地下工程围岩稳定性分类的人工神经网络模型

本文基于人工神经网络的一典型模型──误差反传模型,根据《水利隧洞设计规范》及国内外围岩分类经验用插值法构造学习样本,建立了地下工程围岩稳定性分类的神经网络模型。研究表明,该模型具有较好的分类能力及较高的分辨率,可望成为地下工程围岩稳定性分类的有效手段。     

围岩分类中的理想模式识别方法

正确地判断和选择巷道的稳定性类别是确定合理的巷道支护形式、支护参数、施工工艺和施工方法的基础。本根据“理想模式”这一概念，提出了一种识别巷道围岩类别的方法，实例证明，这种方法是一种简单，有效，实用的围岩类别的模式识别方法。     

基于人工神经网络的水库纵剖面形态分类

利用ＢＰ型网络原理,采用６个指标,建立了评判加纵剖面形态影响因素的评判模型,并对该模型进行了检验,实例研究表明,人工神经网络法对水库纵剖面形态分类是可行的。     

基于人工神经网络集成的微阵列数据分类

基因数量远多于样本数量是基因表达微阵列数据进行疾病诊断所面临的主要挑战，为此提出了采用人工神经网络集成的组织分类方法．该方法使用Wilcoxon测试选择用于与分类相关性较高的重要基因，通过凸伪数据法产生神经网络集成中各个体的训练集，用简单平均法集成网络个体的测试结果．采用实际的微阵列实验数据集分别进行独立测试和交叉验证测试，结果表明，该方法性能优于单个神经网络、最近邻法和决策树．受试者特征曲线测试表明，神经网络集成性能优于单个神经网络．     

基于人工神经网络的水库纵剖面形态分类

利用BP型网络原理,采用6个指标,建立了评判水库纵剖面形态影响因素的评判模型,并对该模型进行了检验.实例研究表明,人工神经网络法对水库纵剖面形态分类是可行的     

鸡西矿区回采巷道围岩稳定性分类研究

对回采巷道围岩稳定性分类进行了研究，建立了基于模糊等价关系的灰色Ｆｕｚｚｙ聚类分析模型，利用该方法进行的回采巷道围财稳定性分类，为确定合理的支护方式提供了依据，对提高煤矿的经济效益和社会效益有着重要意义。     

昆明盆地浅层软土成因及工程地质分类研究

对昆明盆地浅层软土的形成环境条件、成因类型及分布规律进行了分析。在此基础上,结合该软土的工程地质性质,提出了相适应的工程地质分类原则和方法,并划分出相应的工程地质类型,希望以此带动我省岩土工程界对此类问题的综合研究。     

《围岩工程地质分类》标准在引黄工程设计和施工过程中的应用

围岩工程地质分类是地下洞室工程建设中一项非常重要的基础性工作，事关工程的安全、工期和造价。《水工建筑物地下开挖工程施工技术规范》DL／T5099-1999中附录B《围岩工程地质分类》标准是在总结国内外主要围岩分类标准的基础上得出的一个比较全面的方法，以控制围岩稳定的岩石强度、岩体完整程度、结构面状态、地下水和主要结构面产状五项因素的和差总评分，获取能够反映岩体工程特征的综合特征值作为围岩分类的基本依据，同样是山西省引黄工程设计、施工中围岩分类的主要依据。但通过多年工程的实践，不难看出《围岩工程地质分类》标准具有繁琐和不易操作掌握的一面；本文结合引黄工程洞室围岩分类的实践经验谈一谈使用《围岩工程地质分类》（以下简称《分类》）标准时需注意的几个问题。     

翟镇煤矿煤巷围岩分类及分析

分析并确定了煤层巷道围岩稳定性分类指标;对翟镇煤矿１４０３Ｅ运输巷和３２０３Ｗ回风巷围岩进行了分类,为该矿支护形式的选择提供了依据。     

水利水电工程围岩工程地质分类与Q分类相关性及支护对比研究

参考18个工程案例,对水利水电工程围岩工程地质分类(HC法)与巴顿岩体质量分级(Q分类)进行了相关性研究,通过最小二乘法线性回归理论,建立了两者的关系式,具有良好的相关性,且呈对数线性相关.依据数据的分布特征,通过迭代确定了在保证约95%的数据点分布在该区间的上下限包络线方程式,建立了Q-support图对HC法中五类围岩类别支护参数建议分区图,为单层衬砌在水利水电工程地下硐室的应用提供参考建议.     

