深埋隧道围岩变形预测的非线性组合模型

深埋隧道围岩变形受地应力、地下水、开挖方式等多种因素共同影响,表现为位移序列高度的非线性,为此,提出了基于变形信息融合的非线性组合预测模型。该模型以灰色GM（1,1）模型、RBF模型两种单项预测数据为基础,采用神经网络求取组合预测模型中单项模型所占权重,构建非线性组合预测,并将该模型应用于某深埋隧道围岩变形预测,同时将非线性组合预测的结果和简单平均定权组合、最优线性加权组合进行了比较。研究结果表明：所提出的方法较传统的定权方法在预测精度方面有明显的提高,预测结果更为稳健,在深埋隧道围岩变形预测中具有较好的工程和实践价值。     

基于灰色模型群的软岩巷道围岩变形预测

随着煤炭资源逐步转向深部开采,软岩巷道的支护问题显得尤为突出,巷道围岩变形监测及预测对巷道支护设计、维护等具有重要的指导意义。传统的预测方法多基于岩体力学理论,计算过程较为复杂。以巷道围岩变形原始数据作为参考数列,结合灰色系统理论,构建基于全数据GM（1,1）、新信息GM（1,1）、新陈代谢GM（1,1）等3类预测模型的软岩巷道围岩变形预测灰色模型群,并将其应用于预测某矿软岩巷道顶底板及两帮围岩变形位移。结果表明,利用该灰色模型群进行巷道围岩变形预测的精度较高,能较好地顾及围岩变形新信息对预测精度的影响,使得预测结果更加符合实际。     

灰色系统GM(1,1)在煤矿巷道围岩变形预测中的应用

分析了煤矿井下巷道围岩稳定性特征,并研究了灰色系统的基本理论知识,根据研究建立了基于GM(1,1)灰色系统的煤矿巷道围岩变形量预测模型。通过预测模型进行预测,结果表明,围岩变形量后验差比值为0.1396,精度等级为一级。因此,基于GM(1,1)灰色系统的煤矿巷道围岩变形量预测模型能够为现场开采和围岩控制提供指导。由于灰色系统理论具有一定的局限性,当预测序列长度太大时会逐步发散,因此,该模型只可作短时间内的预测。     

时间动态类模糊预测在煤矿深部巷道围岩变形预测中的应用

根据官仓煤矿深部巷道围岩变形的实测数据,建立巷道围岩变形的时间动态类的模糊预测模型,对巷道开挖过程中巷道表面位移进行预测,为深部巷道围岩变形的计算提供模糊理论方法。     

木城涧煤矿破碎软岩锚注加固与围岩变形预测研究

采用锚注技术对木城涧煤矿 706水平后槽底板巷松软破碎围岩进行加固试验,现场监测数据表明,掘进阶段围岩变形已基本稳定,锚注加固达到了预期目的。根据巷道围岩变形监测数据,建立了灰色GM(1,1)模型,对试验巷道围岩变形进行了预测研究,分析结果显示该预测模型较好地反应了巷道的真实变形情况。     

基于模糊灰色系统的深部巷道围岩变形预测模型及应用

针对深部巷道围岩变形预测问题，建立了一种基于模糊数学理论及灰色理论的模糊灰色系统预测新模型。首先根据模糊数学理论，对监测的数据样本进行模糊化处理，采用不同时刻历史数据赋予不同的隶属度，并引入巷道围岩变形影响因素的权重参数，将数据序列转化为一个带权重参数的模糊序列，再利用灰色理论建立具有新陈代谢功能的深部巷道围岩变形的模糊灰色系统预测模型（FGM）。同时在Matlab平台上开发了深部巷道围岩变形的模糊灰色系统预测软件，并成功的进行了工程应用。     

