基于ν-SVR算法的岩爆预测分析

以预测地下工程岩爆发生为研究目的,在综合影响岩爆的关键因素的基础上,选取地下工程围岩最大切向应力、岩石单轴抗压、抗拉强度、弹性能量指数、围岩切向应力与围岩抗压强度比值、围岩抗压强度与其抗拉强度的比值作为岩爆预测的评判指标,建立了一种基于改进支持向量机算法( ν-SVR)的岩爆预测方法,并利用国内外45个岩石地下工程实例进行学习,对另外的16个实例进行了预测,取得了较好的效果,其预测精度明显优于灰色理论和常规SVR算法,与GA-BP神经网络算法相近.     

基于Fisher判别的地下工程岩爆预测

按照Russenes和王元汉等人的岩爆经验判别准则,取硐室最大切向应力和岩石单轴抗压强度的比值、岩石单轴抗压强度和岩石单轴抗拉强度的比值、弹性能量指数作为地下工程岩爆的评判指标,利用国内外14个地下工程岩爆资料作为训练样本,建立Fisher岩爆级别判别模型,并对待判样本岩爆级别进行了预测.结果表明,所建Fisher岩爆判别模型的计算结果与实际情况吻合程度高,具有较强的判别能力.     

数据缺失的SOA-KELM岩爆倾向性预测

:为简化模型结构、解决迭代训练拖延问题,利用海鸥（SOA）算法进行核极限学习机（KELM）重要参数择优,建立基于数据插补和SOA-KELM的岩爆风险预测模型。综合岩爆预测过程中多因素影响,选取单轴抗压强度,单轴抗拉强度等6种指标作为岩爆风险评价指标,搜集93组岩爆实测样本。一方面采用随机过采样补充少数类别样本数据,一方面采用ELMAN神经网络进行缺失数据插补,构建高质量岩爆风险预测样本数据库。最终将预处理后的数据输入4种模型中进行分类预测。结果表明：数据插补后,各模型预测准确率提升5.56%~16.67%。不同情况下,SOA-KELM预测准确率均为最高数值,且数据随机过采样处理并未影响模型预测准确率,融合ELMAN神经网络和SOA-KELM的预测模型可有效应用于岩爆风险预测,为实际岩爆预测提供了新思路。     

基于权重融合的多维云模型岩爆预测研究

岩爆是地下空间开发和矿业工程中主要工程地质灾害之一,岩爆倾向性预测是必须解决的岩石工程的重大问题。针对岩爆预测过程中多因素综合影响的特点,采用云雾化理论对权重融合的合理性进行检验,获得检验通过的综合权重,采用多维云模型岩爆预测方法,生成综合多种指标的等级综合云。最后,通过若干组国内外典型岩爆实例验证模型的可靠性和实用性,并与CRITIC-云模型、熵权-云模型和RS-TOPSIS模型对比,结果表明:基于云模型理论的权重融合方法能获得更为合理的综合权重,多维云模型应用于岩爆倾向性预测是有效的,可以直观、快速有效地判定岩爆烈度分级。     

基于贝叶斯判别分析方法的岩爆烈度预测研究

针对各种岩爆烈度预测判据的结果有时产生比较大的误差,提出了贝叶斯判别分析方法。选取强度脆性系数(Rb)、弹性应变能储存指数(Wet)、Russenses判据作为岩爆预测的判别因子,建立贝叶斯判别分析模型,并对样本进行后验概率和回代检验,最后利用该模型进行预测。研究结果表明,该模型预测结果准确率达93.75%,与实际情况较吻合,可以在实际工程中应用。     

某深井矿山岩爆预测模式研究

针对某深井矿山的微震监测信息,采用地震学原理进行震源参数量化计算,结合现场岩爆记录,对井下地压活动与微震参数时空变化的响应规律进行了研究.结果表明:一定时间域内微震参数的空间变化反映了岩体的应力分布状态,可做为岩爆危险区识别的依据;一定空间域内微震参数的时间变化与岩体破裂过程紧密相关,震源参数随时间突增、骤减等异常变化表征岩体不同的变形阶段.基于研究结果,提出以应变硬化结束应变软化开始的时间点作为岩爆预警点,构建了该矿岩爆预测的一般模式,实际应用效果较好,为类似矿山的岩爆预测提供了借鉴意义.     

