岩爆预测的Vague集模型

为合理准确地预测岩爆烈度,提出了一种新的Vague集岩爆预测模型。选取岩石单轴抗压强度、硐室最大切向应力、岩石抗拉强度及岩石弹性能量指数进行分析,并采用Vague熵确定各指标权重。将传统岩爆烈度等级细化为若干微元等级,基于Vague集的相似度量建立岩爆预测模型,根据相似度量曲线预测岩爆烈度等级。将国内外30个岩爆实例参数代入该模型进行验证,结果表明该模型具有较高的准确性。最后将该模型应用于马路坪矿和大相岭隧道的岩爆预测,结果与实际情况相符,且可预测处于同一传统岩爆等级中不同岩爆实例的烈度大小,提高了岩爆预测精度,为岩爆预测提供了一种新方法。     

基于AdaBoost-BAS-SVM模型的岩爆预测研究

岩爆是发生在深埋地下高应力岩体开挖工程中的一种动力破坏现象,作为矿山开采过程中的主要工 程地质灾害之一,其等级预测是必须解决的岩石工程的重大问题。综合岩爆预测过程中多因素影响,选取 σθ/σc、 σ c/σt、Wet作为岩爆等级预测指标。通过利用天牛须搜索（BAS）算法解决支持向量机（SVM）中的重要参数 C 与 gamma 择优问题,并引用 AdaBoost 集成学习算法对 BAS-SVM 弱学习器进行强化训练,解决了单一分类器不稳定问题, 最终建立了 AdaBoost-BAS-SVM 岩爆等级预测模型。通过收集到的 194 组实例数据对该模型进行训练测试,并与 SVM、BAS-SVM、AdaBoost-SVM 3 组模型进行结果对比。结果表明：该模型较其他 3 组模型预测准确度更高,其收 敛性能明显提高,可有效、快速地预测岩爆等级。     

基于SOM聚类和灰度TOPSIS评价法的岩爆预测

随着资源量的不断减少,采矿深度不断增大,岩爆发生概率也逐渐增大。为对岩爆等级进行精确预测,提出了一种聚类-关联度TOPSIS模型预测岩爆的方法。在综合分析岩爆产生条件的基础上,从应力、岩性、能量三个指标对样本进行归类处理,并将灰色关联度和TOPSIS评价法相结合。该方法可以通过自组织特征映射网络将样本准确分类,同时通过灰色关联度计算不同指标的权值,最后通过TOPSIS评价法对岩爆等级进行判据。该方法使得岩爆预测多信息融合更加客观,可操作性强。对比工程实例,发现SOM神经网络聚类-关联度TOPSIS岩爆预测法模拟计算与工程实例情况基本一致。     

基于组合赋权-改进集对分析的岩爆倾向性预测研究

岩爆是地下工程中的主要地质灾害之一,具有强破坏性、不确定性、突发性等特点。为准确、有效地预测地下工程中的岩爆倾向性,基于组合赋权-改进集对分析理论,建立了岩爆倾向性预测模型。首先从岩性、应力、围岩3个方面确立预测指标;其次利用组合数有序加权平均算子赋权法（Combination Weighting Averaging,C-OWA）、关联准则重要性赋权法（Criteria Importance Though Intercrieria Correlation,CRITIC）、博弈论分别计算出主观权重、客观权重,组合权重;最后将传统集对分析理论中的三元联系度改进为四元联系度,用改进后的集对分析理论计算出综合联系度来预测出岩爆等级。将该模型应用于西藏甲玛铜多金属矿等工程的岩爆倾向性预测中,得出该矿的综合联系度为[u1=-0.302 9],为弱岩爆,与实际相符。研究表明：所建立的模型适用于岩爆倾向性预测,与交互式多准则决策预测模型和逼近理想解排序法预测模型对比,准确性、可靠性较优,为岩爆倾向性预测提供了一种新的途径。     

基于微震监测的岩体稳定性预测模型

以江西某钨矿为工程背景,针对岩爆发生破坏性破坏前,其监测数据会突然出现变化这一现象,建立关于岩爆的灰色-突变预测模型。运用灰色建模理论对该矿山328中段313采场相邻的岩爆活动区域内地震能量累计值序列进行处理分析,同时,运用尖点突变模型对拟合序列的突变性进行分析,对岩爆发生的时间位置进行预测,成功预测到一次破坏性岩爆事件,提高了岩爆预测的准确性,说明了灰色-突变预测模型的有效性,具有重要的生产实际意义。     

