雷达实测围岩松动圈的研究

采用RAMAC地质雷达，对某煤矿的一条典型巷道进行围岩松动圈的测试研究，结果表明了地质雷达用于巷道松动圈探测的可行性，并总结了几点体会。     

巷道围岩松动圈形成机理的动静力学解析

考虑巷道围岩在开挖过程中的动静力作用,提出了围岩松动区包含破碎区和塑性软化区两个部分。首先在围岩的瞬间卸载所产生的动力作用下,巷道周边围岩产生张拉裂隙破坏区,随后在原岩应力的静压作用下,产生拉剪复合破坏形成破碎区。塑性软化区是在原岩应力的静压作用下,随围岩变形的增大逐渐形成的。同时,根据弹性力学知识,得到巷道围岩由于开挖扰动和原岩应力作用引起的弹性应力场和位移场,提出了破碎区半径的求解方法。根据破碎区围岩应力的分布及残余强度理论,得到破碎区对塑性软化区的支撑反力,再利用塑性区的应力计算公式,得到了确定围岩松动区半径的计算公式。通过实例计算与实际监测对比表明,松动区的半径与现场实际观测到的结果吻合的较好。     

岩性弱结构巷道围岩的塑性区与松动圈形态

根据煤系地层赋存的不均一性和巷道围岩变形破坏的不均衡性，提出了巷道围岩弱结构与弱结构体的概念：在数值模拟及现场实测的基础上，分析了不同类型、断面形状及围岩应力状态下的岩性弱结构巷道塑性区的分布特征，以及岩性弱结构巷道围岩松动圈的发育特征。研究结果为岩性弱结构巷道的非均称控制提供了依据。     

松动圈测试技术在巷道支护设计中的应用

巷道开挖后,破坏了原岩的应力平衡状态,产生一定的松动破坏范围,即围岩松动圈.围岩松动圈是巷道支护选型的重要参数,文章在综合分析区域地质(震)特征、开采技术条件的基础上,进行了现场工程地质动力失稳调查,并利用松动圈测试技术进行了围岩损伤与变形的监测,监测结果表明,巷道支护结构是合理的,对同类型巷道的锚杆支护选型具有一定的借鉴意义.     

爆破循环对围岩松动圈的影响

基于松动圈的现场测试结果,研究声波波速沿孔深的变化规律以及爆破施工对于松动圈的影响。结果表明,波速沿径向逐渐增大,经历一个波峰后又逐渐降低,最后趋于稳定。每一循环进尺,测区中都存在强化和弱化区域,分布比较复杂,与爆破前松动圈的大小以及爆破效果密切相关。而爆破循环的累积影响效应表明,弱化带位于裂隙区,其损伤是纵波和横波共同作用的结果;强化带位于应力集中区,主要得益于爆破的震实效应以及碎胀力的挤压。当测孔离掌子面达到一定距离之后,波速虽有小幅的调整但不影响松动圈的形状,应力集中区不会产生偏移,据此得出松动圈测定的原则和时机。沿着隧洞轴线方向,当测点离掌子面一定距离之后,波速趋于稳定,据此给出爆破施工影响范围的确定方法。爆破循环对于围岩松动圈影响范围的确定,可为软岩隧洞的围岩支护以及硬岩隧洞岩爆的防治提供依据。     

地下洞库围岩松动圈的声波法测试

以山东某化工企业建造的地下洞库项目为工程实例,详细介绍了采用声波法测定松动圈的原理及过程,结合实际测试数据,对松动圈范围进行了判定,并对后期工作在洞室开挖方式选择、锚杆长度确定等方面提出了建议,对同类工程有较强的参考意义。     

深井巷道围岩松动圈影响因素实测分析及控制技术研究

对千米深井,按５个水平、不同岩性及是否受采动影响的围岩松动实测分析揭示了松动圈与开采深度、围岩强度、等的关系,进而探讨了深井、松动圈巷道合理控制技术,据此行了工业性试验,取得良好的效果。     

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。     

滑坡加固方案优化的并行进化神经网络方法研究

提出了一种新的滑坡治理优化设计方法。首先在极限平衡法结合有限单元法的基础上，初步设计出数十种不同的加固方案的设计参数，并分别分析其治理后的稳定性以及防治工程造价；继而运用进化神经网络建立设计参数与稳定性及加固方案造价之间的非线性映射关系；最后以此关系模型输出的造价为目标函数，以预测的安全系数大于某一要求值为约束条件，再利用并行遗传算法在全局范围内快速地搜索出最优的设计参数，优化选择合理的滑坡加固方案。该方法已应用于三峡库区滑坡防治工程中，并取得了良好的经济效益和社会效益。     