Back-propagation Network在巷道围岩稳定性识别中的应用

提出了以Back-Propagation Network(简称BP网络)进行围岩稳定性识别的模型，并根据收集到的煤矿围岩资料来训练和检验该模型。将评判结果与其它方法进行了比较，表明：BP网络经训练后具有较高的识别能力，可用于解决工程中的非线性问题。     

围岩稳定性分级的神经网络方法

以神经网络方法为基础，结合模糊识别中指标双权重量化方法，建立了确定围岩稳定性级别的BP神经网络模型，应用实例表明该方法是围岩稳定性分级的一种有效的科学方法。     

人工神经网络在岩石力学中的应用

从岩石力学研究思维方式转变的观点出发，从岩石非线性系统辨识、工程时序预测、反分析及岩石工程系统等四个方面综述了人工神经网络在岩石力学中的应用进展情况，并对其应用情况进行了简要评述。     

神经网络法在地下洞室围岩分类中的应用

提出了以神经网络进行围岩稳定性分类的方法，根据收集到的围岩分类资料来训练和检验神经网络模型。并将评判结果与其他方法进行了比较，结果表明，网络经训练后具有较高的识别能力，可用于解决工程中的非线性问题。     

巷道围岩稳定性模糊神经元网络模式识别模型

提出了一种模糊神经元网络，运用该网络，通过对典型样本的学习，建立了巷道围岩稳定性模糊神经元网络模式识别模型，研究结果表明，该模型映射精度高，可依据矿山地质因素正确推理出围岩稳定性类型，而且能描述巷道对于每一类别聚类中心的相对隶属程度。     

工作面开采对底板岩巷稳定性的影响

在大量工程实践的基础上，采用数值力学分析，详细地分析了工作面开采引起的围岩应力演化过程及特点，讨论了工作面开采影响巷道的围岩位移特点，并进一步分析了围岩应力和跨采巷道位移之间的关系以及对工程实践的指导作用。     

巷道围岩非线性时空演变神经元网络预报模型

在提出信息扩散思想的基础上，运用神经元网络研究了煤体－煤体巷道和煤体－煤柱巷道的ｕ０，ｖ０和ｕ１与巷道围岩对每类聚类中心的隶属度、支护强度影响系数、断面影响系数及煤柱宽度的关系，建立了巷道围岩非线性时空演变神经元网络预报模型．并用巷道围岩移近量实测值对所建立的模型进行了检验，取得了满意的结果．     

公路隧道围岩动态分级方法研究

由于地质条件的复杂多变以及勘察方法和技术缺陷等原因,导致在勘察设计阶段的公路隧道围岩分级与实际施工阶段的围岩分级差异很大,应该寻求动态的对公路隧道围岩分级进行描述的定量评价方法,以确保隧道围岩和支护结构体系在施工和运行过程中的稳定性。通过对走马岭隧道现场进行详细地质调查,采用多变量分析法对走马岭隧道围岩进行了动态分级。结果表明,隧道施工阶段围岩分级结果与原来勘查设计部门的结果有较大出入;隧道施工阶段围岩分级结果更加真实,正确反映了围岩的稳定性。     

人工神经网络技术的工程应用与展望

在介绍人工神经网络的研究成果的基础上,根据人工神经网络技术的发展历程,提出了人工神经网络技术的工作原理、基本特点和模型结构,进而对人工神经网络技术的主要发展趋势进行了展望.