Page 69 - 水利学报2021年第52卷第5期
P. 69
图 6 DensityPeak 算法搜索聚类中心
图 7 三维联合分布概率密度估计结果
分组数量为 3 组。将决策图中的点映射回三维坐标
系内可以定位三个聚类中心的位置，如图 6 所示。
在 DensityPeak 决策图上自动搜索聚类中心附近的
标签数据，设定标签数据在决策图中纵坐标的阈
值为图 6 中的红色虚线，最终得到的每一组的标签
数据为 20 个。
其次，利用所有实测数据点以及 DensityPeak
算法自动搜索得到的标签信息对 DPCAF 模型进行
训练。图 7 对训练完成的 DPCAF 模型从分布拟合 图 8 坝基三维离散裂隙网络随机模拟范例
空间的数据中学习的三维联合概率密度的形状进行了可视化，其中对于每组裂隙绘制了两个半透明
的等概率密度曲面。
再者，结合钻孔图像与开挖面测窗中的裂隙数据，通过体密度估计得到三组裂隙网络中裂隙数
量分别为 530、460 与 470，并采用泊松过程对圆盘裂隙的中心点位置进行随机模拟。经过拟合优度
检验，三组裂隙的实测迹长都服从对数正态分布。假设圆盘裂隙直径服从 Gamma 分布，通过动态优
化得到第一组的形状参数为 3.804，逆尺度参数为 0.827，第二组的形状参数为 3.075，逆尺度参数为
1.235，第三组的形状参数为 4.982，逆尺度参数为 1.400。
表 1 迹线随机模拟范例数值检验
迹长/m
第一组实测 第一组模拟 第二组实测 第二组模拟 第三组实测 第三组模拟
方差/m 2 2.85 3.00 5.67 6.28 10.2 9.33
单尾 F 检验 P 值 0.399(>0.05) 0.239(>0.05) 0.269(>0.05)
均值/m 3.04 3.11 3.73 3.88 5.75 6.13
双尾 t 检验 P 值 0.739(>0.05) 0.542(>0.05) 0.276(>0.05)
— 571 —
