基于未确知均值方法的巷道围岩分级及应用

将未确知测度理论应用到巷道围岩分级中,提出了未确知均值分级方法,建立巷道围岩分级的未确知均值分级模型;选用岩石容重、岩石抗拉强度、岩石完整性系数作为分级模型的判定指标;以14种岩石的实测数据建立分类判别指标的未确知测度函数,并求得各分级样本指标的平均值和单指标测度矩阵;根据信息熵理论确定各指标的权重,利用置信度识别准则对岩石进行判定分级。利用该模型对矿区巷道围岩进行了分类预测,与实测结果比较,预测结果与实测结果吻合,为巷道围岩分级提供了一条新的途径。     

灰色聚类法在围岩分级中的应用

利用灰色聚类原理，对现行铁路隧道设计规范中影响围岩分级的主要因素进行了讨论并定量化分级，给出了各分级指标对应的白化函数，提出应用灰色聚类原理进行围岩分级的方法及基本步骤。结合工程实例说明了该方法的应用，并将结果与传统判别法结果进行了对比。     

公路隧道围岩动态分级研究

指出了我国现行高速公路隧道设计中采用的围岩分级方法的缺陷,提出在施工阶段通过对隧道围岩进行勘探和测试,并对其结果进行综合分析,在此基础上对隧道围岩进行动态分级,并以广贺高速公路文坑隧道YK73+830断面为例,通过对其掌子面处围岩进行地质雷达探测、点荷载试验和声波测试,结果表明实际的围岩级别与设计阶段的不符,从而对其进行调整。     

广珠铁路青年隧道的工程地质条件和围岩分级

铁路隧道的工程地质勘察,需查明隧道拟建场地的工程地质条件,并据此对隧道围岩作出分级,指出各级围岩的工程地质问题,建议采取相应的工程措施。     

公路隧道围岩分级问题探讨

结合新公路隧道规范围岩分级BQ值分级法和实际工程应用,发现定量化评定中的一些问题,对BQ值围岩分级法的应用进行探讨。     

基于Fisher判别分析法的隧洞围岩分类

针对隧道围岩分类问题,基于Fisher判别分析理论,选用岩石质量指标、完整性指数、饱和单轴抗压强度、纵波波速、弹性抗力系数和结构面摩擦因数等6个指标作为判别因子,以30组隧洞围岩数据作为学习样本进行训练,建立相应的Fisher判别模型。利用回代估计方法对建模数据逐一进行检验,正确率达93.3%。将建立的判别模型应用于工程实例,预测结果与实际情况吻合良好,与Bayes判别法、神经网络模型判别结果一致。研究结果表明,Fisher判别分析用于围岩分类简便可行,正确率高,是解决隧洞围岩分类的一种有效方法。     

基于机器学习与构建井巷围岩分级模型初探

巷道围岩稳定性是煤矿安全生产的关键，准确的巷道围岩分级是围岩控制的基础。本文采用BP人工神经网络，设计训练得到一种巷道围岩分级模型，用以自动识别巷道围岩稳定性。根据工程实践中巷道的围岩稳定性分析案例，考虑巷道围岩的相关地质力学参数，通过Python构建改进的BP神经网络模型，对样本进行学习并将预测结果与实际相拟合。研究表明，构建围岩分级模型能够较为准确地对巷道围岩稳定性类别进行有效判断。     

基于BP神经网络的巷道围岩稳定性分级识别

矿山围岩稳定性分级是矿山工程的基本参数,为矿山支护设计提供基础数据,利用BP神经网络进行围岩稳定性分级识别,有利于真实地刻画矿山围岩稳定性分级与其影响因素之间的非线性关系.本文研究了BP神经网络的工作原理及其改进,分析了某矿巷道围岩稳定性影响因素,确定建立了围岩稳定性分级的神经网络识别模型,并利用该模型对某矿山围岩分级进行了拟合,取得了很好的效果.     

基于博弈论-云模型的隧道围岩稳定性分析模型研究

为科学合理评估隧道围岩稳定性,考虑了隧道围岩安全具有随机和模糊性特点,引入云理论建立综合评价模型。首先,在分析和参考文献基础上,选取了6个影响因素,构建了隧道围岩稳定性综合评价指标体系。其次,基于三标度理论改进层次分析法确定指标主观权重,引入变异系数改进CRITIC法确定指标客观权重,采用博弈论确定指标组合权重;根据稳定性分级标准确定云的数字特征并生成了指标云图,分别计算各评估对象不同等级下的单指标隶属度和综合确定度,并基于最大隶属度原则确定等级。最后将模型应用到隧道围岩安全性评价中,并与可拓理论和属性识别评价模型对比,研究结果表明所建立的评价模型评估结果准确可靠、切合实际,对隧道施工具有一定的指导意义,为隧道围岩稳定性评估提供了一条可量化的新思路。     

