| 以下仅列出文章摘要、提纲简介，如需获取全文阅读权限，或原创定制、长期合作，请随时联系。 微信QQ:312050216 |
 |
 |
| 基于稀少样本数据的地应力场反演重构方法 摘要：地质灾害大都与地质体内部的应力分布状态有着密切的联系，地质灾害的发生一定伴随着应力场的改变。但是限于场地和经济等方面的约束，不可能在现场开展全面的地应力测量，且地应力场受地质构造和岩性的影响，分布具有非线性、不连续特征。如何依据有限的地应力实测数据准确地构建地质体内部地应力场分布状态，是工程建设和防灾工作的前瞻性问题与挑战。本文提出一种基于小样本数据预测的地应力场反演计算方法，基于MATLAB构建GMDH网络平台，该网络平台具有结构最优性和预测精确性等优势，算法克服了传统神经网络方法假设过多（网络结构假设）和网络结构过于简单等缺点。为了验证算法的有效性，构建二维复杂地质边坡进行地应力场的反演；并对杏山铁矿地应力场进行反演和重构。结果显示，在小样本数据地应力场反演中，算法具有较高的精度和效率，表明该方法具有良好的泛化性和较高的非线性数据预测性。因此，该方法能够为小测点的工程区域提供一种地应力场重构的新思路。 关键词：小样本数据；GMDH算法；地应力场反演 |
