灰预测在高陡岩质边坡稳定性预测中的应用

利用厂坝边坡岩体GPS变形监测得到数据,并对数据适当处理后,建立灰预测GM(1,1)模型,预测了边坡变形发展趋势,但其预测结果与GPS监测变化规律不太一致,故在此基础上又建立了新陈代谢GM(1,1)模型,分析边坡岩体变形趋势与边坡稳定性。结果表明:预测的边坡变形变化趋势与GPS监测的边坡变形变化规律一致,且边坡在闭坑前处于稳定状态。     

参数优化GA-ELM模型在露天煤矿抛掷爆破的预测

为有效指导露天煤矿制定正确生产计划,提高露天煤矿抛掷爆破预测的准确率,在分析露天煤矿抛掷爆破影响因素的基础上,通过"试错法"确定模型最优隐含层节点参数,进而提出一种参数优化后遗传算法(GA)和极限学习机(ELM)相结合的抛掷爆破预测模型。选取网络的输入输出相关参数,针对现有ELM输入权值矩阵和隐含层偏差,采用遗传算法对其进行优化选择;利用某露天煤矿抛掷爆破监测数据对该模型进行实例分析,并将RBF,BP,SVM,GA-BP模型预测结果与该模型进行对比分析;并引入Weibull模型,通过预测控制参数ɑ,β模拟爆堆形态。研究结果表明:(1)通过"试错法"确定GA-ELM模型最优隐含层节点数为39,有效降低系统的仿真误差,该参数下仿真误差值为0.137 7;(2)相较于传统ELM预测模型,通过遗传算法优化后,有效抛掷率,松散系数以及抛掷距离均得出更小的均方误差MSE值(0.258 0,1.748 5×10-4,3.618 4)和更高的决定系数R2值(0.986 4,0.995 3,0.970 6),改进后的GA-ELM具有更好的拟合效果和泛化能力;(3)通过与其他智能算法如BP,RBF,SVM,GA-BP相比,改进后的GA-ELM测试结果(均方误差,决定系数,仿真误差)明显优于其他预测模型,有效提高预测精度;(4)利用训练完成的GA-ELM网络预测爆堆形态时,控制参数a,β的预测误差均未超过5%,预测爆堆曲线接近真实爆堆曲线。     

基于PCA-GWO-SVM的矿山边坡变形预测

针对矿山边坡预测模型精度低等问题,提出一种由主成分分析(PCA)、灰狼算法(GWO)和支持向量机(SVM)组合的混合模型(PCA-GWO-SVM)。首先,采用PCA对原始数据进行降维去噪;其次,通过GWO算法优化支持向量机参数;最后,通过SVM实现矿山边坡变形的预测。矿山边坡实例表明PCA-GWO-SVM模型具有更高的预测精度。     

基于人工免疫算法的边坡稳定性预测模型

根据生物免疫系统抗体识别抗原机理,提出基于人工免疫算法的边坡稳定性预测模型。将边坡稳定状态训练样本集定义为抗原集,边坡稳定性影响因素定义为抗体、抗原上的基因段,通过反复进行遗传计算操作,构建对边坡稳定性具有很好表达能力的记忆抗体集合。计算预测样本与记忆抗体集合之间的亲和力,利用K-最近邻法预测样本的稳定状态。同时构建自适应人工免疫算法,可有效提高模型的有效性和可靠性。实例分析证实自适应人工免疫算法能有效预测边坡稳定状态,其预测精度优于基本人工免疫算法,表明自适应策略的有效性。该方法可避免直接建立边坡稳定性影响因素与稳定状态之间复杂非线性函数关系,能有效降低建模复杂度,具有更好的实用性。     

基于IGWO-SVM的露天矿边坡变形预测

为了克服露天矿边坡变形预测时传统算法精度低的问题,利用改进灰狼算法(IGWO)和支持向量机(SVM)建立了露天矿边坡变形IGWO?SVM模型.引入非线性递减的收敛因子策略和惯性权重策略改进灰狼优化算法,用来确定SVM参数,以达到提高模型精度的目的,并将露天矿边坡变形观测数据输入模型进行验证.结果表明,与SVM和BP模型...     