岩爆分级预测的粗糙集-多维正态云模型

准确有效的岩爆分级预测对避免或减少岩爆灾害具有重要意义。选取围岩最大切向应力σθ、岩石单轴抗压强度σc、岩石单轴抗拉强度σt和岩石弹性变形能指数Wet作为岩爆评价指标,将多维正态云模型作为岩爆等级的预测方法,利用粗糙集确定评价指标权重,以国内外15组岩爆实例作为模型构建样本,建立了粗糙集-多维正态云岩爆分级预测模型。首先采用模糊集聚类后再通过粗糙集逐级筛选评价指标的方法确定评价指标权重,根据多维正态正向云发生器计算得到评价指标的确定度;然后利用评价指标权重和评价指标确定度计算评价样本的综合确定度,根据最大隶属度原则,判定评价样本的岩爆等级。采用鑫华矿业矿岩样本对粗糙集-多维正态云岩爆分级预测模型进行了有效性验证,计算结果与工程实际相吻合,表明该模型具有较好的实用性。     

基于遗传算法和BP神经网络岩爆预测

将BP神经网络与遗传算法相结合,使用遗传算法优化神经网络的权值和阈值,然后用BP算法训练网络,避免了单独使用BP神经网络训练时易于陷入局部极小值的问题,建立了一种新的岩爆预测模型。采集国内外具有代表性的一些岩爆案例作为BP训练样本,将样本数据经过多次迭代之后,达到指定误差停止训练,利用训练好的模型对某铜矿部分岩爆进行预测,预测结果与实际岩爆等级一致。     

岩爆等级预测的PCA-OPF模型

为了高效准确预测岩爆烈度,将主成分分析(PCA)和最优路径森林(OPF)算法相结合,选取岩石单轴抗压强度、应力系数、脆性系数、弹性能量指数以及完整性系数这5个指标建立了岩爆预测的PCA-OPF分析模型。通过SPSS软件对国内外50组岩爆工程实例数据做主成分分析,依据方差累计贡献率得出3个主要影响因素,作为输入因子对OPF模型进行训练、评估、测试。试验结果的平均预测准确率可以达到91.25%,对比于其它数学模型,PCA-OPF模型预测准确率更高且更稳定,表明PCA-OPF模型在岩爆等级预测中有较好的实用性,可作为一种新的岩爆等级预测方法。     

金属矿深部开采岩爆危险预测的GA-ELM模型研究

为对金属矿山深部开采时岩爆的危险性进行预测,在总结深部开采岩爆发生机理的基础上,综合选取影响岩爆发生的3个重要因素作为岩爆预测的判别因子。搜集国内外金属矿深部开采岩爆的实例作为训练样本,引入极限学习机算法(ELM),针对该算法的不足,采用遗传算法(GA)对其相关参数进行优化,建立了岩爆预测的GA-ELM模型,并与单一ELM模型进行对比。利用该岩爆预测模型对一典型金属矿深部开采进行岩爆预测,结果与实际情况相吻合。研究结果表明,岩爆预测的GA-ELM模型训练效果及泛化能力均优于单一ELM模型、SVM模型及传统的BP模型,且该模型能够对金属矿深部开采的岩爆进行准确有效地预测,具有一定的工程应用价值。     

基于粗糙集的可拓评判在岩爆预测中的应用

结合四川江边电站引水隧洞,根据国内外已有的多种岩爆判据,选取了多个评价指标,以粗糙集理论中的属性约简和条件属性权重计算为基础,建立该隧洞岩爆预测的可拓评价模型,得到了引水隧洞多个洞段的岩爆等级,并与这些洞段的实际岩爆发生情况进行对比分析。结果证明,该方法的评价结果与实际情况较为吻合,对后期施工有较好的指导作用。     

基于非线性混沌理论的岩爆预测方法分析

为了提高岩爆预测的准确性,作者分析了非线性理论在岩爆研究中的应用,发现岩爆围岩系统发展具有混沌特性。因此,提出了应用非线性混沌理论对岩爆监测数据进行重构,并分析混沌吸引子的平衡,以建立岩爆预测模型的研究思路,以期进一步提高岩爆预测的准确性。     

