Generando planos estructurales estocásticos utilizando modelos estadísticos y modelos generativos de aprendizaje profundo: una investigación comparativa
Autores: Meng, Han; Xu, Nengxiong; Zhu, Yunfu; Mei, Gang
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Generando planos estructurales estocásticos utilizando modelos estadísticos y modelos generativos de aprendizaje profundo: una investigación comparativa
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Planos estructurales
Masas rocosas
Características de distribución espacial
Métodos estocásticos de generación de planos estructurales
Método de Monte Carlo
Método basado en cópulas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 22
Citaciones: Sin citaciones
Los planos estructurales son uno de los factores clave que controlan la estabilidad de las masas rocosas. Un entendimiento integral de las características de distribución espacial de los planos estructurales es esencial para identificar con precisión bloques clave, analizar la estabilidad de la masa rocosa y abordar varios desafíos de ingeniería de rocas. Este estudio compara la efectividad de cuatro métodos de generación de planos estructurales estocásticos: el método Monte Carlo, el método basado en Cópulas, las redes generativas adversarias (GAN) y los modelos de difusión denoise (DDPM), en la generación de planos estructurales estocásticos y la captura de posibles correlaciones entre los parámetros de los planos estructurales.
Descripción
Los planos estructurales son uno de los factores clave que controlan la estabilidad de las masas rocosas. Un entendimiento integral de las características de distribución espacial de los planos estructurales es esencial para identificar con precisión bloques clave, analizar la estabilidad de la masa rocosa y abordar varios desafíos de ingeniería de rocas. Este estudio compara la efectividad de cuatro métodos de generación de planos estructurales estocásticos: el método Monte Carlo, el método basado en Cópulas, las redes generativas adversarias (GAN) y los modelos de difusión denoise (DDPM), en la generación de planos estructurales estocásticos y la captura de posibles correlaciones entre los parámetros de los planos estructurales.