1.一种复杂地质条件下初始地应力场加速优化反演方法,其特征在于,包括步骤:S1、建立用于工程区应力场反演计算的三维地质模型;
S2、结合工程区的区域构造特征,确定应力边界条件参数的数值范围,并在该数值范围内进行参数组合得到多组应力边界条件,施加应力边界条件,通过数值计算求得各应力边界条件下的测点地应力计算值;
S3、将应力边界条件作为网络输入,以测点应力计算值作为网络输出,建立代理模型的学习样本,并将该学习样本带入代理模型中进行训练;
S4、基于步骤S3训练好的代理模型,使用遗传算法在样本范围内进行快速寻优,得到最优应力边界条件;
S5、以最优应力边界条件反演计算得到工程区内初始地应力场。
2.根据权利要求1所述的复杂地质条件下初始地应力场加速优化反演方法,其特征在于,步骤S2中,通过以下方式确定应力边界条件参数的数值范围:S21、将水平构造应力设置在以下范围:
其中 分别为水平最大构造应力及水平最小构造应力, 分别为实测水平
最大主应力及水平最小主应力,γ为岩石容重,H为埋深,μ为泊松比;
S22、设定实测水平最大主应力、水平最小主应力随埋深为以下线性分布:
σH=A*H+B,σh=C*H+D;
其中,A、B、C、D为线性回归常数,将上述水平应力回归式代入水平构造应力不等式中,得到水平构造应力取值范围为:S23、设定水平构造应力与埋深的对应的线性函数为:
σT=a*H+b,σt=c*H+d;
结合水平构造应力的取值范围,确定a、b、c、d的取值范围为:
以a、b、c、d作为应力边界条件参数,获得应力边界条件参数的数值范围。
3.根据权利要求1或2所述的复杂地质条件下初始地应力场加速优化反演方法,其特征在于,步骤S3中,采用径向基神经网络作为代理模型,将应力边界条件和测点高程作为网络输入,测点应力计算值作为网络输出,每个测点的应力计算值包括最大主应力值、最小地应力值及垂直主应力值。
4.根据权利要求1所述的复杂地质条件下初始地应力场加速优化反演方法,其特征在于,步骤S4包括:S41、确定遗传算法的参数,并在应力边界条件范围内随机产生多组应力边界条件作为父代群体;
S42、利用训练好的代理模型对每组应力边界条件进行预测,得到每组应力边界条件所对应的应力值;
S43、基于步骤S42中得到应力值对每组应力边界条件进行适应度评价,适应度均不合理,则迭代产生新的N组应力边界条件并进行适应度评价,直到产生适应度合理的应力边界条件;
S44、在适应度合理的应力边界条件中选择适应度最高的应力边界条件,并通过数值计算得到该应力边界条件下的应力值,将所计算出的应力值与实际测量应力值进行对比,判断两者之间的误差是否满足设定的要求,满足则该应力边界条件即为最优应力边界条件。
5.根据权利要求4所述的复杂地质条件下初始地应力场加速优化反演方法,其特征在于,当步骤S44中计算出的应力边界条件下的应力值与实际测量应力值之间的误差不满足设定的要求时,将该应力边界条件及对应的应力值作为一组样本加入到代理模型的训练样本中,重新训练代理模型,同时以该应力边界条件迭代产生新的N组应力边界条件,重复步骤S42到S44。
6.根据权利要求4所述的复杂地质条件下初始地应力场加速优化反演方法,其特征在于,步骤S43中,当适应度均不合理时,从所评价的应力边界条件中选择适应度最高的应力边界条件进行迭代。
7.根据权利要求4所述的复杂地质条件下初始地应力场加速优化反演方法,其特征在于,应力边界条件的适应度的评价方法为:使用代理模型预测一组应力边界条件下不同高程对应的水平最大主应力、水平最小主应力、垂直应力,并将这些应力值与实际测量值作差,以差值绝对值之和的负数作为该组应力边界条件的适应度。
8.根据权利要求1所述的复杂地质条件下初始地应力场加速优化反演方法,其特征在于,使用遗传算法进行寻优,适应性评估函数为负的拟合误差,基因个数为4,即4个应力边界条件,取值范围为(0,1),种群大小为100,变异率为0.1,选择率为0.6,代数为50,选择轮盘赌策略。
9.根据权利要求1所述的复杂地质条件下初始地应力场加速优化反演方法,其特征在于,所述步骤S2还包括:通过数值计算求得各应力边界条件下的测点应力计算值后,寻找出相对最优应力边界条件,并将该相对最优应力边界条件对应的应力值与实测应力进行对比,判断两者之间的误差是否满足设定的要求,满足则执行步骤S5,不满足则执行步骤S3。
10.根据权利要求3所述的复杂地质条件下初始地应力场加速优化反演方法,其特征在于,代理模型使用高斯函数作为径向基函数,高斯函数扩展参数使用固定值为0.1,使用训练数据训练径向基函数,使用K均值聚类进行无监督学习,确定15个聚类中心作为径向基函数的中心,然后计算径向基函数的激活值,随后使用最小二乘法求解径向基函数网络的权重。