岩爆预测的最大熵最优相对隶属度方法

通过分析国内外岩爆预测的判据,选择岩爆发生所需的力学条件、完整性条件、储能条件和脆性条件作为岩爆预测指标.引入岩爆预测的相对隶属度概念,计算了岩爆的相对隶属度模糊矩阵和预测指标的权重,以信息熵来描述并比较岩爆评价中的不确定性,定义了加权广义权距离来表征岩爆的差异.根据最大熵原理建立了岩爆预测的模糊最优化模型,对一些岩石...     

基于BP神经网络的隧道岩爆预测模型研究

在分析岩爆主要影响因素的基础上,建立了基于BP神经网络岩爆预测模型,采用已有岩爆发生数据作为训练样本对网络进行训练,利用收敛的网络进行岩爆烈度预测,预测结果与实际吻合,说明利用人工神经网络预测岩爆发生烈度是一种可行的方法。     

岩爆预测问题的再探讨

系统介绍了目前岩爆预测中常用的两类方法:实测法和理论法,并对岩爆预测方法中存在的问题进行了探讨,提出了理论预测中两步法概念,同时提出了新的岩爆预测方法,以供今后岩爆预测时参考。     

岩爆预测的人工神经网络模型

选取岩石抗压强度、抗拉强度、弹性能量指数和洞壁最大切向应力作为岩爆预测的评判指标 ,建立了岩爆预测的神经网络模型 ,对岩爆的发生及其烈度进行预测。实例计算表明 ,用人工神经网络方法进行岩爆预测是可行有效的     

岩爆预测的多维云模型综合评判方法

岩爆是地下空间开发和矿业工程中遭遇的重大挑战,其倾向性预测是一个迫切需要解决的难题。针对其预测过程中的不确定性,在一维云模型理论的基础上提出了基于多维云模型的岩爆倾向性预测方法。将各个预测指标分别作为多维云模型的一维变量,根据云理论和岩爆预测标准,选取合适的云模型数字特征,考虑指标的信息量和相关性,改进CRITIC法确定预测指标权重,生成综合所有预测指标的对应于各个岩爆等级的多维云模型,输入指标实测值得到岩体隶属于各个岩爆等级的综合确定度,依据最大确定度原则判定岩体岩爆等级。以国内外20组典型岩爆实例数据验证本文模型的合理性和有效性,并与一维云模型、RS-TOPSIS方法的预测结果进行对比。结果表明,多维云模型应用于岩爆倾向性预测是有效的,其可以直观、快速判定岩体的岩爆等级,为岩爆倾向性预测提供了一种新方法。     

有关岩爆问题的研究综述

岩爆的预测和防治是众所周知的难题,因不可预见的地质变化很难及时、精确地预测和防治.文章结合文献资料及对岩爆的研究成果,从岩爆的定义、类型、烈度分级、岩爆的影响因素岩爆的预测及防治措施等方面总结了我国岩爆研究的现状.     

米仓山深埋公路隧道岩爆预测与防治对策研究

岩爆是地下工程中一种严重的地质灾害,其破坏性巨大,是一项世界性的难题。为对岩体岩爆危险性进行综合分析,提高岩爆预测精度,本文从理论分析和现场测量两方面归纳了学术界隧道岩爆判据研究现状,建立了岩爆综合分析与预测系统框架。以米仓山公路隧道为例,结合数值模拟和岩爆综合分析与预测系统对其岩爆的趋势进行了预测。结果表明,隧道开挖后,隧道周边产生较大的应力集中,而且开挖使隧道周边围压迅速降低,产生较大的主应力差,导致围岩发生岩爆。预测米仓山隧道K49+175~K50+650段以弱~中等岩爆为主,最大埋深段附近为中等岩爆,局部可能发生较强烈岩爆。针对工程进展情况和岩爆情况提出了相应的防治对策。     

