一种基于深度学习的膨胀土边坡冻融裂缝深度的计算方法

1.一种基于深度学习的膨胀土边坡冻融裂缝深度的计算方法，其特征在于所述方法包括如下步骤：步骤S1：采集电信号数据集步骤S101：膨胀土试样的制备：将不同的环境、温度和边坡的膨胀土烘干后碾碎、过筛、加水拌匀制成膨胀土试样，然后对膨胀土试样进行冻融循环实验，并记录相应的冻融裂缝深度；步骤S102：电化学测试：在膨胀土试样两端埋设石墨电极并连接导线，把导线连到电化学工作站上，首先测试膨胀土试样的自然电位，即静置电位，然后用电化学工作站进行调零；最后采用50mV的扰动电压进行测试，测量频率范围为10 5 Hz到0.05Hz，得到不同裂缝深度的膨胀土试样电信号数据集；步骤S2：处理电信号数据步骤S201：将步骤S1采集的电信号数据集分为两组，一组标记为样本集A，另一组标记为样本集B；步骤S202：对样本集A以及样本集B分别进行打标，使每组电信号分别对应实际的裂缝深度；步骤S3：训练模型步骤S301：基于深度学习技术将步骤S201中得到的样本集A作为模型训练数据；构建VGG-16卷积神经网络，输入不同裂隙深度的膨胀土电信号数据集A，提取训练集特征；步骤S302：采用深度学习技术CNN做监督学习，进行数据训练，得到膨胀土裂缝深度识别计算模型；步骤S4：验证与调优模型步骤S401：将步骤S201中得到的样本集B作为输入参数，输入步骤S302得到的膨胀土裂缝深度识别计算模型中；步骤S402：对膨胀土裂缝深度识别计算模型输出结果与样本集B中对应的深度数据进行比较；步骤S403：基于对比结果，对膨胀土裂缝深度识别计算模型训练权重参数及网络拓扑参数进行优化；步骤S5、应用模型在地表2点布置2个石墨电极，通过测量仪器向输入端释放类似于正弦波动的电信号，电信号的扰动电压50mV，测量频率范围为10 5 Hz到0.05Hz，然后在接收端提取被扰动后的反馈讯息，利用优化后的膨胀土裂缝深度识别计算模型对采集的电信号反馈信息进行识别，从而观测到裂隙的发育情况。 2.根据权利要求1所述的于深度学习的膨胀土边坡冻融裂缝深度的计算方法，其特征在于所述S302具体步骤如下：步骤S30201：训练CNN模型，所述CNN模型包括依次连接的RPN网络以及RoI Pooling网络；步骤S30202：基于深度学习技术，使用CNN模型对膨胀土裂缝深度数据集进行训练。