基于FLAC3D软件的魏家峁露天煤矿边坡稳定性破坏模式分析

为了研究魏家峁露天煤矿边坡稳定性破坏模式,介绍了该露天煤矿的工程地质条件,利用FLAC3D软件构建工程地质模型,分析了工作帮边坡、内排土场、东一排土场、西南排土场、非工作帮的稳定性破坏模式,得出的结论对该露天煤矿边坡稳定性分析与评价提供了技术基础。     

基于随机权重法改进PSO-ELM的露天矿边坡稳定性分析

为提高极限学习机(ELM)模型在弓长岭露天矿边坡稳定性预测中的精度,有效解决ELM模型在训练过程中随机产生的连接权值和隐含层阈值而导致模型稳定性差的问题,引入基于随机权重法改进的粒子群算法(IPSO)进行优化,提出了改进粒子群算法优化极限学习(IPSO-ELM)模型,将该模型应用到弓长岭露天矿边坡监测的数据中,把预测结果与ELM模型和PSO-ELM模型的预测值进行对比分析,结果表明：IPSO-ELM模型预测值接近于实测值,预测精度高、预测速度快,模型构建合理,在露天矿边坡预测中具有较高的可行性,可作为露天矿边坡预测的一种参考方法。     

基于GS-PSO-SVM模型的边坡稳定性预测模型

针对传统边坡稳定性预测模型的不足,提出一种基于网格搜索和粒子群优化的支持向量机模型(GS-PSO-SVM model)。为了解决支持向量机参数选取问题,首先利用网格搜索法粗略寻优,确定参数范围,然后利用粒子群二次寻优。利用该模型对边坡实例预测,39个实例样本中,30个为训练样本,9个为预测样本,以岩石重度、黏聚力、内摩擦角、边坡角、边坡高度、孔隙水压力等6个边坡稳定性影响因素作为输入,边坡稳定性状态作为输出,预测结果与单独的网格搜索法、粒子群算法和遗传算法优化的支持向量机模型对比。结果表明,GS-PSO-SVM模型分类准确率100%,有更高的预测精度和预测效率,该模型能有效地对边坡稳定性状态进行预测。     

露天煤矿复合煤层边坡空间形态优化

针对复合煤层软岩逆倾边坡形态优化问题,以扎哈淖尔露天煤矿北帮边坡为工程背景,基于刚体极限平衡理论,通过横采内排开采方式,从二维边坡稳定性分析角度出发,提出复合煤层边坡逐水平优化方法,确定扎哈淖尔露天煤矿北帮到界边坡参数。应用FLAC~(3D)数值模拟软件分析了优化后的北帮边坡稳定性及滑坡机理。结果表明:受横采内排压帮开采方式产生的时空效应,最终确定扎哈淖尔露天煤矿北帮不同层位边坡稳定系数从上到下依次为1.20、1.10、1.05;逐水平优化后北帮整体边坡角增大至29°,深部陡帮开采边坡角增大至34°,滑坡力学成因机制类型为推动式;边坡岩体的主要破坏形式为拉-剪复合型。     

某矿区不稳定边坡成因分析及治理措施

为探究好汉坡移民安置区不稳定边坡的成因、预测其发展趋势,对该边坡实施了现场勘察、室内试验等工作手段,在此基础上查明了其基本形态特征、工程地质条件及土体力学性质,并采用极限平衡法计算其稳定性系数。结果表明边坡在天然及地震工况下均处于基本稳定状态,在暴雨工况下的稳定性系数仅为0.943,处于不稳定状态,表明降雨是导致边坡失稳的首要因素。设计采用挡土墙、削坡、截排水沟、格构护坡、道路改建和生物工程对该不稳定边坡进行综合治理,验算成果显示,治理后的边坡在天然、地震及暴雨工况下均达到稳定状态,稳定性系数平均提高0.566,治理成效显著。     

