岩石边坡工具 (Rock Slope Tool)是一个基于机器学习的代理模型，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。![]()
在FLAC2D中，这个工具称之为"Rapid 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提供安全系数，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常数安全系数(FoS)线。这些曲线在露天矿设计的早期阶段被用作指导，这个基于机器学习的代理模型能够快速预测给定坡度条件的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坡度设计曲线，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。![]()
这个代理模型是基于人工神经网络，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120,000个FLAC2D案例来生成训练数据。该模型对于估算初步坡度设计、特定条件下的排水目标以及教学目的非常有用。
![]()
3. 代理模型
因为稳定性图图表和解析解无法涵盖所有工程实践中的考虑因素，因此需要使用数值模型，但数值模型的计算往往耗时较长，在一定程度上限制了它们的使用。代理模型(Surrogate models)是基于机器学习的模型，这些模型经过对数值模型进行参数分析生成的合成数据集的训练可以回答特定问题。
3.2 创建代理模型的过程
(2) 定义每个参数的变化范围，并使用分层拉丁超立方设计实验方案。(3) 使用云计算在多台计算机上同时运行模型案例。(4) 监控模型运行的进度，下载数据并训练神经网络来预测结果。(5) 绘制结果向量的直方图，以确定在特定结果范围内代理模型的准确性。(6) 绘制测试集误差图，确保误差分布对应用是可接受的。(7) 将训练好的模型用于Python脚本或通过sklearn-porter包转换为网络使用。
4. 结束语
本文介绍了Itasca基于机器学习的代理模型: Rapid Tool---岩石边坡工具 (Rock Slope Tool)，这种方法代表了地质工程领域数值模型与机器学习结合的创新应用，可以大大提高工程设计效率，适用于现场应用、概率分析和教育培训，但其质量极大地依赖于训练数据的好坏。
5. 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.