LOF与改进SMOTE算法组合的强烈岩爆预测

为解决岩爆数据集中存在离群值、强烈岩爆数目少,导致强烈岩爆预测准确率较低等问题,提出LOF(local outlier factor)与改进SMOTE(synthetic minority oversampling technique)算法组合的方法。首先搜集国内外305组岩爆案例构建原始岩爆数据集,使用平均化处理法对数据集进行无量纲化处理;其次用LOF算法剔除各岩爆等级中的离群值,改进SMOTE算法在强烈岩爆样本与中等岩爆样本边界处增加强烈岩爆样本数目,增加少数类样本数目,在数据预处理阶段改善数据集结构;最后用6种常用机器学习模型分别对原始岩爆数据集和预处理后的岩爆数据集进行预测,验证预处理过程的有效性。结果表明:经过预处理后的岩爆数据集,整体的岩爆预测准确率平均提高18.35%,强烈岩爆预测准确率平均提高44.55%。因此基于LOF与改进SMOTE算法组合对岩爆数据集进行预处理,改善岩爆数据分布结构,能有效提高强烈岩爆预测准确率。     

人工鱼群投影寻踪回归在洞室岩爆预测中的应用

通过对国内外地下工程施工中所发生岩爆的实例进行分析,探讨了岩爆发生的机理,得出了影响岩爆发生的主要因素为:围岩最大切向应力σθ、岩石单轴抗压强度σc、岩石单轴抗拉强度σt和岩石冲击倾向指数Wet。针对传统岩爆预测分析方法存在的问题,提出了基于人工鱼群算法岩爆预测的投影寻踪方法,并建立了相应的岩爆预测分析模型。选取15个工程实例作为训练样本、3个工程实例作为预测样本,以σθ/σc、σc/σt及Wet3个指标作为影响岩爆发生主要参数,进行了地下洞室的岩爆预测实例检验。研究表明,用投影寻踪回归分析法进行岩爆预测,评价过程中无需人为确定权重,避免了传统预测方法由于主观原因造成的误差,预测结果具有较高的准确率、方法简单,为岩爆的预测提供了新途径。     

基于AHP-TOPSIS评判模型的岩爆倾向性预测

 为验证AHP-TOPSIS评判模型预测岩爆的可行性,依据层次分析法(AHP)与逼近理想解排序法(TOPSIS)的基本理论建立出岩爆预测评判模型,从岩性条件、应力条件与围岩条件3个方面选取岩爆发生的评判指标,再根据评判指标的临界值构建出岩爆等级判断准则,并通过AHP法客观确定各评判指标的权重向量,进而结合TOPSIS法分析贴近度并计算得出岩爆预测等级。实例应用得出,基于AHP-TOPSIS评判模型的岩爆预测结果与实际结果相吻合,同时与模糊数学的评判结果基本相符。该方法较全面地考虑了岩爆发生的多种影响因素,避免了单一判据的局限性,并对各种因素的重要性进行对比分析,使预测结果更为科学,可作为岩爆预测的理论依据,同时可为岩爆灾害预测提供一种可靠的新预测方法。     

基于小波分析和神经网络的静力触探土类划分

利用小波分析和BP神经网络,建立一种用于基于静力触探数据进行土类划分的神经网络模型。该方法基于实测数据,利用小波分析获得不同土层触探参数的特征值,并用BP神经网络建立特征值与土类之间的映射关系,从而得到BP神经网络分类模型。结果表明,该方法可以有效地进行土类划分。     

组合模型在建筑物沉降预测中的应用

对将BP神经网络与Verhulst模型组合,建立了一种组合模型,并结合天津老城厢晶典苑中级人民法院沉降监测工程实例,通过组合模型和BP神经网络模型、Verhulst模型预测值与真实值的比较,讲究表明组合模型具有较强的适用性,提高了Verhulst模型的预测精度。     

