岩溶区灰岩溶蚀程度卷积神经网络识别及敏感性分析

作     者：张研 郭道静 张树光 苏国韶 刘锋涛 ZHANG Yan;GUO Daojing;ZHANG Shuguang;SU Guoshao;LIU Fengtao

作者机构：广西岩土力学与工程重点实验室广西桂林541004 桂林理工大学土木与建筑工程学院广西桂林541004 广西大学土木建筑工程学院广西南宁530004 

出 版 物：《应用基础与工程科学学报》 (Journal of Basic Science and Engineering)

年 卷 期：2023年第31卷第4期

页      面：961-976页

核心收录：

学科分类：08[工学] 080104[工学-工程力学] 0815[工学-水利工程] 0801[工学-力学（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(52068016,42067041) 广西自然科学基金项目(2020GXNSFAA159118) 

主　　题：岩溶区灰岩 酸性干湿循环 溶蚀程度 卷积神经网络 图像识别 敏感性分析 

摘      要：为了解决岩溶区不同溶蚀程度灰岩合理、高效识别问题,以桂林七星区灰岩为研究对象,开展不同pH、不同循环次数的酸性干湿循环试验,构建不同溶蚀程度灰岩识别的卷积神经网络模型(CNN),分析不同pH值、不同循环次数对模型识别效果的影响,探讨样本数量、网络参数设置对模型影响的敏感性.研究表明,伴随酸液pH值的降低、干湿循环次数的增加,岩样表面溶蚀纹路及溶蚀产生的孔隙越明显,模型分类准确率越高;学习样本、预测样本数量较小时,准确率随着样本数量增加而增高,当学习样本、预测样本数量接近4∶1时,模型预测效果最佳,随后准确率随着样本数量增加而降低;模型对不同网络参数敏感性不同,学习率为0.1,迭代次数与样本更新数为50时,准确率最高.CNN模型预测准确率最高为97.6%,为岩溶区灰岩溶蚀程度有效识别提供一条新途径.