岩石边坡工具 (Rock Slope Tool)是一个基于机器学习的代理模型(Surrogate models)，用于快速预测给定边坡条件的安全系数，发展这个工具的初始意图是用来快速进行露天矿坡道(inter-ramp)边坡的稳定性分析。初始的岩石边坡工具是一个网页版，后来集成到FLAC2D和FLAC3D中，这个工具是对经典边坡稳定性图的扩展【边坡稳定性分析的经验方法---边坡稳定性图(Slope Stability Charts)】。从岩石工程实践的角度来看，就目前的发展水平，这只是个"教学工具"，对岩石边坡稳定性评估还不能产生出质的突破，不过采用的研究方法具有潜在的应用价值。需要指出的是，这个工具在D-Factor的设置上仍然存在bug (如下图所示)，不能自动保存输入的数值。![]()
目前的Rock Slope Tool 其材料特性简要总结如下：(2) 材料模型采用广义Hoek-Brown准则；
该工具是在Itasca软件代理模型上训练的机器学习驱动的交互式工具，可根据一系列可调整的输入即时获得安全系数，从而了解不同参数和相互作用的影响。
在该工具中，边坡设计曲线被定义为在边坡高度和边坡角度轴上绘制的安全系数(FoS)线，这些曲线用来指导在露天矿边坡设计的早期阶段，这个基于机器学习的代理模型能够快速预测给定边坡条件的FoS。该模型用于为一组特定的岩体特性、水位位置以及一个描述Hoek-Brown D因子空间分布的因素绘制边坡设计曲线，该因素可以基于GSI材料属性计算或由用户设定。随着输入参数的变化，FoS预测和坡度设计曲线将被展示。这个代理模型基于人工神经网络，经过与FLAC2D数值模型进行的参数研究结果训练而成。共运行了超过12万个FLAC2D案例来生成训练数据，该模型对于估算初步边坡设计、特定条件下的排水目标以及教学目的非常有用。![]()
3. 创建FLAC模型
这个岩石边坡工具可以导出两种FLAC模型数据文件，一种是传统的FLAC命令文件，另一种是Python类型的文件。FLAC模型计算的FOS=1.45，如下图所示。 ![]()
Hoek-Brown材料性质:
zone cmodel assign hoek-brownzone property density [rho] young [E] poisson [nu] tension [t]zone property geological-strength-index [GSI] ... constant-sci [sci_val] constant-mi [mi] ...zone property flag-evolution 1 flag-fos 0
4. 参考
[1] (2024) Using Itasca Software to train machine learning surrogate models. [2] (2024) Practical Applications of a Machine Learning Function for Slope Stability.[3] (2024) Slope Design Curves with Machine Learning.
[4] (2023) Implementation of Surrogate Models for the Analysis of Slope Problems.
[5] (2020) Surrogate Models in Rock Mechanics: Integrating Numerical Modeling and
Machine Learning.