采矿巷道应变软化模型的稳定性研究

对于软岩破碎条件下的巷道围岩稳定性问题,建立巷道围岩变形破坏应变软化模型,将模型的相关参量进行敏感性分析,结果表明残余黏聚力对于巷道围岩变形敏感性最高,取值最为关键,进而解出优化参量组合。结合中关铁矿的工程背景,将数值模拟的结果与现场监测结果对比,结果表明基于应变软化模型得到的计算结果是比较合理的;应变软化模型可以反映出软破条件下巷道围岩变形破坏的特点,对于巷道围岩变形趋势预测、稳定性维护具有一定的理论指导意义。     

残差辨识模型在巷道围岩变形预测中的应用

巷道围岩变形预测在矿井安全工作中具有极其重要的作用,在对阜新市王营矿巷道围岩变形进行深入而系统的分析基础上,采用残差辨识模型的预测方法,借助于计算机对巷道的围岩变形进行预测,其结果和与实测值基本趋于一致,由此看出将GM模型理论和巷道的围岩变形预测相结合,计算过程简单,结果也较传统的预测方法更为准确。     

基于非线性分析的隧道围岩变形研究

应用GM(1,1)与RBF两者去预测信息,并结合非线性预测模型中的变形数据,用其与某围岩变形的结果同简单平均定权组合、最优线性组合相对比,通过神经网络将单项模型在组合模型中所占有比重运算出来。结果显示:此模型预测隧道围岩发生变形,结果相对于传统定权方式预测结果更加可靠,精度上有比较显著的提升,在实际应用中凸显了不错的工程和实践价值。     

软岩锚注巷道围岩变形量的时序预测

为反映软岩锚注巷道围岩的变形在时间上的变化规律，利用径向基函数RBF神经网络强大的非线性映射能力，通过已经观测到的巷道围岩变形数据，建立软岩锚注巷道围岩变形量的时序预测模型．利用训练好的模型和当前观测数据得到了软岩巷道在锚注之后3，9，15及30d的顶底变形量和两帮相对变形量．实例分析表明，该预测模型能弥补现场观测和数值模拟的不足，预测结果具有较高的精度．同时也说明锚注支护能有效控制软岩巷道围岩的变形．     

煤巷围岩变形预测系统的构建及应用

根据煤巷围岩收敛变形的监测数据,运用非线性拟合技术,选择4种非线性函数建立了煤巷围岩变形预测模型,实现对巷道围岩变形监测数据的回归分析与预测,并基于VB编程方法构建了煤巷围岩变形预测系统,实时动态反映煤巷围岩的稳定状态。     

基于动力系统自忆性原理的地下工程围岩变形预测方法

将“动力系统自记忆原理”引入到地下工程围岩位移时间序列预测研究,以量测得到的围岩位移时序数据作为围岩非线性动力学演化模型的一个特解,采用双向差分原理反导出围岩位移非线性常微分方程。以此作为微分动力核,运用自记忆原理建立了地下工程围岩变形预测的自记忆模型、方法和预测程序。将该方法应用于广西铜坑锡矿505 m中段巷道和湖北水布垭电站尾水隧洞围岩位移预测,研究结果表明：围岩位移自记忆预测模型具有较高的预测精度,对不同地下工程围岩时序曲线形态具有较强的适用性。     

寺河矿采区巷道修复收敛变形分析及发展趋势预测

寺河煤矿采区巷道围岩条件差有时会发生严重破坏,这影响正常的煤矿生产,并容易产生安全问题。文章根据寺河煤矿采区巷道的多种支护情况,通过收敛变形记录对神经网络模型进行训练,建立了相适应的BP神经网络预测模型。通过该神经网络模型成功预测修复后巷道的收敛变形发展情况,预测结果与实测值相似度达85%以上。     

