深部岩体变形的混沌预测方法

论述深部岩体变形行为及其围岩稳定性分析中应用混沌方法;同时,根据岩体工程的观测位移时间序列,基于相空间重构,给出了最大Lyapunov特征指数的计算步骤,并给出了岩体位移时序的线性和非线性两种混沌预报模式。据此,建立了岩体工程位移观测数据的混沌预测方法。对玲珑金矿255m水平主运巷的塌陷情况进行了算例分析。首先,对于主运旧巷断面的收敛位移观测序列,采用插值方法对其进行了预处理,以获得等间隔的位移序列;然后,对该位移序列,利用上述混沌分析方法,获得其最大Lyapunov特征指数为0.05;分别采用近邻等距法和最大Lyapunov指数预报模式,对位移序列进行了预测。与观测位移相比较,位移预测结果比较理想。     

滑坡预测的非线性混沌模型

根据滑坡位移时间序列的非线性性质，应用混纯时间序列预测方法，建立滑坡预测的非线性混纯模型。在此基础上，介绍了加权一阶局域算法，并用这种算法对清江茅坪滑坡实际位移监测数据进行预测计算。结果表明，这种建立在非线性混沌模型基础上的方法不仅预测精度高，而且计算量小，相对容易操作，从而为滑坡位移提供了一种新的预测方法。     

岩体变形的替代数据混沌判定方法研究

 观测位移时间序列是岩体变形和破坏过程的综合体现,已广泛用于边坡、隧道和地下硐室等岩石工程的稳定性判断及其预测。根据岩体的观测位移时间序列,通过Fourier变换来生成替代数据,提出其混沌随机性的检验方法,可避免根据最大Lyapunov指数是否为负数以及关联维数是否为非整数来进行混沌判断所引起的不足;分别对玲珑矿巷道及枣林滑坡位移序列进行非线性混沌判定,获得理想的检验结果。     

基于边坡位移监测数据的进化支持向量机预测模型研究

支持向量机方法是基于统计学习理论和结构风险最小化原则的学习方法,在回归预测方面具有良好外推能力,并且适合小样本的统计学习问题。建立支持向量机预测模型,对边坡位移进行预测计算,将预测值和实测值对比分析,验证了支持向量机预测模型较强的外推能力和预测计算的有效性。通过对边坡位移初始时序位移数据进行灰色理论的累加生成和累减生成处理,形成新的时间序列数据,在此基础上,计算出预测值,并与基于初始时间序列的支持向量机预测结果对比分析,基于新生成的时间序列数据进行预测计算结果精度明显提高。基于边坡位移监测数据构建训练样本数据集,研究了训练样本数据集的选取对预测结果的影响。对支持向量机预测模型的关键参数进行敏感度分析,并采用进化算法–微粒群算法对支持向量机模型参数加以优化,提高了预测精度。     

一阶局域法在建筑物沉降预测中的应用

应用混沌时间序列预测方法,建立沉降预测的非线性混沌模型,介绍了局域一阶预测算法,并用这种算法对长安大学B点高层住宅楼实际沉降监测数据进行预测计算。结果表明,该方法不仅预测精度高,而且计算量小,相对容易操作。     

基于时间序列的神经网络建模及边坡位移预测

边坡系统是一个影响因素众多、非常复杂的非线性系统,使得作为边坡内部力学现象外部表现的边坡变形同样具有很强的非线性特征,而神经网络所具有的高度鲁棒性、学习和联想记忆功能及数据挖掘等特性,对诸如存在内在联系的单时间序列的边坡位移预测有着较大的优势.以此为出发点,通过对单时间序列特点的分析,构造了基于单时间序列的神经网络预测模型,并以渝黔高速公路某边坡位移实际监测数据为例进行了计算.研究结果表明,通过挖掘边坡位移序列中的隐含信息,运用单时间序列BP神经网络进行边坡位移预测是完全可行的,预测平均误差仅为2.72%,预测结果与实际情况吻合度较高.最后通过与传统灰色理论预测方法进行对比发现,该方法预测效果明显提高,预测误差平均降低了近8倍.     

