一种基于cGAN的土体力学参数智能识别方法

本发明公开了一种基于条件生成对抗网络（cGAN）的土体力学参数智能识别方法，能够利用远程土层图像、少量现场补充图像及工程经验参数，快速生成多维土体参数映射图（如土体密度、强度、渗透系数、黏聚力、内摩擦角等）。该方法首先构建多源图像及数值参数的条件向量；随后使用U‑Net生成器与Patch‑GAN判别器的条件生成对抗网络（cGAN），在最小化对抗损失和像素级多任务回归损失的双重监督下，学习条件向量到土体参数图的非线性映射；通过现场补充图像对网络进行微调，并结合施工监测数据实现动态更新。与传统钻孔实验或现场原位测试相比，该方法可在几分钟内完成目标区域土体参数智能识别，显著缩短设计周期、降低勘察成本，并满足快速军事工程、抢险救灾等场景下的“超前设计、超前施工、超前评估”需求。