位移反分析的进化神经网络方法研究

将人工神经与遗传算法相结合,提出了一种用于位移反分析的进化神经网络方法,这种方法基于正交试验获得的样本进行学习,用遗传算法搜索最优的神经网络结构,并用最佳推广预测学习算法训练此网络,以此训练好的网络描述岩体（土）的力学参数与岩体位移是非线性关系,再应用遗传算法从全局空间上搜索,进行岩体力学参数的最优辩识。作为例子,文中给出了弹性问题的反分析,结果是令人满意的。     

大型洞室群稳定性与优化的并行进化神经网络有限元方法研究--第一部分:理论模型

提出并行进化神经网络有限元方法，通过有限元计算构造样本，用并行进化搜索到的神经网络学习并建立计算方案与地下洞室关键点最大位移和破损区体积之间的映射关系；随机产生一组初始方案，以关键点最大位移和破损区体积大小与参考值的差值比加权和作为评价指标，对该组方案进行遗传操作，产生下一代可行方案，由此进行下一步操作直至找到最优方案。利用自主开发的基于WINDOWS平台的并行计算环境(RsmVPC)来实现并行计算，该方法使得大规模优化问题在PC机群上实现了并行求解，提高了计算速度、规模与精度。     

混沌神经网络在深基坑开挖侧移预测中的应用

以混沌理论为基础 ,由去偏复自相关函数确定输入神经元的数目 ,通过含有隐层的误差反向传播神经网络输出预测值 ,对神经网络输出的“尖点”预测值进行混沌控制 ,通过参数控制法确定预测值 ,使预测结果更加准确。最后将该方法应用于北京市北新桥地铁车站深基坑的侧移预测 ,取得较好的预测结果     

小波神经网络预测混凝土强度研究

小波神经网络是将小波理论和神经网络理论结合起来的一种神经网络 ,它避免了BP神经网络结构设计的盲目性和局部最优等非线性优化问题 ,大大简化了训练 ,具有较强的函数学习能力和推广能力及广阔的应用前景。小波神经网络用于混凝土强度预测的结果表明 ,它比传统的BP神经网络的收敛速度快 ,预测精度高     

基于神经网络的放煤巷道支护方案优选

根据急倾斜煤层巷道放顶煤采煤法的特点，分析了影响放煤巷道稳定性的因素，建立了基于改进型BP神经网络的放煤巷道支护方案优选和稳定性预测模型，为放煤巷道的支护设计和急倾斜煤层放顶煤开采的高产高效提供科学依据和可靠保障，应用结果表明：采用改进型BP神经网络建立的模型，收敛速度快，预测精度高，有较大的实用价值。     

偏最小二乘回归神经网络模型在大坝观测资料分析中的应用

偏最小二乘回归方法能较好地解决自变量之间的严重相关性问题，神经网络模型可以克服模型必须是基本观测数据的线性和非线性组合的局限。研究将两者有机地联系起来，建立偏最小二乘回归神经网络模型，以克服上述不足。实例分析表明，本模型预报精度较高。     

人工神经网络方法在海州矿边坡不稳定区圈定中的应用

边坡稳定性受工程地质、水文地质条件和人工活动（开挖或防护）等因素的影响，这些因素决定了滑坡的具体形态，然而，上述因素与滑坡形态之间很难找到某种确切的关系，海州矿非工作帮边坡从建矿到目前，已发生过70多次滑坡，规模较大且有详细资料记录的滑坡60多次，将这些丰富的滑坡资料进行整理，并尝试运用人工神经网络方法，将工程地质因素，如滑落层的内摩擦角和倾角，滑落层走向与边坡走向间的夹角，剪切带长度、降雨量、断层、坡高等因素作为网络的输入，以滑坡体的长度、宽度和顶部裂缝距坡顶的距离作为网络的输出。各因素与滑坡体的长度、宽度和顶部裂缝距坡顶的距离之间的非线性动力学关系由网络的结构描述，网络训练好以后便可用于对潜在不稳定区范围的预报和圈定，这样，一方面可以有针对性地采取整治措施。另一方面，可以据此进一步分析和验证按传统方法所圈定的边坡是否存在滑坡的危险性。     

土钉位移的BP神经网络预测

目前神经网络进行预测的建模思路主要有两种:一种是基于前期位移数据;一种是基于位移影响因素的变化。这两种方法预测的准确性都有待提高。综合二者对土钉支护的位移进行预测并与第一种方法进行对比,结果表明,这种方法由于具有更高的准确性。