巷道围岩稳定性分类的GSM-SVM预测模型

为准确预测巷道围岩稳定性类别,提出了基于网格搜索法(GSM)优化支持向量机(SVM)的巷道围岩稳定性预测模型。选取22组巷道围岩数据作为学习样本,以水平地应力与巷道夹角、顶板岩性、水的影响和巷道断面积4个指标作为模型输入,巷道围岩稳定程度作为模型输出,同时为增强模型的泛化性能和预测精度,采用改进的网格搜索方法优化支持向量机参数,最终构建基于GSM-SVM的巷道围岩稳定性预测模型。然后运用该模型对8组巷道围岩数据进行预测,并同BP神经网络模型的结果进行对比。结果表明,GSM-SVM模型的预测结果与实际结果吻合,正确率达98%,具有比BP神经网络模型更高的精度。     

基于ARMA时序分析模型的巷道围岩变形预测

在巷道支护工程中,由于围岩自身构造条件复杂,加之围岩所处的应力环境和巷道施工工艺等诸多因素的综合影响,导致开挖后巷道围岩的变形会受到各种因素综合作用且随时间的推移而逐渐变化,即巷道围岩变形与上一时段的围岩变形和围岩自身干扰项有关。针对围岩变形的这一特征,运用围岩的流变力学理论,在Burgers本构模型基础上引入ARMA时序预测模型,将上一时段内的围岩变形和围岩自身干扰项考虑进来,建立围岩流变的时序分析模型,揭示围岩的变形规律,及时地反映巷道在服务期限内各个时期的围岩变形发展趋势,目的是起到"新奥法"支护技术的及时监测与及时反馈的作用,为支护的设计与施工调整提供更多数据参考。     

动力失稳下煤矿巷道围岩松动变形特征与支护参数研究

为了提升煤矿巷道围岩的稳定性,解决现有支护方式支护效果差的问题,分析煤矿巷道在动力失稳状态下的围岩松动变形特征,实现支护参数的优化计算。探测煤矿巷道围岩内部结构,根据动压巷道围岩变形的影响因素及其作用方式,建立煤矿巷道围岩动力失稳模型。在该模型下,通过确定应力变化规律和应力—应变关系,得出围岩松动变形的特征分析结果。参考围岩松动变形特征,确定合理的支护方式,得出锚杆长度、锚间排距、组合拱厚度等支护参数的计算结果。根据变形特征与支护参数结果,进行数值模拟分析,完成围岩松动变形支护。将模拟结果应用到实际的松动变形修复工作中,能够控制围岩松动变形量控制在要求范围内,降低裂缝破坏程度。     

回采巷道围岩稳定性的神经网络控制

建立了煤矿回采巷道围岩分类与支护设计人工神经网络（ＢＰ网络）模型及巷道变形预测二级神经网络模型，并通过网络自适应、学习与匹配联想，得出了巷道围岩类别与支护强度及支护方式相对应的结果。同时，通过巷道变形预测二级神经网络模型预测了巷道顶底板移近速度，两帮移近速度及围岩动态。试验表明，神经网络（ＮＮ）输出结果与实际拟合良好。     

基于BP神经网络模型的巷道变形预测系统开发

通过应用基于BP神经网络模型系统对某矿山巷道围岩的实测变形值进行神经网络模拟,成功预测了巷道围岩的变形,有利于巷道支护设计和生产组织.     

回采巷道围岩稳定性的神经网络控制

建立了煤矿回采巷道围岩分类与支护设计人工神经网络（ＢＰ网络）模型及巷道变形预测二级神经网络模型，并通过网络自适应、学习与匹配联想，得出了巷道围岩类别与支护强度及支护方式相对应的结果。同时，通过巷道变形预测二级神经网络模型预测了巷道顶底板移近速度，两帮移近速度及围岩动态。试验表明，神经网络（ＮＮ）输出结果与实际拟合良好。     

接触带巷道非等时距变形量预测方法分析

针对接触带巷道监测试验采集到的变形数据序列的非等时距问题,分别运用分段三次Hermite插值和嵌入时间影响因子Δt并重构模型背景值两方面分析了接触带巷道非等时距变形量的建模方式,建立了非等时距预测模型,通过同一组非等时距监测值的计算验证表明,含Δt的非等时距Verhulst模型更适用于接触带巷道围岩变形量预测,预测精度由勉强合格提高到好。