BP网络预测再生混凝土性能研究

利用BP神经网络模型,对再生混凝土强度及工作性能的预测方法进行了探讨。根据再生混凝土的特殊性,找出影响其强度和坍落度、保水性的主要因素,对试验中通过主观观察得到的数据进行量化,在此基础上建立预测其强度和工作性能的BP神经网络模型,针对所建模型,输入一定量的实测数据样本,对网络进行训练。为了验证训练好的网络的推广性能,用预留的一组试验数据进行仿真训练的效率和误差及仿真计算的结果表明,采用优化的BP网络模型及合适的样本参数训练出的预测系统对再生混凝土的强度及工作性能进行预测是可行的。     

基于BP神经网络混凝土抗压强度预测

在阐述BP人工神经网络原理的基础上,针对影响强度的主要因素,建立了多因子混凝土抗压强度3层BP网络模型,以每立方混凝土中水泥、高炉矿渣粉、粉煤灰、水、减水剂、粗集料和细集料含量及置放天数作为模型输入参数,混凝土抗压强度值作为模型的输出,对混凝土抗压强度进行了预测.实验结果表明:所建BP神经网络混凝土抗压强度预测模型最大...     

基于参数修正的既有供热管网改扩建优化设计研究

我国集中供热规模和热网长度逐年增加,传统的基于经济比摩阻的改扩建设计方案未考虑既有管网实际运行特性,易出现管径与设备选型偏大问题。提出基于实际运行数据修正优化模型的研究思路,通过既有系统实际运行数据对设计热指标、管道绝对当量粗糙度的修正,建立了一种以经济性指标为目标函数、基于遗传算法的既有管网改扩建优化数学模型。分析了优化设计的影响因素,并通过实际工程案例对优化设计方法进行了验证与说明,结果表明基于运行数据对设计关键参数的修正可有效提高热网的经济效益和容纳能力。     

基于BP网络的隧道围岩位移预测方法

介绍人工神经网络模型法的基本原理与步骤,探讨了隧道围岩收敛监测数据与人工神经网络间的联系,并建立了基于人工神经网络的隧道围岩收敛预报模型。以工程实例为背景,对隧道围岩的收敛变形进行预报分析。研究结果表明:BP网络预测值与实测值吻合程度很好,完全满足工程及控制的要求。     

高速公路沉降预测神经网络法应用研究

提出了改进的BP神经网络模型 ,把它应用到软基高速公路的沉降预测中 ,提出了两种构造神经网络训练样本基本思路 ,并分别进行了计算和对比 ,指出了各自的优、缺点。结果表明改进的BP网络模型比较稳健、收敛快 ,而且根据时间与对应的沉降量形成的样本训练的网络预测出的沉降误差小、精度高。     

基于神经网络的粉喷单桩荷载-沉降关系建模

本文探讨了神经网络在粉喷单桩荷载 沉降关系建模中的应用 ,针对较少的信息 ,提出了区间映射构造样本模式对的方法。通过实例 ,与其它多个模式进行对比 ,验证了所建模型的有效性     

软土变形特性的神经网络模型研究

根据软土三轴试验成果和神经网络技术建立不同应力路径下软土BP模型和软土蠕变BP模型,并通过独立试验数据验证模型的可靠性,说明神经网络模型可以作为土体建模的有效路径。通过不同训练方案的对比预测可知:作为软土变形试验的一种补充手段,神经网络模型更适用数据内插的预测。另外,训练样本的多少和可靠性对模型精度影响显著。     

基于递归神经网络的基坑工程变形多步预测方法研究

针对深基坑系统的复杂的非线性及基坑工程变形多步预测的重要性 ,将人工神经网络技术引入其中。分析了用BP网络进行多步预测时存在的不足 ,提出了基于递归神经网络的基坑工程变形多步预测模型。通过一软土深基坑工程变形多步预测实例的分析 ,论证了递归神经网络用于基坑工程变形多步预测的可靠性和实用性。该方法有效可行 ,在其他领域的多步预测中同样具有广阔的应用前景。