基于t-SNE的多参数岩体结构面分步聚类方法

结构面聚类是进行岩体稳定性评价的重要步骤。常用聚类方法多以产状作为分组依据，忽略了结构面物理特性指标对岩体稳定性的影响。针对分组依据单一化的不足，综合考虑结构面倾向、倾角、迹长、张开度、填充状态和粗糙度的影响，提出一种基于学生分布随机邻近嵌入（student-distributed stochastic neighbor embedding，简称t-SNE）的多参数岩体结构面分步聚类方法。首先，利用t-SNE算法对除产状外的结构面特征进行数据降维；进而利用模拟退火算法搜索K-means算法的全局最优初始值，并采用分步聚类思想完成聚类。研究表明：所提方法有效地解决了高维空间样本稀疏的问题，同时保留了数据的局部结构与全局结构。新方法相比于传统方法能对空间分布相似区内结构面的物理特性进行精确划分，分组精度更高，且在避免复杂权重值计算的条件下，能有效区分产状与物理特性参数对岩体稳定性的影响差异。最后，将所提方法应用于中国新疆某露天矿坡结构面实测数据分析中，所得分组结果合理可靠，进一步证明该方法在实际工程中的有效性。研究方法可为多参数岩体结构面的分步聚类提供参考。