基于深度学习的堆石料级配智能识别与压实质量预测模型

摘要

堆石料级配以及压实质量是决定高堆石坝填筑施工安全及长期变形稳定的最重要因素，在西南最大的坝高为303m，总填筑量约为4.315×10?m3的某大型水电站砾石土心墙堆石坝建设过程中为解决传统的级配检测方法及其压实质量评判滞后、代表性差的问题而建立基于深度学习算法下的堆石料级配智能辨识及压实质量预测模型。利用施工现场拍摄照片以及SAM图像分割功能建立堆石料粒径智能识别模型，并能对颗粒进行分割处理并得到相应的特征值以及计算出其相应级别的级配比例。然后，利用混合级配特性、碾压参数和施工环境等多个来源的数据建立一种以改进型的卷积神经网络（CNN）加长短时记忆网络（LSTM）为基础的压实质量预测模型；最后用实测值来校核这两种模型。