基于AdaBoost卷积神经网络的矿山边坡稳定性预测

为了准确快速地分析露天矿边坡的稳定性,本文提出 Adaboost卷积神经网络（Adaboost-CNN）建立露天矿边坡稳定性和影响因素之间的非线性关系。Adaboost-CNN是结合自适应Boosting算法(Adaboost)和卷积神经网络（CNN）的一种新的机器学习方法。其核心思想是将CNN的特征提取能力和AdaBoost处理非平衡数据的能力结合起来,具有高可靠性、高精度性、训练时间少等优点。Adaboost-CNN利用迁移学习,不仅消除了传统CNN需要大量训练样本的限制,而且解决了AdaBoost算法序列化过程中存在着的降低实际性能的问题。本文分别采用BP神经网络、支持向量机（SVM）、卷积神经网络以及Adaboost-CNN对工程实测数据进行建模与分析,通过对比均方根误差(RMSE)和相对预测误差（RPE）,发现Adaboost-CNN的预测精度最高、模型泛化能力最强。结果表明,Adaboost-CNN能够较精确对边坡的稳定性进行预测,是边坡稳定性预测的可靠性工具     

露天煤矿边坡稳定性预测的PSO-LSSVM模型

边坡工程是露天煤矿中的重点工程,边坡的稳定性关系着煤矿的安全生产。针对煤矿边坡工程稳定性预测的复杂性,将粒子群算法和最小二乘支持向量机结合,使用粒子群优化算法寻找最小二乘支持向量机的最优参数,选取煤矿边坡工程中岩石重度、粘聚力、内摩擦角、边坡角、边坡高度、孔隙水压力和振动系数等七项因素为边坡稳定性的影响因素,建立了PSO-LSSVM的煤矿边坡稳定性预测模型。利用煤矿实测30组边坡稳定性数据进行学习训练,另用12组数据进行测试,同时与LSSVM测试数据进行比较,验证了PSO-LSSVM在煤矿边坡稳定性预测中有较高的准确度。     

大型深凹露天矿边坡稳定性研究及智能监测系统应用

深凹露天矿山开采过程中易产生滑坡、泥石流、危岩垮落等地质灾害,为保证露天采场人员及设备安全,需开展深凹露天矿边坡稳定性研究。利用3DMine构建深凹露天矿三维模型,而后导入FLAC3D进行8个分区的露天矿边坡应力应变数值。从竖直方向位移、最大（小）主应力分布状态、剪切应变方面进行分析得出：竖直方向几乎无位移,露天边坡整体稳定性较强;局部台阶坡面存在应力集中现象,应加强监测。在实际工程中,矿山引入边坡智能监测系统,利用雷达扫描及GNSS在线数据集成技术形成三维可视化边坡模型,实时监测边坡空间位移变化数据,实际监测结果表明开采后边坡薄弱面发生位移,与数值模拟结果一致。文章创新点在于利用有限元数值模拟手段与实际工程中的三维智能监测系统相结合,可有效防治露天开采时所面临的地质灾害问题,对同类高大边坡安全稳定性研究具有一定的参考价值。     

井采方向对露井协采边坡稳定影响的分析及优化

为了得出露井协采矿山中井采工作面与露天矿边坡空间相对位置的最优布置方式,结合平朔矿区露井协采工程实践,设计了3套方案对不同井采工作面布置方向时井采对露天矿边坡稳定影响规律进行研究,研究表明:在露井协采中井采工作面与露天矿边坡面倾向平行布置时,井工开采对露井协采边坡稳定及端帮运输道路的不利影响最小。在井采工作面采取上述方式布置时,对井采工作面的推进方向进行优化分析,发现井采工作面沿背坡的方向回采时,露天矿边坡岩体受井采扰动较向坡开采时严重。故在露井协采工程实践中,建议井采工作面与露天矿边坡面倾向平行布置,采用向坡方向推进,以降低井工开采对边坡稳定的不利影响,提高煤炭资源采出率。     