基于熵权-理想点法的岩爆烈度预测模型及其应用

基于理想点法的基本原理,在综合考虑岩爆主要影响因素的基础上,选取围岩最大切向应力与岩石单轴抗压强度的比值、岩石单轴抗压与抗拉强度的比值和岩石弹性能量指数作为评判指标,通过信息熵理论确定各指标的权重系数,建立岩爆发生和烈度分级预测模型。最后,将其应用于苍岭隧道的岩爆等级判别中。研究表明,预测结果与实际岩爆情况相吻合,运用熵权-理想点法进行岩爆烈度分级预测是可行的。     

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。     

花脑特矿区基于变异系数-突变级数法的岩爆倾向性综合预测

为了准确预测花脑特矿区深部中段岩爆倾向性,选取岩石单轴抗压强度、冲击能量指数、弹性应变能指数、地应力指数和RQD值等五个指标,通过地应力测量、室内岩石力学试验、Sirovision岩体节理裂隙调查,获得岩爆倾向性单指标评价结果,同时引入变异系数-突变级数法建立岩爆多指标评价体系,利用岩爆倾向性单指标评价结果计算突变级数值,并与岩石实际岩爆等级进行比较分析。分析结果表明,样本突变级数值与实际岩爆等级存在正相关关系,可以进行岩爆倾向性预测。研究结果表明：变异系数-印第安人茅舍突变级数值法在白音呼布花脑特矿区具有较好的适用性,可作为矿山后续工程中岩爆倾向性预测依据。     

基于RS-改进云模型的岩爆倾向性预测

针对岩爆倾向性预测的模糊性和不确定性,提出了基于粗糙集理论和改进的云模型相结合的预测模型。在原有云模型的基础上,提出模糊区间的概念,进而对云模型的定义加以完善,对于云模型特征参数的求取也进行了改善。结合粗糙集理论的基本知识,把求解权重问题转变为求取属性重要度问题,进而求得综合权重,根据最大隶属度原则确定岩爆等级。选取岩石单轴抗压强度σ_c、岩石抗拉强度σ_t、切向应力σ_θ、弹性变形能Wet为评价因子,以国内外40组数据为学习样本,通过冬瓜山铜矿岩爆实测数据为待测样本验证其准确性。经计算,通过该模型确定的岩爆等级与实际岩爆等级基本相符,说明该模型具有较好的预测性和科学性,也为岩爆倾向性预测问题提供了新的思路。     

深部隧道岩爆倾向性预测与开挖优化数值模拟

岩爆是深部隧道施工阶段不可避免的地质灾害之一,为了确保施工正常进行,准确预测岩爆的发生对深部工程安全建设具有重要工程意义。以米仓山隧道为工程依托,依据隧道岩爆段现场工程概况,基于三维离散元数值仿真平台对隧道风险区域进行岩爆倾向性预测,分析开挖后隧道掌子面附近围岩截面的二次应力场与能量场分布;对隧道风险区域采取优化开挖进尺的方法,并分析不同进尺开挖下围岩应力场与能量场的变化规律。结果表明,基于能量准则能够有效预测岩爆发生的具体位置与等级,具有良好的可行性与准确性,且控制开挖进尺可以有效分散围岩内储存的弹性应变能,削弱因开挖导致的围岩局部应力集中现象。     

