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。     

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。     

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...     

TBM施工岩爆微震监测的准确率及适用性研究

深埋隧道岩爆是困扰TBM施工安全和进度的重要因素,为此微震监测系统逐渐引入TBM施工对岩爆进行监测预警。然而,TBM施工微震监测的工程案例还很少,其监测预报的准确性和适用性存在争议。以新疆ABH工程和陕西引汉济渭工程为依托,对岩爆微震监测预报的等级和位置进行现场跟踪验证和分析,将岩爆按风险高低划分为Ⅰ、Ⅱ、Ⅲ共3个等级,给出了不同风险等级岩爆预测的准确率和适用性。结果表明：岩爆微震监测预报的准确率随着岩爆风险等级的增强而提高,对Ⅰ、Ⅱ级岩爆基本可以实现准确定位;引汉济渭工程Ⅰ级岩爆预测的准确率达到78.4 %,14.0%的Ⅰ级岩爆被预报为Ⅱ级,Ⅱ级岩爆预测准确率为55.2%,26.1%的Ⅱ级岩爆被预报为Ⅰ级;ABH工程Ⅱ级岩爆预测准确率为53.3%,46.7%的Ⅱ级岩爆被预报为Ⅲ级;Ⅲ级岩爆预测等级和定位的准确性都比较低。综合考虑岩爆预测的准确性以及施工安全、施工速度和防控措施的因素,建议：TBM工程仅存在Ⅲ级岩爆风险时,无需引入微震监测;存在Ⅰ级、Ⅱ级岩爆风险时,宜采用微震监测,以确保施工安全。     

基于9种机器学习算法的岩爆预测研究

岩爆预测是减轻乃至消除岩爆危害的基础。本文构建含325组岩爆案例的岩爆预测数据集,通过引入9种经典机器学习算法,建立9个考虑多因素的岩爆预测模型,发展并完善岩爆预测方法。模型建立过程中,采用空值填充、重采样等多项数据预处理技术对数据进行清洗、归一化及降维,解决了数据不均衡问题。通过特征提取与选择,获得岩爆预测的最优的特征组合,采用网格搜索交叉验证技术获得模型的最优参数。采用准确率、精确率、召回率、F_1值、宏平均、微平均等指标对模型预测性能进行验证与评估,并与常用理论判据的分类性能进行了对比。检验结果表明,所建模型的预测效果较好,且远好于单纯依靠理论判据所得的结果。最后,采用本文模型对西藏多雄拉隧道进行了岩爆倾向性分析,预测结果与现场情况具有较好的一致性。     

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。     

基于CRITIC-XGB算法的岩爆倾向等级预测模型

为了更精确地对岩爆倾向等级进行预测,根据岩爆的成因和特点选取了围岩切向应力,围岩切向应力和单轴抗压强度的比值,岩石脆性指数和岩石的弹性变形能量指数作为岩爆倾向等级预测指标,然后运用改进的CRITIC算法对指标样本进行加权处理,在此基础上引入新的机器学习算法XGBoost对样本进行计算训练,最终建立岩爆倾向等级预测的CRITIC-XGB模型。运用该模型对收集的岩爆实例进行了岩爆倾向等级预测,并将预测结果与XGBoost、随机森林(RF)和支持向量机(SVM)算法的预测结果进行分析研究。研究结果表明:CRITIC-XGB预测模型较单一的XGBoost模型的收敛性能有较为明显的提高;CRITIC-XGB预测模型较单一的XGBoost算法、RF和SVM算法,有更高的预测准确性,为岩爆倾向等级预测提供了一种新的可靠方法。     

对岩爆问题的探讨

介绍岩爆发生的机制、岩爆的特征及分类,并对岩爆的预测和防治进行了探讨。     

基于人工神经网络的岩爆预测

Based on the analysis of main causes of rockburst,the compressive strength,tensile strength,elastic energy index of rock and the maximum tangential stress of the cavern wall are chosen as the criterion indexes for rockburst prediction.A new approach using neural method is proposed to predict rockburst occurrence and its intensity.The prediction results show that it is feasible and appropriate to use artificial neural network model for rockburst prediction.     

基于粒子群算法和广义回归神经网络的岩爆预测

 岩爆是岩石深部开挖中一种常见的工程地质灾害。为评价岩爆发生的可能性,提出一种基于粒子群算法和广义回归神经网络模型(PSO-GRNN模型)的岩爆预测方法。该方法利用已有岩爆数据,通过神经网络技术建立回归模型,采用粒子群算法对模型参数进行优化,减少人为因素对神经网络设计的影响。据此方法,在能量理论的基础上,选取洞壁围岩最大切向应力、岩石单轴抗压强度、抗拉强度和弹性能量指数作为主要影响因素,利用国内外26组已有工程数据建立岩爆预测的PSO-GRNN模型。通过对苍岭隧道和冬瓜山铜矿岩爆预测的工程实例分析验证该方法的可行性和适用性。所提方法可为类似工程的岩爆预测提供参考。     