基于HGSVMA的露天矿卡车行程时间动态预测研究

针对露天矿卡车在车流规划中的行驶时间预测问题,提出一种基于遗传算法优化SVM参数方法,并考虑卡车状态、速度、载重量以及路面类型、坡度等9个影响因子,构建了基于HGSVMA的露天矿卡车行程时间预测模型。实验选取某大型露天矿卡车调度系统所采集的卡车行程时间进行仿真模拟,并将HGSVMA模型与GS-SVM、PSO-SVM和GA-SVM模型的预测结果进行对比,结果表明,HGSVMA模型预测效果最好,对提高露天矿卡车行程时间预测具有良好的应用前景。     

基于混合交叉赋权—可拓理论的边坡稳定性分析

随着开采深度的增加,露天矿山边坡的稳定性逐渐降低,对矿山安全造成严重影响.对此,目前尚无准确的评价方法.以边坡岩层内聚力、岩石内摩擦角、大气年降水量、边坡坡高、坡角等五个影响因素为评价指标,采用变异系数法(C V)、G1法、乘法组合、混合交叉组合四种方法确定权重,而后引入物元可拓法,对国内外具有代表性的13类露天矿山边...     

露-井联采下煤层倾角对边坡稳定性影响规律研究

随着我国煤矿井下支护技术和设备的快速发展,利用井工开采露天煤矿端帮呆滞煤技术也日渐完善,为了研究不同煤层倾角条件下,露-井联采叠加扰动对露天煤矿端帮边坡稳定性的变化规律,依据煤层赋存条件及开采方式将端帮边坡下煤层倾角分为水平、水平、顺倾、逆倾3种类型,采用理论推导分析井工开采对端帮边坡的破坏原理,根据安家岭露天煤矿的岩体力学参数建立数值模型,通过数值模拟方法从端帮边坡的高应力区分布、变形破坏程度和破坏范围3个方面进行研究,得出露天煤矿端帮相同开采工艺、不同煤层倾角条件下边坡稳定性变化规律。结果表明:煤层倾角越大,工作面两侧高应力区影响范围越大,合理控制开切眼位置与边坡面的距离,可避免井采高应力区对边坡稳定性的影响;端帮下煤层倾角越大,井工开采后边坡的破坏范围越大;煤层为顺倾赋存状态时的对边坡的破坏程度大于水平赋存状态,而逆倾赋存状态破坏程度小于水平赋存状态;端帮下煤层顺倾状态不利于边坡稳定,煤层逆倾状态有利于边坡稳定。     

基于博弈论综合评价云模型的露天矿边坡岩体稳定性分析

为了对露天矿山边坡稳定性进行可靠分析,从采矿地质、水文特征和工程施工3个层面选取14项评价指标建立稳定性评价体系,并基于博弈论构建露天矿边坡岩体稳定性综合评价云模型。以云南某露天矿边坡为工程案例,通过数学计算并评估其稳定性等级。结果表明:优化后的层次分析法能够明显改善主观权重的计算精度;选取的模型评价指标符合工程实际需要,且具有良好的独立性与代表性;博弈论可以较好地求出评价指标的综合权重,云模型能够逐级分析出各层指标与稳定性等级的相关程度,并根据最大隶属度原则,得出露天矿边坡岩体稳定性等级;结合现场实测,相较于传统评价模型,基于博弈论综合评价云模型适用性较好,分析结果准确可靠,能够为类似采矿地质条件矿山边坡岩体稳定性分析提供一定的理论参考。     

新疆准东露天煤矿单一巨厚煤层复合边坡空间形态优化

针对单一巨厚煤层露天矿土-岩复合边坡稳定性及空间形态问题,以新疆准东露天矿为工程背景,采用刚体极限平衡和FLAC3D数值模拟相结合的方法,研究了露天矿复合边坡的稳定性及空间形态,分析了复合边坡的潜在滑动模式及稳定性规律,确定了采场与排土场的最大安全距离。研究结果表明:新疆准东露天矿采场最终边坡角为34°,排土场边坡角为23°,排土场与采场安全距离为150 m时满足安全性与经济性要求;单一巨厚煤层露天矿土-岩复合边坡的滑坡模式为沿排弃物内部的圆弧滑动和以坡体出露弱层面为底界面的组合滑动;在岩体自身重力作用下,单一巨厚煤层露天矿土—岩复合边坡破坏形式为拉张—剪切复合型。