降雨条件下某露天矿不同荷载作用的边坡稳定性分析

降雨一直是引发滑坡灾害的主要因素之一,在历年来的滑坡事故案例中,80%以上的滑坡都有降雨伴随。以西北某露天矿边坡为研究对象,开展室内试验获取各岩层在天然状态和饱水状态下的岩石力学参数,运用拟静力法和流固耦合原理进行数值模拟,对边坡应力应变的分布变化进行了研究,分析塑性区分布状态、关键点位移的变化趋势,模拟计算确定3种不同工况(降雨、降雨+爆破、降雨+地震)下终了边坡稳定性的安全系数,判断边坡的稳定性,并分析了降雨导致地下水升降对边坡稳定性的影响。结果表明,该露天矿初步设计的边坡稳定性较好,符合相关规范,为该矿山后续的边坡开挖施工提供了相关理论依据。     

基于主客观组合赋权-云模型的边坡稳定性评价

边坡工程在外力作用下易造成滑坡、泥石流等地质灾害,严重影响周边的人民生命财产安全。选取边坡角、边坡高度、天然容重、孔隙水压力比、黏聚力、内摩擦角等6个评价指标,运用CRITIC法和序关系分析法(G1法)分别计算6个评价指标的客观权重和主观权重,并用博弈论对权重进行组合赋权,最后确定综合权重。结合正向云发生器,计算出边坡不同等级的隶属度,并与CRTIC法评价结果及实际等级进行对比,结果表明：边坡稳定性评价的准确率与权重息息相关,利用CRITIC-G1云模型所得的组合权重准确率高达91.7%,而CRITIC法的准确率仅为75%。随机抽取5组数据检验CRITIC-G1云模型的合理性和可靠性,结果显示CRITIC-G1云模型的边坡稳定性等级评价结果与实际边坡稳定性等级相吻合,证明该方法可以用于边坡稳定性的分析与评价。     

基于SSA-BP神经网络的岩爆烈度等级预测

随着深部开采战略在我国的发展,岩爆愈加成为我国资源开采时必须面对的地质灾害之一。为提高传统误差反向传播（Back Propagation,BP）神经网络模型进行岩爆预测的准确性与有效性,采用麻雀搜索算法（Sparrow Search Algorithm,SSA）优化传统BP神经网络,提出一种基于麻雀搜索算法优化BP神经网络的岩爆预测模型(SSA-BP模型)。在考虑岩爆产生的内外因基础上,选取相关岩爆预测指标,利用国内外100例已有工程岩爆数据建立SSA-BP模型,并与传统BP模型、粒子群算法（Particle Swarm Optimization, PSO）优化支持向量机（Support Vector Machines, SVM）模型对比。结果表明：SSA-BP预测模型的有效性和准确度皆高于传统BP模型和PSO-SVM模型,同时SSA-BP模型训练集的均方误差(Mean Square Error,MSE)为0.081,比传统BP模型（0.25）降低67.7%,可为类似工程的岩爆预测提供科学依据。     

基于博弈-灰靶模型的岩爆烈度等级评价

岩爆一直是深部高应力地下工程面临的一大难题，为了有效预测和评价地下岩体工程的岩爆灾害，建立了基于博弈论组合赋权-灰靶决策的岩爆烈度等级评价模型。首先，选取岩石单轴抗压强度与抗拉强度的比值σ_c/σ_t、切向应力与单轴抗压强度的比值σ_θ/σ_c、弹性变形能指数W_et和完整性系数K_v等定量化指标建立评价指标体系，运用Critic法、变异系数法和熵权法分别计算出各个指标的权重，再根据博弈理论对权重进行优化，进而确定博弈论组合赋权；然后，结合灰靶决策理论，建立不同岩爆烈度等级的综合靶心距分布集；最后，通过综合靶心距的大小对岩爆烈度等级进行判定。为验证所建模型的准确性和合理性，以终南山公路隧道工程为例，根据实测数据对该评价模型进行实例分析。研究结果表明：基于博弈-灰靶模型的岩爆评价结果与实际岩爆情况基本一致，说明该岩爆烈度等级评价模型有较好的精准性和可靠性。