边坡非线性位移的神经网络-时间序列分析

边坡的变形表现出复杂的非线性演化特征，大量的工程实践表明利用部分实测的边坡位移时间序列来预测未来边坡的位移更为准确。以神经网络和时间序列分析方法为基础，使用零均值化和标准偏差预处理方法，以及规则化能量函数法和贝叶斯规则化方法进行BP神经网络建模，利用BP网络对边坡位移非平稳时序进行趋势项提取，使非平稳监测时序转化为平稳时序以进行常规ARMA时序分析。结合滚动预测方法，建立了适合岩土体位移预测的神经网络-时间序列分析联合模型，以隔河岩水电站进水口边坡变形和水布垭水电站大岩淌滑坡位移为例进行预测分析。研究结果表明：新模型的预测精度高、实时可靠，可应用于实际工程。     

边坡非线性位移的神经网络–时间序列分析

边坡的变形表现出复杂的非线性演化特征，大量的工程实践表明利用部分实测的边坡位移时间序列来预测未来边坡的位移更为准确。以神经网络和时间序列分析方法为基础，使用零均值化和标准偏差预处理方法，以及规则化能量函数法和贝叶斯规则化方法进行BP神经网络建模，利用BP网络对边坡位移非平稳时序进行趋势项提取，使非平稳监测时序转化为平稳时序以进行常规ARMA时序分析。结合滚动预测方法，建立了适合岩土体位移预测的神经网络–时间序列分析联合模型，以隔河岩水电站进水口边坡变形和水布垭水电站大岩淌滑坡位移为例进行预测分析。研究结果表明：新模型的预测精度高、实时可靠，可应用于实际工程。     

边坡变形预测的灰色理论研究与应用

根据边坡位移监测信息，应用灰色系统的原理和方法，对边坡的变形发展变化进行预测是一种有效手段。但在阶段变化因素作为岩土体边坡变形影响主因时，由于监测时段与影响主因的阶段性不一致，监测数据序列不能正确反映边坡变形规律，致使边坡预测变形结果出现强度偏差；为此，提出以控制因素变化的阶段性来划分时间数据序列，建立阶段时间序列灰色预测模型，对边坡的发展变化情况进行预测。研究结果表明，采用该方法预测变形值与边坡实际发展变化一致，提高了时间序列灰色预测的准确性。     

数据突变下隧道洞口边坡变形灰色预测研究

根据边坡位移监测信息,应用灰色系统的原理和方法,对边坡的变形发展变化进行预测是一种有效手段.但边坡变形受到某些外界因素的影响发生突变时,监测数据序列不能正确反映边坡变形规律,致使边坡变形预测结果出现强度偏差.因此,提出数据突变预处理方法,并结合四车道扁平特大断面隧道洞口边坡变形现场监测数据,建立数据突变下的时间序列灰色预测模型,对边坡的发展变化情况进行预测.研究结果表明:基于数据突变预处理方法的时间序列灰色预测变形值与边坡实际发展变化一致,提高了时闻序列灰色预测的准确性.     

地下厂房围岩位移混沌动力学特征研究

 以小湾水电站地下厂房围岩不同监测断面的多点监测位移为例,运用功率谱分析方法,改进G-P方法提取关联维数D,综合分析G-P法、C-C法和复自相关法得到合适的m,t 值重构相空间,计算最大Lyapunov指数,研究地下厂房围岩位移的混沌动力学特征。研究表明,主厂房围岩顶拱部位的多点位移和拱座在30 m深度处的位移不具有混沌特性,而拱座在2,7和15 m深度的监测位移和边墙部位的多点位移,各施工支洞和排水洞获得的超前监测多点位移都具有混沌动力学特征,同时得到表征其混沌动力学特征的功率谱图,关联维数D大于0,最大Lyapunov指数大于0。对具有混沌特性的监测位移,可以利用基于混沌时间序列的多种方法对位移进行预报,为地下厂房系统围岩位移预报提供新的实用方法。     

