土体采集数据符合所述解析要求数据,对所述岩土体采集数据进行处理,在本申请实施例中,在进行岩土参数测试处理时,只需要对岩土体采集数据对应的岩土体描述内容集中的指示描述内容的值进行统计即可,并且每个指示描述内容的特征值从单个岩土体描述内容集中即可确定出来,而不需要进行复杂的关系运算,从而能够提高统计效率,进而能够高效地支持较为复杂的业务规则,从而提升了处理的效率和准确度,在执行完处理之后,还可以获取再次解析要求数据,并利用再次解析要求数据对岩土体采集数据进行再次分析,并基于再次分析的第四岩土参数测试结果对所述岩土体采集数据对应的检测事项标签进行更新或调试处理,能够提高数据处理的灵活性。
在一些实施例中,上述步骤S316“通过所述第四岩土参数测试结果对所述岩土体采集数据对应的检测事项标签进行更新或调试处理”可以包括以下内容。
步骤S3161,当所述第四岩土参数测试结果表示所述岩土体采集数据符合所述再次解析要求数据,确定针对所述岩土体采集数据对应检测事项标签的调试方式。
当第四岩土参数测试结果为分析通过时,表征该岩土体采集数据符合该再次解析要求数据,此时需要对该岩土体采集数据对应的检测事项标签进行调试,并且需要确定调试方式,该调试方式可以是在设置再次解析要求数据时就预设好的,在确定符合了哪一个再次分析规则也就能确定出调试方式。
步骤S3162,通过所述调试方式对所述岩土体采集数据对应的检测事项标签进行调试处理。
步骤S3163,当所述第四岩土参数测试结果表示所述岩土体采集数据未符合所述再次解析要求数据,确定所述岩土体采集数据对应的检测事项标签是否处于调试状态。
步骤S3164,如果所述岩土体采集数据对应的检测事项标签处于调试状态,确定针对所述岩土体采集数据对应的检测事项标签的更新方式。
步骤S3165,通过所述更新方式对所述岩土体采集数据对应的检测事项标签进行更新处理。
通过上述的步骤S3161至步骤S3165,能够通过所述第四岩土参数测试结果在确定符合再次解析要求数据时对所述岩土体采集数据对应的检测事项标签进行调试处理,在确定未符合再次解析要求数据时,对岩土体采集数据对应的检测事项标签进行调试处理,如此基于再次分析提高分析检测的灵活性和全面性。
在上述基础上,提供了一种基于人工智能的岩土体参数智能测试装置,所述装置包括:
数据获得模块,用于获取需要进行分析处理的岩土体采集数据,通过所述岩土体采集数据的数据种类和检测事项目标信息将所述岩土体采集数据加载至所述岩土体采集数据对应的岩土体描述内容集;
指示获得模块,用于获取所述岩土体采集数据对应的解析要求数据和所述解析要求数据对应的第一解析指示数据;
结果整合模块,用于通过所述第一解析指示数据对所述岩土体采集数据对应的岩土体描述 内容集进行数据整合处理,得到第一数据整合结果;
参数测试模块,用于通过所述第一数据整合结果和所述解析要求数据对所述岩土体采集数据进行岩土参数测试处理,得到第一岩土参数测试结果。
在上述基础上,请参阅图2,示出了一种基于人工智能的岩土体参数智能测试系统300,包括互相之间通信的处理器310和存储器320,所述处理器310用于从所述存储器320中读取计算机程序并执行,以实现上述的方法。
在上述基础上,还提供了一种计算机可读存储介质,其上存储的计算机程序在运行时实现上述的方法。
综上,基于上述方案,在获取到需要进行分析处理的岩土体采集数据之后,通过所述岩土体采集数据的数据种类和检测事项目标信息将所述岩土体采集数据加载至数据种类和检测事项目标信息对应的岩土体描述内容集,由于在存储时是基于数据种类和检测事项目标信息确定所要存储的岩土体描述内容集,也即将岩土体采集数据存储至数据库,之后获取所述岩土体采集数据对应的解析要求数据和所述解析要求数据对应的第一解析指示数据,然后通过所述第一解析指示数据对所述岩土体采集数据对应的岩土体描述内容集进行数据整合处理,得到第一数据整合结果,再通过所述第一数据整合结果和所述解析要求数据对所述岩土体采集数据进行岩土参数测试处理,得到第一岩土参数测试结果,在本申请实施例中,在进行岩土参数测试处理时,只需要对岩土体采集数据对应的岩土体描述内容集中的指示描述内容进行数据整合和数据测试,能够尽可能的将所有数据进行处理保障数据的完整性,还能规避扰动干扰等,从而提升了岩土参数测试处理的效率和准确度。
应当理解,上述所示的系统及其模块可以利用各种方式来实现。例如,在一些实施例中,系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等,或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF、或类似介质,或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外,对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是,如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方,以本申请的描述、定义和/或术语的使用为准。
