机器学习可以加速3D有限元建模吗？

岩土工程中很少有确定性，但有一点是肯定的，那就是“错误的输入数据会产生错误的结果”，强调了确定或估计代表性材料参数的重要性，以便准确评估地质情况。然而，地质材料的复杂性会限制精确的预测，并且通常需要进行敏感性分析。这可能是一个耗时的过程，特别是当材料强度存在高度不确定性时。

我们如何利用机器学习？

机器学习（Machine Learning，ML）算法可以有许多用途；快速预测，解决逆问题和异常检测等。本文应用ML的三维有限元（FE）建模，使用RS3导出材料强度的露天矿的潜在结构控制故障，沿着三个相交的结构，被确定。ML被集成以识别特征重要性（即模型中最关键的材料属性）及其临界强度。ML显著减少了改变材料特性、重新计算和评估模型有效性的手动要求。

案例说明

本文研究了露天煤矿的一个剖面（图1），其稳定性主要由三个相交的近垂直断层和一个基底近水平剪切面（图2）形成。断层倾角范围平均为60~81°，基底剪切面倾角（沿着煤顶）范围为5~15°（图2）。

图2-平面图，显示了与案例研究壁相交的三个断层表面的方向和煤层底板倾角的轮廓。地板倾角图例：蓝色=底板倾角<6°，黄橙色=底板倾角6~14°，红色=底板倾角>14°。

RS3中的三维有限元模型

在RS3中构建了边坡的三维有限元模型，认识到破坏机制最适合基于建模断层结构的交叉点进行三维建模。假设该坑段的边坡稳定性主要受结构控制，则将边坡中相交的完整岩石材料设置为弹性材料，以加快计算时间。所构建的3D模型横向延伸约550米，最大高度为105米。台阶坡度角在48°到65°之间。

机器学习在反分析中的应用

图3总结了应用的机器学习方法。首先，构建基础RS3模型。然后创建一个Python函数来复制基线FE模型，并根据初始估计范围调整缺陷（断层和剪切）属性（表1）。在这种情况下，应用了均匀分布，因为机器学习模型在均匀分布的数据上训练时表现更好。此外，均匀分布提供了应用于模型的属性范围的均等机会。总共计算了30个RS3模型，具有不同的缺陷属性。

图3 -拟议反分析方法的流程图。

表1 -接头性能的估计范围

然后将30个模型分为训练组和测试组，并应用Python机器学习脚本来评估基于随机森林回归和随机森林分类算法的模型的可接受性。可接受性标准包括一旦模型性能被认为令人满意就终止计算，从而允许多个模型的有效计算。图4中提供了训练与测试结果的示例。

图4 -实际结果与预测结果的示例

特征重要性由随机森林分析确定。结果如图5所示，在所有模型中得出的结论是，近垂直断层的摩擦角是对结果影响最大的参数。这一发现允许随后的建模使用剪切强度折减（SSR）的计算，以专注于断层的摩擦角的校准。

图5 -特征重要性结果。资料1和资料2分别为基底断层和近垂直断层

还对收敛性分析的结果进行了质疑，以确定SSR分析中运行的摩擦角范围。图6显示了不同摩擦角下的模型位移和收敛结果。基于位移准则，假定非收敛模型指示边坡破坏。根据这些结果，将从7度开始的摩擦角（即表示非收敛模型和收敛模型之间的边界）输入SSR模型，以确定导致强度折减系数（SRF）为1的临界摩擦角。在SSR模型中，所有其他材料参数保持不变。

图6 -最大模型位移与摩擦角的关系图

图7以图形方式总结了SRF结果，表明SRF为1时的临界断层摩擦角在9°和10°之间。图8显示了将10°摩擦角应用于SSR模型的情况下的总位移等值线，其导致临界SRF为1.02。

图7 -SSR模型的SRF结果，具有不同的近垂直接缝摩擦角

图8 - 3D FE结果显示了应用10°摩擦角的相对位移等值线;临界SRF = 1.02。轮廓图例：红色（较暖）表示计算位移较高的区域，蓝色（较冷）表示计算位移较低的区域

关键点

• 使用Python函数自动创建模型，加速输入参数的修改，并评估ML模型结果的可接受性

• 一小组30个模型表现出合理的性能，这表明了ML的潜力，即使是计算要求高的FE模型。

• 在最少的用户干预下有效地实现了校准。

• 在这种情况下，岩土工程师可以使用确定的临界强度参数（即9度和10度之间的摩擦角）来协调该摩擦角是否代表历史边坡条件、先前的反分析结果或可用的实验室数据。然后确定边坡是否可能（或不可能）不稳定，并实施任何后续设计修改以相应地管理风险。

机器学习和人工智能在未来会取代岩土工程师吗？

我们说这是极不可能的。相反，这项研究展示了如何应用ML更有效地执行特定的岩土工程任务。

由于不同的自然地面条件，岩土工程问题通常是独特的，每个新模型通常需要自己的一套假设和简化，这意味着总是需要岩土专业人员（真实的人）来进行这些明确的推导。

然而，我们相信ML的使用将更频繁地融入岩土工程师的日常工作中，以加速分析，协助校准，并减少所需的手动工作量。

参考：您可以使用此链接阅读全文：https://www.mdpi.com/2673-7094