律；
[0030] (7)基于唯像学和显著性检验，分别对标准尺寸（例如10cm、20cm、30cm、40cm、 50cm、60cm、70cm、80cm、90cm、IOOcm......)样本数据的总体分布进行概率密度函数拟合，例 如Bernoulli分布、Poisson分布、极值分布、中心极限分布、β分布等；
[0031] (8)确定系列尺寸概率密度函数的系数与试样尺寸1的函数关系，进而可构建结 构面粗糙度系数尺寸效应概率密度函数模型；
[0032] (9)依据极大似然估计原理，计算系列尺度结构面粗糙度系数概率密度函数最大 值，并将其作为结构面试样代表性评价指标。
[0033] (10)通过每个结构面试样的粗糙度系数与代表性评价指标的相对偏差分析，即可 确定每个试样的粗糙度系数表征值。
[0034] 以试样尺寸IOcm为例进行说明，本实施例的结构面粗糙度系数尺寸效应取样代 表性评价方法，包括以下步骤：
[0035] (1)选取浙江省常山县出露条件良好的典型板岩结构面作为研宄对象，岩石坚硬 完整，结构致密，灰色，节理面起伏度为1~2cm，微风化。
[0036] (2)判断岩体结构面潜在滑动方向，采用轮廓曲线仪定向测量IOOcm尺寸范围的 结构面轮廓线；
[0037] (3)采用大型扫描仪将记录结构面轮廓线的图纸进行扫描，并转换成Tiff格式图 片文档；
[0038] (4)采用Matlab软件对结构面轮廓线扫描图件按灰度值进行提取，剔除图像异常 值，依据中心值法获取系列尺寸结构面试样的表面信息；
[0039] (5)已知结构面粗糙度系数测量范围为100cm，将结构面轮廓线矩阵转换为坐标 信息；
[0040] (6)系列尺寸试样的样本数取50个，满足大样本统计条件根据结构面试样的表面 坐标信息，计算系列试样重合量与重合度，全域搜索结构面粗糙度试样并采用修正直边法 公式计算系列试样的粗糙度系数；
[0041] (7)基于唯像学和显著性检验，分别对尺寸为10cm、20cm、30cm、40cm、50cm、60cm、 70cm、80cm、90cm样本数据的总体分布进行Weibull概率密度函数拟合，其中结构面试样尺 寸IOcm的粗糙度系数概率统计规律，如图1所示
[0042] (8)分析Weibull分布中尺度参数a、形状参数b与试样尺寸1的函数关系，构建 结构面粗糙度系数尺寸效应概率密度函数模型。
[0043] (9)依据极大似然估计原理，把结构面粗糙度系数概率密度函数最大值作为结构 面试样代表性评价指标，计算可得IOcm所对应的试样代表性评价指标为6. 094 ;20cm所对 应的试样代表性评价指标为4. 892 ;30cm所对应的试样代表性评价指标为4. 014 ;40cm所 对应的试样代表性评价指标为3. 690 ;50cm所对应的试样代表性评价指标为3. 560 ;60cm 所对应的试样代表性评价指标为3. 574 ;70cm所对应的试样代表性评价指标为3. 451 ;80cm 所对应的试样代表性评价指标为3. 074 ;90cm所对应的试样代表性评价指标为3. 162。
[0044] (10)通过每个结构面试样的粗糙度系数与代表性评价指标的相对偏差分析，即可 确定每个试样的粗糙度系数表征值，其中IOcm的计算结果如表1所示：
[0045]
【主权项】
1. 一种结构面粗糙度系数尺寸效应取样代表性评价方法，其特征在于：包括以下步 骤： (1) 野外工程地质调查，选定典型岩体结构面作为粗糙度系数尺寸效应的研宄对象并 采用轮廓曲线仪定向测量尺寸效应最大研宄尺寸的结构面轮廓线； (2) 采用扫描仪将记录结构面轮廓线的图纸进行扫描，并转换成图片格式文本； (3) 采用形态学滤波去噪、图像归一化方法，通过Matlab软件对结构面轮廓线扫描图 件按灰度值进行提取，根据结构面实际测量长度与图形数字化矩阵的大小关系，自动化读 取并存储全断面、等间距、高精度的结构面复杂表面数据； (4) 依据现场大尺度岩体结构面表面形态要素测量结果，在整个尺寸效应研宄范围内， 提取系列尺寸结构面试样的表面坐标信息，系列尺寸试样的样本数必须保持一致且满足大 样本统计条件； (5) 计算系列试样的粗糙度系数，记录并分类存储系列尺度结构面粗糙度系数； (6) 分别绘制系列尺寸结构面粗糙度系数统计直方图，总体判断结构面粗糙度系数随 试样尺寸变化的概率分布规律； (7) 基于唯像学和显著性检验，分别对标准尺寸样本数据的总体分布进行概率密度函 数拟合； (8) 确定系列尺寸概率密度函数的系数与试样尺寸1的函数关系，构建结构面粗糙度 系数尺寸效应概率密度函数模型； (9) 依据极大似然估计原理，计算系列尺度结构面粗糙度系数概率密度函数最大值，并 将其作为结构面试样代表性评价指标； (10) 通过每个结构面试样的粗糙度系数与代表性评价指标的相对偏差分析，即可确定 每个试样的粗糙度系数表征值。
2. 如权利要求1所述的一种结构面粗糙度系数尺寸效应取样代表性评价方法，其特征 在于：所述步骤（5)中，采用修正直边法或Barton直边法简明公式计算系列试样的粗糙度 系数。
3. 如权利要求1或2所述的一种结构面粗糙度系数尺寸效应取样代表性评价方法，其 特征在于：所述步骤（7)中，所述概率密度函数包括Bernoulli分布、Poisson分布、极值分 布、中心极限分布、β分布所对应的概率密度函数。
【专利摘要】一种结构面粗糙度系数尺寸效应取样代表性评价方法，选定典型岩体结构面作为粗糙度系数尺寸效应的研究对象并采用轮廓曲线仪定向测量尺寸效应最大研究尺寸的结构面轮廓线，依据现场大尺度岩体结构面表面形态要素测量结果，提取系列尺寸结构面试样的表面坐标信息，计算系列试样的粗糙度系数，对标准尺寸样本数据的总体分布进行概率密度函数拟合；构建结构面粗糙度系数尺寸效应概率密度函数模型；依据极大似然估计原理，计算系列尺度结构面粗糙度系数概率密度函数最大值；通过每个结构面试样的粗糙度系数与代表性评价指标的相对偏差分析，确定每个试样的粗糙度系数表征值。本发明解决结构面粗糙度系数尺寸效应试样代表性的定量评价问题、可靠性良好。
【IPC分类】G06F19-00
【公开号】CN104834806
【申请号】CN201510101166
【发明人】雍睿, 杜时贵, 黄曼, 梁奇锋, 罗战友, 胡云进, 钟振
【申请人】绍兴文理学院
【公开日】2015年8月12日
【申请日】2015年3月9日