基于多变量最大Lyapunov指数高边坡 稳定分区研究

 最大Lyapunov指数(MLE)能够揭示边坡变形系统演化的非线性混沌特征,且理论与实践证明多变量较单变量时序计算得到的MLE更为真实。探讨多变量相空间重构理论,基于相点演化的时间轨道不可逆与可逆特性提出三维变形时序MLE双向搜索修正方法。采用小湾水电站左岸2#山梁高边坡三维变形监测数据进行MLE计算,以MLE为稳定判据并结合边坡变形失稳率与失稳度进行分区研究,得出2#山梁高边坡由下至上牵引式变形特征。研究表明,新方法有效可靠,且能够为高边坡稳定性分区评价与治理提供依据。     

底板岩层变形破坏过程中混沌性态的Lyapunov指数描述研究

基于大量实测信息 ,对承压水上开采煤层底板变形破坏过程中岩移、注水量 (渗透性 )等矿压显现的观测时序 ,进行Lyapunov指数的提取 ,并对其混沌性态进行了研究。实例分析表明 :煤层底板变形破坏过程中呈现出典型的混沌性态 ;另外 ,由于煤层底板渗透性指标的Lyapunov指数比岩移量指标大的多 ,表明用渗透性指标描述煤层底板变形破坏特征要比岩移量指标更敏感     

综放沿空巷道围岩系统混沌动力学特征研究

厚煤层综采放顶煤开采的沿空巷道顶、帮均为煤体或煤柱，其稳定性问题十分突出。以南屯煤矿综放沿空巷道为原型，进行围岩稳定性的离散元数值模拟，提取表征系统动力学性态的变量及时间序列，通过功率谱分析、分维数提取和最大Lyapunov指数计算，研究围岩系统的混沌动力学特征。综放沿空巷道围岩变形力学过程是一个混沌力学过程，具有对煤柱宽度及支护条件等初始条件的敏感依赖性。当煤柱宽度小于3m时，功率谱具有连续的噪声背景与宽峰特征，关联维数均为分数，最大Lyapunov指数一般大于0，系统处于混沌运动状态；当煤柱宽度为3～4m时，锚杆支护后功率谱的宽峰特征消失，频谱成分也不丰富，关联维数均为分数，最大Lyapunov指数由正变负，系统由混沌运动向定常运动转变，是系统动力学性态变化的拐点：当煤柱宽度大于5m时，系统处于定常运动状态。采用功率谱分析法和最大Lyapunov指数法，可以评价综放沿空巷道的混沌动力学特征。     

基于不等时距GM(1,1)模型预测边坡失稳变形

对边坡的失稳变形进行预测可以有效预防灾害的发生。传统灰色GM（1,1）模型多适用于等间距序列监测数据的模拟预测,而实际情况却是由于各种原因导致所获得的监测数据出现不等时距现象。为此,在分析传统等时距GM（1,1）建模原理的基础上建立了不等时距GM（1,1）模型,并对灰参数的求解方法进行了讨论。依据渝黔高速公路某边坡B3测点的监测数据,建立了该边坡变形灰色预测模型,并且将改进灰参数求解方法与传统方法进行了对比,研究结果表明,该不等时距GM（1,1）模型预测精度较高,预测结果与实际吻合较好。     

基于最大Lyapunov指数的变形预测模式研究

变形危害巨大,变形监测与变形预测则成为必然,由于变形的过程受到地质、水文、地震和人类工程活动等因素的影响,可视为一种具有混沌特征的动力系统。故本文以混沌理论为基础,提出了基于最大Lyapunov指数的变形观测模式,并利用工程实例进行了分析研究。研究表明,变形监测时间序列中的最大Lyapunov指数均大于0,根据混沌理论,可判断变形序列存在混沌现象,同时预测的结果显示,基于混沌时间序列的最大Lyapunov指数法的预测具有较高的精度,故研究成果具有的一定的理论和应用价值,为变形预测提供了新途径。     

基于FLAC3D的边坡稳定性分析

通过基于有限差分法的FLAC3D软件对某工业处理工程的边坡建立数值计算模型,并对边坡的稳定状态进行判断。求解过程分两步：第一步求解边坡在自重作用下的初始应力状态,第二步在边坡上部施加厂房荷载,分析边坡侧向位移及边坡的稳定性。结果发现,边坡加载后竖向位移只有1.3cm,总体沉降较小,边坡横向位移主要发生在中间平台底部的土体上,且随上部荷载的增加有增大的趋势,但总体较小,满足实际工程需要。