煤层顶底板围岩稳定性分级预测的GA-RBF模型及应用

为了探讨地下工程中围岩稳定性分级情况,运用粗糙集理论(RS)中的属性约简和条件属性重要度评价,对影响煤层顶底板围岩稳定性分级的评价指标进行数据挖掘,确定影响煤层顶底板围岩分级的主要评价指标。在此基础上,利用径向基神经网络(RBF)拟合评价指标和围岩等级之间映射关系。建立围岩分级预测的遗传优化的RBF模型。将模型应用于贵州某矿山的M17-1煤层底板围岩稳定性分级。预测结果证明,遗传优化的RBF模型评价结果与围岩分级情况较为一致。     

岩体质量分级的Bayes判别分析方法

将Bayes判别分析方法应用于岩体质量等级判别与分类中,建立了岩体质量综合评判的Bayes判别分析模型.模型选用岩石质量指标、完整性系数、单轴饱和抗压强度、纵波波速、弹性抗力系数和结构面摩擦因数等6个指标作为判别因子;将岩体质量分为4个等级作为Bayes判别分析的4个正态总体;以隧道围岩实测数据作为训练样本,建立Bayes线性判别函数;以Bayes线性判别函数计算待判样品的Bayes判别函数值,以最大值对应的总体作为样品所归属的总体;最后以刀切法对判别准则进行评价以检验模型的优良性.研究表明,Bayes判别分析模型误判率低,识别正确率达96.67%.     

基于熵权法-多维云模型的围岩稳定性分类研究

针对围岩稳定性影响因素的不确定性和模糊性问题,在云模型的基础上,结合熵权法建立了考虑多种地质和水文因素的稳定性评价模型,并实现围岩稳定性分类。该方法利用熵权法计算得到分类模型中的各指标的权重,并结合云理论将围岩稳定性各指标分类标准整合到1个考虑多因素的数学模型中。以该方法建立1个5维度云模型,并依托实测围岩样本数据进行计算分类,将其评价结果与实际分类结果对比,结果表明该评估模型在围岩稳定性分类中应用的准确性及易用性。     

白川电站隧洞软岩特性与支护型式研究

白川水电站隧洞围岩为碎屑岩,具有岩性软弱,强度低,模量低,遇水后表面易软化、崩解,失水后易干缩开裂,干湿效应显著。该文深刻阐述了白川水电站隧洞白垩系软岩围岩工程地质特性、围岩类别划分,总结了施工中所采用开挖及支护型式、控制围岩稳定的措施和方法。     

隧道围岩等级判别的多途径验证研究

围岩分级是评价隧道掌子面稳定的基础.由于地质条件的复杂多变,使公路隧道的围岩级别在勘察设计阶段与实际施工阶段存在较大差异,这就需要在施工期间对围岩级别进行核定.通过对断面进行超前预报和现场力学性质测试,修正了设计围岩级别,并通过对现场监控量测数据的统计和对比分析,得出IV级、V级围岩周边收敛和拱顶下沉的取值范围,评价了隧道已优化结构的稳定性,验证了超前预报的正确性,降低了工程造价,真正做到因地制宜、经济合理地进行隧道开挖和围岩支护.     

煤巷围岩分类的Bayes判别分析法

选用影响煤巷围岩分类的主要6项指标作为Bayes判别分析模型的判别因子,以15组煤巷围岩实测数据作为学习样本进行训练,通过分析计算,建立了相应的线性判别函数,并利用回代估计方法对训练后的判别模型进行检验,其回判估计的误判率为0。利用该模型对3组煤巷围岩实测数据情况进行识别,其结果与实际情况完全一致,并与神经网络和支持向量机的预测结果进行对比。结果表明：Bayes判别分析法判别能力强,交叉确认估计的误判率低,是解决煤巷围岩分类的一种有效方法。     

岩体质量分级的Fisher判别分析模型及应用

将Fisher判别理论用于岩体质量分级,建立岩体质量分级的Fisher判别分析模型。选取单轴抗压强度、岩体声波纵波速度、体积节理数、节理面粗糙度系数、节理面风化变异系数、透水性系数6个指标作为岩体质量分级判别因子,以工程岩体实测数据作为学习样本进行训练,建立相应线性判别函数对待判样本进行分级。结果表明,FDA（Fisher Discriminant Analysis）模型稳定可靠、判别精度高、分类性能良好,且有效降低人为因素的影响,是岩体质量等级分类的一种有效方法,可在实际工程中推广应用。