最后,应当理解的是,本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此,作为示例而非限制,本申请实施例的替代配置可视为与本申请的教导一致。相应地,本申请的实施例不仅限于本申请明确介绍和描述的实施例。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种基于人工智能的岩土体参数智能测试方法,其特征在于,所述方法包括:
获取需要进行分析处理的岩土体采集数据,通过所述岩土体采集数据的数据种类和检测事项目标信息将所述岩土体采集数据加载至所述岩土体采集数据对应的岩土体描述内容集;
获取所述岩土体采集数据对应的解析要求数据和所述解析要求数据对应的第一解析指示数据;
通过所述第一解析指示数据对所述岩土体采集数据对应的岩土体描述内容集进行数据整合处理,得到第一数据整合结果;
通过所述第一数据整合结果和所述解析要求数据对所述岩土体采集数据进行岩土参数测试处理,得到第一岩土参数测试结果。
2.根据权利要求1中所述的方法,其特征在于,所述通过所述岩土体采集数据的数据种类和检测事项目标信息将所述岩土体采集数据加载至所述岩土体采集数据对应的岩土体描述内容集,包括:
获取所述岩土体采集数据的岩土体结构系数,并对所述岩土体结构系数进行分析,得到第二岩土参数测试结果;
确定第二岩土参数测试结果为分析通过时,生成所述岩土体采集数据的岩土体结构标签;
通过所述岩土体采集数据的数据种类和检测事项目标信息确定所述岩土体采集数据对应的不少于一个岩土体描述内容集;
将所述岩土体采集数据和所述岩土体结构标签分别加载至所述岩土体采集数据对应的每一个岩土体描述内容集,所述岩土体描述内容集存储在长短记忆空间。
3.根据权利要求1中所述的方法,其特征在于,所述通过所述第一解析指示数据对所述岩土体采集数据对应的岩土体描述内容集进行数据整合处理,得到第一数据整合结果,包括:
获取所述第一解析指示数据对应的检测框信息,依照所述检测框信息确定指示统计数据;
通过所述第一解析指示数据确定不少于一个指示描述内容;
依照所述指示统计数据从所述岩土体采集数据对应的岩土体描述内容集中确定每一个指示描述内容对应的特征值;
将所述每一个指示描述内容对应的特征值确定为所述第一数据整合结果。
4.根据权利要求3所述的方法,其特征在于,所述通过所述第一数据整合结果和所述解析要求数据对所述岩土体采集数据进行岩土参数测试处理,得到第一岩土参数测试结果,包括:
通过所述解析要求数据确定每一个指示描述内容对应的标准值和每一个指示描述内容之间的关联关系;
通过所述每一个指示描述内容对应的标准值、所述特征值和所述关联关系对所述岩土体采集数据进行岩土参数测试处理,得到第一岩土参数测试结果。
5.根据权利要求1中所述的方法,其特征在于,所述方法还包括:
获取所述岩土体采集数据的岩土属性系数,并对所述岩土属性系数进行分析,得到第三岩土参数测试结果;
确定第三岩土参数测试结果是否为分析通过,其中,当所述第三岩土参数测试结果为分析通过时,通过所述第一解析指示数据对所述岩土体采集数据对应的岩土体描述内容集进行数据整合处理,得到第一数据整合结果;
当所述第三岩土参数测试结果为分析未通过时拒绝处理所述岩土体采集数据。
6.根据权利要求1中所述的方法,其特征在于,所述方法还包括:
当所述第一岩土参数测试结果表示所述岩土体采集数据符合所述解析要求数据,获取事先设定的加强分析函数,向所述岩土体采集数据对应的岩土体数据处理终端发送加强分析指令数据,以对所述岩土体采集数据进行加强分析;
或者,拒绝对所述岩土体采集数据进行处理;或者,对所述岩土体采集数据进行记录。
7.根据权利要求6中所述的方法,其特征在于,所述方法还包括:
获取所述岩土体采集数据对应的检测事项标签被进行记录的记录数量;
当所述记录数量达到事先设定的数量指定值时,确定异常记录数据,并利用所述异常记录数据对所述岩土体采集数据对应的检测事项标签进行调试。
8.根据权利要求5所述的方法,其特征在于,所述方法还包括:
获取所述岩土体采集数据对应的再次解析要求数据和所述再次解析要求数据对应的第二解析指示数据;
通过所述第二解析指示数据对所述岩土体采集数据对应的岩土体描述内容集进行数据整合处理,得到第二数据整合结果;
通过所述第二数据整合结果和所述再次解析要求数据对所述岩土体采集数据进行岩土参数测试处理,得到第四岩土参数测试结果;
通过所述第四岩土参数测试结果对所述岩土体采集数据对应的检测事项标签进行更新或调试处理;
其中,所述通过所述第四岩土参数测试结果对所述岩土体采集数据进行更新或调试处理,包括:
当所述第四岩土参数测试结果表示所述岩土体采集数据符合所述再次解析要求数据,确定针对所述岩土体采集数据对应检测事项标签的调试方式,通过所述调试方式对所述岩土体采集数据对应的检测事项标签进行调试处理;
当所述第四岩土参数测试结果表示所述岩土体采集数据未符合所述再次解析要求数据,确定所述岩土体采集数据对应的检测事项标签是否处于调试状态;
如果所述岩土体采集数据对应的检测事项标签处于调试状态,确定针对所述岩土体采集数据对应的检测事项标签的更新方式,通过所述更新方式对所述岩土体采集数据对应的检测事项标签进行更新处理。
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:
响应于针对第一解析指示数据的训练步骤,获取所述第一解析指示数据中的每一个指示描述内容;
获取针对所述每一个指示描述内容的标准值的指定步骤,获取所述每一个指示描述内容的标准值;
获取针对不同指示描述内容的关联关系;
通过所述每一个指示描述内容、所述每一个指示描述内容的标准值和所述关联关系,确定解析要求数据。
10.一种基于人工智能的岩土体参数智能测试系统,其特征在于,包括互相之间通信的处理器和存储器,所述处理器用于从所述存储器中读取计算机程序并执行,以实现权利要求1-9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311036337.3A CN116756525B (zh) | 2023-08-17 | 2023-08-17 | 基于人工智能的岩土体参数智能测试方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311036337.3A CN116756525B (zh) | 2023-08-17 | 2023-08-17 | 基于人工智能的岩土体参数智能测试方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116756525A true CN116756525A (zh) | 2023-09-15 |
CN116756525B CN116756525B (zh) | 2023-11-03 |
Family
ID=87948180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311036337.3A Active CN116756525B (zh) | 2023-08-17 | 2023-08-17 | 基于人工智能的岩土体参数智能测试方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116756525B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117077897A (zh) * | 2023-09-21 | 2023-11-17 | 四川省华地建设工程有限责任公司 | 一种地震灾害破坏推演方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110490100A (zh) * | 2019-07-31 | 2019-11-22 | 中铁二院工程集团有限责任公司 | 基于深度学习的岩土自动识别定名方法及系统 |
CN110837669A (zh) * | 2019-10-25 | 2020-02-25 | 中国地质大学(武汉) | 基于多源异构数据融合的滑坡不确定模型动态构建方法 |
CN111291502A (zh) * | 2019-12-29 | 2020-06-16 | 山东省煤田地质局第四勘探队 | 地源热泵岩土热物性网络解析与查询系统 |
CN112255095A (zh) * | 2020-09-25 | 2021-01-22 | 汕头大学 | 一种土体应力应变关系确定方法 |
CN113137226A (zh) * | 2021-04-29 | 2021-07-20 | 中国科学院武汉岩土力学研究所 | 便携式岩土体力学参数钻探测试系统及设备 |
CN114863645A (zh) * | 2022-07-04 | 2022-08-05 | 四川省华地建设工程有限责任公司 | 一种地质灾害监测预警方法及系统 |
CN116205497A (zh) * | 2023-04-24 | 2023-06-02 | 四川川核地质工程有限公司 | 基于人工智能的滑坡智能预警方法及系统 |
-
2023
- 2023-08-17 CN CN202311036337.3A patent/CN116756525B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110490100A (zh) * | 2019-07-31 | 2019-11-22 | 中铁二院工程集团有限责任公司 | 基于深度学习的岩土自动识别定名方法及系统 |
CN110837669A (zh) * | 2019-10-25 | 2020-02-25 | 中国地质大学(武汉) | 基于多源异构数据融合的滑坡不确定模型动态构建方法 |
CN111291502A (zh) * | 2019-12-29 | 2020-06-16 | 山东省煤田地质局第四勘探队 | 地源热泵岩土热物性网络解析与查询系统 |
CN112255095A (zh) * | 2020-09-25 | 2021-01-22 | 汕头大学 | 一种土体应力应变关系确定方法 |
CN113137226A (zh) * | 2021-04-29 | 2021-07-20 | 中国科学院武汉岩土力学研究所 | 便携式岩土体力学参数钻探测试系统及设备 |