基于集成算法和普通机器学习算法的岩爆分级预测及选择

岩爆是国内外深部地下工程面临的巨大灾害,岩爆预测具有显著的现实意义。现阶段单一的机器学习算法准确率较低、泛化性不足,难以发挥各个算法优点。为满足岩爆预测与工程实际需要,提出基于集成算法和普通机器学习算法相互结合预测岩爆各个等级,充分发挥不同算法在某一岩爆等级预测的优势并形成互补。提出改进的Boosting、Bagging集成预测算法,与stacking、random forest、random subspace集成算法和普通学习算法诸如BP、贝叶斯算法（bayes）、k最近邻（KNN）、支持向量机（SVM）等在内的14种预测算法进行相互结合验证。基于国内外地下工程165组岩爆实例,选取围岩最大切向应力(MTS),岩石单轴抗压强度(UCS),岩石单轴抗拉强度(UTS),岩石弹性能量指数(Wet) 构建岩爆预测体系,引入T–分布邻域嵌入(T-SNE),对数据进行降维可视化。为避免算法预测岩爆过程中预测结果的偶然性,即出现预测准确率过高或过低的现象,采用在各个岩爆等级按照比例随机筛选训练集和测试集,确保数据集分类的严谨性;每次机器学习过程的数据都具有随机性,再采用10次运行结果后取各项预测平均值,评价算法在各个等级的准确率和算法整体的预测稳定性。结果表明：LDA 对 Ⅱ 级岩爆有更高的准确率,Bayes分类 Ⅳ 级岩爆效果最好,Adaboost.M1对 Ⅰ 级和 Ⅲ 级有最高的准确率。整体预测效果基于决策树的Bagging预测稳定性更好,预测精确率高。最后引入终南山隧道竖井工程案例,预测结果与现场实际工况较为一致,表明本文所建立算法的可靠性。     

基于10种机器学习算法的多指标岩爆倾向性等级评价

为探究在岩爆烈度等级预测中，判别指标数量和类别对模型稳定性的影响，提高岩爆预测精度。本文综合考虑诱发岩爆的内外因素，选取10个岩爆预测判别指标，通过将判别指标由少到多随机组合，建立1 023种指标组合方式；引入10种经典机器学习算法，构建岩爆烈度等级预测模型。为消除异常值，数量级和量纲的影响，采用四分位法寻找并替换异常值、进行归一化等数据预处理方法。利用穷举法，找出10种经典算法下平均精度最高的指标组合。研究表明：指标数量与模型稳定性无线性关系，其中3指标的组合预测效果最好，其综合准确率达到88.89%；算法模型中SVM和RF稳定性最优，综合准确率均达到88.89%；3种新的高稳定性指标组合方式分别是：3指标D、σθ、Wet组合，5指标D、Is、σmax、σθ/σc、Wet组合，7指标D、Is、σθ、σt、σc、Wet、（（σc-σt）/（σc+σt））组合。用本文优选的判别指标组合和预测模型，对大相岭隧道等进行岩爆倾向性等级评价，预测效果可靠，可为今后岩爆预测提供新的方法。     

基于Info-gap理论的巷(隧)道围岩岩爆稳健可靠性预测

鉴于岩爆倾向性围岩对其参数变化的强敏感性,考虑巷(隧)道围岩物理、力学、环境等参数的变化幅度,建立了基于Info-gap理论的Info-gap模型、稳健函数及评价模型,定义了具有明确含义的安全系数。采用抗力—荷载模型,基于岩爆烈度分级标准,建立了岩爆预测的功能函数。通过工程实例验证了基于Info-gap理论的岩爆预测模型的可靠性,并探讨了各参数对岩爆预测结果的影响。结果表明:基于Info-gap理论的岩爆预测模型是合理和适用的;通过岩爆预测评价模型,可实现对强烈岩爆、中等岩爆、弱岩爆和无岩爆的连续评价预测;若评价结果为强烈岩爆,则中等岩爆和弱岩爆必发生,若评价结果为中等岩爆,则弱岩爆必发生;随支护力的增加,稳健可靠度指标增加,支护对岩爆烈度降低及岩爆发生与否有重要控制性作用;对于巷(隧)道围岩内部而言,所处位置不同,稳健可靠度指标不同,代表其岩爆烈度不同,通过稳健可靠性分析可得出不同岩爆烈度的岩爆深度;地应力值的变化对岩爆烈度及岩爆发生与否有重要影响。研究结果可为岩爆预测及控制提供依据。     

基于主客观赋权-物元可拓模型优选岩爆倾向性预测方法

为了提高岩爆倾向性预测模型的可靠性,确保评价指标赋权方法的合理性,建立了基于主客观组合赋权的物元可拓岩爆倾向性预测模型。将9标度层次分析法、3标度改进层次分析法、构造标度改进层次分析法三种主观赋权方法分别与变异系数法（客观赋权法）组合,结合物元可拓理论建立三个岩爆倾向性预测模型,将模型分别应用于国内八项实际工程并对模型选优。结果表明：3标度改进层次分析法与变异系数法的组合赋权-物元可拓模型岩爆倾向性预测结果与实际情况一致,该模型为本文最优模型。