自组织特征映射神经网络在岩爆分级预测中的应用

岩爆是地下工程一种常见的动力灾害。为了提高岩爆预测精度和探究岩爆参数之间的潜在关系,本文借签一种自组织特征映射神经网络(SOFM),构建了岩爆烈度分级预测的无监督学习模型。结合国内外岩爆判据,选取围岩最大切应力、单轴抗压强度、单轴抗拉强度、应力系数、脆性系数及弹性能量指数6个参数作为评价指标。将46个典型的岩爆案例输入到竞争层为2×2拓扑结构的SOFM模型中进行训练。结果表明:SOFM模型具有可靠的聚类能力,其正判率为90%;与现有的有监督学习模型进行了比较,验证了本文建立的SOFM模型的优越性;最后,对SOFM聚类结果分析发现,脆性系数对轻微、中等及强岩爆的影响权重均较大,选取的6个评价指标对强岩爆和中等岩爆区分并不明显。     

基于先验知识的岩爆预测研究

 采用人工神经网络理论, 将岩爆先验知识作为学习样本, 建立了一种新的岩爆预测模型。研究表明, 与现有的其他岩爆预测方法相比, 所建议的模型更具客观性和通用性, 具有较高的预测精度。     

岩爆预测的概率模型

基于岩石单轴抗压破坏特征和强度概率分布规律，首次引入岩爆烈度是岩石概率破坏表现的观点，建立岩爆烈度与岩石单轴压缩强度概率密度函数的对应关系，进而确定不同应力强度比条件下各级岩爆烈度发生概率的计算式。该预测模型能够反映洞室岩爆发生的基本规律，并可以预测不同应力条件下的各级岩爆的发生概率。工程实例分析表明该预测模型是有效的。     

模糊可变集合与模型及在岩爆分级预测中的应用

在工程模糊集理论基础上，系统建立模糊可变集合理论、模型与方法，其中包括：差异函数的概念与定义、相对隶属度公式、模糊优选BP神经网络模型及级别特征值公式，并对相关公式进行了分析论证。提出模糊可变集合的预测方法，针对国内外一些岩石地下工程实例进行了分析，并用级别特征值对岩爆的发生与否及烈度大小进行预测，结果与实际情况吻合地较好，说明模糊可变集合综合预测方法是有效的。     

基于弹性应变能岩爆倾向性评价方法研究

 岩爆是深部矿产资源开采与地下工程建设中必须解决的关键科学问题之一。以岩石强度与整体破坏准则为基础,从弹性应变能是岩爆发生的内在动力出发,建立了岩爆烈度分级预测模型。研究表明：该模型考虑了原岩应力(地应力)、岩体完整性、岩石抗拉强度及泊松比对岩爆影响,反映了岩爆发生的力学要求、脆性要求、完整性要求及储能要求;揭示了岩爆既可沿洞室中心呈轴对称分布,也可揭示洞室不同部位的岩爆烈度会出现明显不同。针对无、弱、中等及高岩爆活动4个级别,提出了3个分级界限值(3、10和110)。利用已有的岩爆经典模型与本文模型,对国内一些重大深部岩石工程岩爆情况进行了预测,结果表明基于弹性应变能岩爆分析模型与实际情况吻合的较好。因而,弹性应变能的岩爆分析模型,对岩爆预测具有重要的意义。     

模糊概率模型在岩爆烈度分级预测中的应用

 岩爆是深部高地应力区岩石地下工程中的一种常见地质灾害,对其发生的可能性及其烈度分级预测是地下工程建设中亟待解决的重大课题之一。以模糊概率理论为基础,选取影响岩爆的一些主要因素,如洞壁最大切向应力sq、岩石单轴抗压强度sc、岩石单轴抗拉强度st以及岩石弹性能量指数Wet,并以sq /sc,sc /st和Wet作为评价影响因子,同时将岩爆烈度划分为无岩爆、弱岩爆、中岩爆和强岩爆4个等级,建立岩爆烈度分级预测的模糊概率模型。在此模型中,提出了模糊权重的概念,可充分考虑权重的模糊性。模糊概率模型不仅继承了经典模糊综合评判法的思想和优点,同时也克服了其在实际应用中评价影响因子权重取值的局限性,因而具有明显的合理性。应用该模型对冬瓜山深埋硬岩矿山、秦岭隧道工程以及某大型水电站地下厂房3个典型工程岩爆的实例分析表明,其预测结果与实际情况符合较好。为进一步考察该模型的可靠性与实用性,对国内外23个大型岩石地下工程实例进行计算分析,其预测结果与实际岩爆情况也相当吻合。由此可见,模糊概率模型为深部岩石地下工程岩爆预测问题提供了一种新途径。     

基于改进的灰评估模型在岩爆中的预测研究

岩爆是深部高地应力区岩体开挖过程中常见的一种复杂的动力失稳现象。由于影响因素众多,且各因素在岩爆的孕育过程中所起的作用尚不十分明确,可以将岩爆与其影响因素间的复杂关系当作灰色系统,利用灰色聚类方法进行研究。根据岩爆的成因及特点,选取洞壁围岩的最大切应力 、单轴抗压强度 、单轴抗拉强度 及岩石弹性能量指数 作为影响岩爆的主要因素,并以应力系数 / 、脆性系数 / 及弹性能量指数 作为评价指标,通过对灰色白化权函数进行优化,建立改进的岩爆预测灰评估模型。该模型解决了传统模型存在的灰类多重交叉性及不满足规范性等问题,理论上更完备。采用改进模型对国内外若干深部岩石工程岩爆初始数据进行研究,并与传统模型的预测结果进行对比,发现改进模型的结果与实际情况吻合更好,预测精度更高,从而验证了改进模型的有效性及实用性。研究方法为岩爆的准确预测提供一种切实可行的途径。