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。     

基于非线性灰色归类模型的岩爆预测方法

根据岩爆的非线性特征,选取岩爆的主控因子,建立岩爆预测的非线性灰色归类模型,把该模型应用于实例当中,并将分析结果与实际情况进行对比,结果表明,该模实用性强,具有良好的应用前景。     

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、F₁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。     

基于Stacking集成算法的岩爆等级预测研究

岩爆是地下工程面临的一个巨大灾害，岩爆预测可以降低岩爆带来的危害。机器学习是岩爆预测方法的研究热点和发展方向，但现阶段各机器学习算法表现不同，并且相互独立工作，没有融合，不能优势互补，导致各机器学习算法的准确率、泛化性和稳定性较低。本文采用Stacking集成算法，融合现阶段使用较多的8个机器学习算法(4个集成算法和4个基本算法)，充分发挥各算法的优势，实现优势互补；为保证新特征信息具有多样性，结合各种机器学习算法的原理和岩爆样本库的特点，提出3组考虑多个岩爆预测指标的Stacking集成算法，每组算法拥有不同基模型和多个元模型，解决了传统Stacking集成算法接受特征信息受限和元模型选择困难的难题。对比分析各组Stacking集成算法与独立算法的准确率、精确率、召回率和F1值，结果表明构建的Stacking集成算法可以有效融合各机器学习算法，预测性能显著提升。在3组Stacking集成算法中，Stacking集成算法二的基模型由Random Forest Classifier,Extra Trees Classifier,Gradient Boosting Classifier和L...     

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。     

隧道岩爆预测与防治技术探讨

隧道施工中发生强烈岩爆,将严重威胁施工人员安全,影响施工进度,为减小岩爆对隧道建设的影响,岩爆预测与防治工作非常必要和紧迫。文章通过国内外资料调研、数值计算、现场实测分析等,归纳了国内外一些常用的岩爆判据和现场预测方法,并根据岩爆实例对岩爆判据进行验证,最终总结出了适合超深埋大断面隧洞施工的强至极强岩爆的岩爆预报及防治措施。研究成果可供类似工程参考。     

程潮铁矿深部开采岩爆预测

 程潮铁矿经过近40 a的开采,已初步进入深度开采阶段。为预测岩爆发生可能性及其烈度,对程潮铁矿深度－430～－700 m的部位多种岩样进行岩石力学试验,提出岩爆倾向性的多种判据。通过理论预测法分别对各种岩样的倾向性及烈度进行预测,得到程潮铁矿围岩的岩爆倾向性顺序,总结出可能强度较高的几种岩石类型及其所在深度;最后结合模糊数学综合预测法,针对已有多种指标进行岩爆倾向的综合评价,得到矿区总体岩爆倾向性及岩爆临界深度,为矿区开采设计和岩爆监测预报提供了依据     

基于遗传算法和BP网络的岩爆预测

选取影响岩爆的一些关键指标,例如脆性系数、弹性应变能指数、应力强度比等作为输入参数,采用经遗传算法优化过的BP网络,对岩爆的发生及其烈度进行了预测.针对国内外一些地下工程的实例进行了分析计算,预测结果与实际情况是符合的,说明这种方法有一定的实际意义.     

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。     

基于RS理论的建筑工程成本预测研究

基于Rs理论，利用Rosetta软件对决策表进行完备化、离散化、属性约简等处理，确定影响建筑工程成本的6个关键因素，根据决策分类规则进行了建筑工程成本预测，获得了简单、易于理解的分类规则，为建筑工程成本预测提供了依据。     

电网故障诊断中基于粗糙集理论的获取方法

介绍了电网故障诊断专家系统中基于粗糙集理论的知识获取的一种新方法 ,利用分层诊断中由断路器变位信息诊断出故障区域 ,指导决策表中条件属性的选择 ,最大限度剔除多余的条件属性 ,通过对决策表进行属性约简和值约简 ,得出故障诊断需要的诊断知识即诊断规则。说明该方法既能有效获取知识 ,又能为诊断提供一定的容错性     