CN114863645A (zh) * | 2022-07-04 | 2022-08-05 | 四川省华地建设工程有限责任公司 | 一种地质灾害监测预警方法及系统 |
CN116205497A (zh) * | 2023-04-24 | 2023-06-02 | 四川川核地质工程有限公司 | 基于人工智能的滑坡智能预警方法及系统 |
Non-Patent Citations (6)
Title |
---|
SUNGSIK YOON等: "A novel approach to assess the seismic performance of deteriorated bridge structures by employing UAV-based damage detection", 《STRUCTURAL CONTROL HEALTH MONITORING》, pages 1 - 8 * |
吴世明等: "利用表面波频谱分析测试土层波速", 《地震工程与工程振动》, pages 27 - 32 * |
孙钧: "岩土力学与地下工程结构分析计算的若干进展", 力学季刊, no. 03, pages 7 - 16 * |
彭艺;黄小华;: "基于图像识别的边坡表面位移检测方法研究", 农业网络信息, no. 06, pages 18 - 20 * |
温世游, 陈云敏, 李夕兵: "考虑应变软化特性的缩孔解析解", 岩石力学与工程学报, no. 1, pages 148 - 154 * |
马维谦: "杂色粘土微裂隙发育机理研究", 《中国优秀硕士学位论文全文数据库基础科学辑》, pages 011 - 718 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117077897A (zh) * | 2023-09-21 | 2023-11-17 | 四川省华地建设工程有限责任公司 | 一种地震灾害破坏推演方法及系统 |
CN117077897B (zh) * | 2023-09-21 | 2024-03-19 | 四川省华地建设工程有限责任公司 | 一种地震灾害破坏推演方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116756525B (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8473915B2 (en) | Coverage analysis tool for testing database-aware software applications | |
CN116756525B (zh) | 基于人工智能的岩土体参数智能测试方法及系统 | |
CN114840853B (zh) | 基于大数据的数字化业务分析方法及云服务器 | |
CN114661994B (zh) | 基于人工智能的用户兴趣数据处理方法、系统及云平台 | |
CN114168747A (zh) | 基于云服务的知识库构建方法及系统 | |
CN113378554A (zh) | 一种医疗信息智能交互的方法及系统 | |
CN116112746B (zh) | 在线教育直播视频压缩方法及系统 | |
CN115514570B (zh) | 一种网络诊断处理方法、系统及云平台 | |
CN115373688B (zh) | 一种软件开发线程的优化方法、系统及云平台 | |
CN116204681A (zh) | 一种短视频发布信息检测方法、系统及云平台 | |
CN114779923A (zh) | 一种基于超声波的vr仿真场景定位方法及系统 | |
CN114863585B (zh) | 一种车辆智能测试监控系统、方法及云平台 | |
CN113613252B (zh) | 基于5g的网络安全的分析方法及系统 | |
CN115495017B (zh) | 一种基于大数据的数据存储方法及系统 | |
CN113610117B (zh) | 基于深度数据的水下传感数据处理方法及系统 | |
CN114780645B (zh) | 基于人工智能的数据分类处理方法、系统及云平台 | |
CN113608689B (zh) | 基于边缘计算的数据缓存方法及系统 | |
CN113643818B (zh) | 基于区域数据的医疗数据集成数据的方法及系统 | |
CN109308256A (zh) | 一种java程序动态分析方法、设备和存储介质 | |
CN117077897B (zh) | 一种地震灾害破坏推演方法及系统 | |
CN116468534A (zh) | 一种集体经济组织信用信息等级分析方法及系统 | |
CN113626559B (zh) | 基于语义的网络文档智能检索的方法及系统 | |
CN115471927A (zh) | 一种车辆智能测试监控系统、方法及云平台 | |
CN115509811B (zh) | 一种分布式存储数据恢复方法、系统及云平台 | |
CN114217240B (zh) | 一种不间断电源检测方法及系统 |
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 |