6、利用无损指标的深度神经网络估算花岗岩材料抗压强度

利用无损指标的深度神经网络估算花岗岩材料抗压强度

1. 引言

花岗岩作为建筑材料，在世界各地众多具有考古价值的古迹中得到广泛应用。由于古迹原位风化，评估花岗岩的无侧限抗压强度（UCS）对于判断古迹的结构完整性至关重要。但根据现代古迹保护原则，从古迹中获取完整花岗岩样本测定其UCS通常不可行。因此，对古迹原位材料进行无损检测，并利用文献中的回归关系将其与花岗岩UCS关联起来，成为一种可行的替代方法。

文献中提出的经验关系大多涉及无损检测输入参数，如有效孔隙率（$n_e$）、压缩波速度（$V_p$）和施密特回弹锤（$R_n$），而非破坏性测试指标，如点荷载强度（$I_{s(50)}$）。以下是部分利用这些参数估算岩石UCS的经验关系：
| 参考文献 | 经验关系 | 输入参数范围 | UCS范围（MPa） |
| — | — | — | — |
| [33] | $UCS = 78.22n_e + 201$ | $n_e$：0.14 - 1.07% | 110 - 193 |
| [30] | $UCS = 124.28n_e^{-0.56}$ | $n_e$：0.64 - 3.72% | 63 - 197 |
| [33] | $UCS = 35.54V_p - 55$ | $V_p$：4740 - 6690 m/s | 110 - 193 |
| [30] | $UCS = 0.004V_p^{1.247}$ | $V_p$：2339 - 5753 m/s | 63 - 197 |

有效孔隙率是一个物理指标，反映了岩石中相互连通的空隙空间大小。岩石的孔隙率受颗粒大小、形状和风化程度影响。测定孔隙体积时，将岩石样本浸入脱气