基于粗糙集理论的岩体边坡稳定性模糊评价

基于粗糙集理论探讨了岩体边坡稳定性的模糊综合评价方法，即利用粗糙集中的知识约简方法来挖掘评价指标，应用信息量概念确定评价指标的权重，实例应用结果表明该法进行岩体边坡稳定性评价是可行的，且操作简单，结果可信。     

基于粗糙集理论的路面病害成因确定方法

为了克服目前以经验法为主的路面病害成因确定方法存在的不足,提出了基于粗糙集理论的路面病害成因分析方法,该方法根据特定路段路面损坏的统计数据建立了基于粗糙集理论的损坏成因决策表,再利用粗糙集理论的简约算法求出了各个因素的支持度,从而判断出了各因素对路面病害的影响程度,进而为决策提供依据。     

深埋引水隧洞岩爆预测及防治措施

岩爆作为深埋地下工程在开挖后常见的一种地质灾害,极大地威胁着施工人员和设备的安全。在全面分析岩爆影响因素的基础上,从众多岩爆预测判据中,有针对性地选取了Rb／σ1判据、陶振字判据和卢森判据对某深埋引水隧洞进行了岩爆预测,结果表明整个工程以中等岩爆为主,局部洞段会发生强岩爆,同时针对不同岩爆等级提出了合理的防治措施。     

基于证据理论的深基坑工程施工风险综合评价

为综合考虑不同风险因素对风险评价结果的影响,针对目前不完全信息下深基坑工程施工风险评价无法利用定性评价信息——专家评语的问题,建立了基于证据理论的深基坑工程施工风险综合评价方法。首先,在风险识别的基础上建立深基坑工程施工风险评价指标体系；然后,提出基于证据理论的风险综合评价模型,利用层次分析法确定指标的权重,根据专家评语计算指标mass函数,通过线性加权法对指标mass函数进行合成,建立了基于风险等级信度的决策规则。通过实例分析验证了方法的合理与实用性,此方法可为其它同类工程提供借鉴。     

基于模糊理论的单层工业厂房震害预测

首先对模糊数学中的模糊概率理论进行了阐述,并将这一理论应用于单层钢筋混凝土柱工业厂房的震害预测中,建立了单层钢筋混凝土柱工业厂房的震害预测模型。该预测模型考虑了震害影响因子的模糊权重,比以往的预测方法更加合理、可靠。     

岩体结构分析与电磁辐射监测相结合的岩爆预测技术——以乌兹别克斯坦卡姆奇克隧道为例

地下洞室施工期间的岩爆预测对保证施工人员安全,合理安排施工进度具有重要意义。提出一种岩体结构分析与电磁辐射监测相结合的岩爆预测方法,实施过程中先通过开挖面及其附近岩体结构的观察,初步判断可不可能发生岩爆,然后对初步判断可能发生岩爆的部位采用便携式电磁辐射仪进行监测,通过电磁辐射能量及脉冲的变化进一步预测会不会发生岩爆及岩爆的强度。该方法综合考虑了岩爆发生的岩体结构条件和岩爆孕育过程中的能量转换及岩体微破裂频次,具有易于现场技术人员掌握、测试方便等优点,实践证明是地下洞室施工期间岩爆预测的可行方法。结合"中亚第一长隧"——乌兹别克斯坦卡姆奇克隧道,系统介绍了岩体结构分析与电磁辐射监测相结合的岩爆预测方法中涉及的岩爆发生的岩体结构条件、电磁辐射重点监测部位及监测方法、岩爆的电磁辐射判释指标及基准值等主要内容。     

基于粗糙集理论的属性约简算法研究

属性约简是粗糙集理论研究中的核心内容之一,现已证明寻找最小约简是NP-hard问题.在完备信息系统中,通过引入区分度的概念,以相对区分度为启发式信患,提出一种基于区分度的属性约简启发式算法,并对该算法的时间复杂性进行了分析.