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。     

基于灰色关联分析理论的岩爆烈度预测研究

基于灰色系统的灰色关联分析理论,选取影响岩爆的一些主要因素,如地应力、岩石抗压和抗拉强度、岩石弹性能量指数,对岩爆的发生与否及烈度大小进行了预测。针对国内外一些岩石地下工程实例进行了分析计算,结果与实际情况符合的很好,说明岩爆预测的灰色关联分析方法的有效性。     

基于非线性混沌理论的岩爆预测方法展望

在回顾总结几十年来国内外岩爆预测预报的历史经验的基础上，结合近年来蓬勃发展的非线性理论，从岩土体天然的非线性本质出发，提出以非线性混沌理论作为基本出发点来研究非线性的岩爆问题的思路。     

岩爆分类与预测分析

在分析前人岩爆分类的基础上,根据岩爆发生时岩体的破坏形式将岩爆分为松弛型和爆脱型,从岩爆烈度来看,前者属于轻微、中等岩爆,后者应归于强烈或极强等级.另外根据应力状态还可将岩爆分为构造应力型、垂直应力型和混合应力型.通过齐热哈塔尔引水隧洞施工支洞施工过程中的岩爆现象进行验证与对比,认为该分类方案有较好的实用性.在分析总结已发生岩爆的基础上,对引水隧洞的主洞进行了预测.提出在断层带和节理裂隙密集带发生的岩爆有可能会使断层带内物质和节理较发育岩体发生结构性失稳,从而造成较大规模的破坏.因此,在较大规模的断层带的下盘或者节理较发育的岩体两侧发生岩爆的可能性较大时,需要对断层带和节理较发育的岩体进行预处理,并且应区分岩爆破坏和岩爆诱发大规模破坏的特征,依此提出处理方案.     

基于PCA-SVM的岩爆预测

岩爆是深部地下工程开挖掘进过程中常见的地质灾害,具有显著的随机性、突发性和复杂性,随着深埋工程的增多,岩爆预测的重要性日益凸显.根据岩爆的影响因素、特点及成因,选取了围岩切向应力σθ,单轴抗压强度σc、单轴抗拉强度σt、脆性系数σc/σt、应力系数σθ/σc和冲击倾向性指数W et等6个主要预测指标.首先用主成分分析法...     

基于修正散点图矩阵与随机森林的岩爆等级预测

为了提高岩爆预测模型的精度,以围岩洞壁最大切向应力(MTS)、岩石单轴抗压强度(UCS)、岩石单轴抗拉强度(UTS)、应力系数(SCF)、脆性系数(BI)、岩石弹性能指数(EEI)等参数作为预选预测指标.运用修正散点图矩阵分析指标间、指标与岩爆等级间的关系,筛选指标集中的离群值,确定构成岩爆预测的指标体系.引入并优化随...     

基于两体系统动态加卸载效应的冲击地压机理

从冲击地压事件的能量来源出发,提出了破裂体和释能体相互作用的冲击震源模型,分析了冲击地压过程中能量传递与释放的动态机制,指出冲击源两体之间存在动态加、卸载效应。破裂体中裂纹传播速度越快,对释能体的动态卸载效应越显著,释能体动态应力降越大,能量释放速率越高;释能体动能越大,作用于破裂体的动态加载速率越高,破裂体破坏速度越快,碎裂程度越高,冲击地压发生过程即为两体动态交互作用加速、稳定、减速过程,相关分析与室内两体试验现象吻合。据此理论推测了冲击源的尺度特征,华亭矿区典型冲击地压事件的同步钻孔应变观测结果表明冲击时在破裂区外围不同尺度范围内存在同步应力降,为上述理论提供了工程依据。     

基于蝙蝠算法的概率积分预计参数反演方法

开采沉陷预计参数在反演时存在精度不高、计算量大、过程复杂等问题,因此如何准确、快速反演概率积分预计参数成为开采沉陷预计的热点问题和难点问题.蝙蝠算法(bat algorithm,BA)作为一种元启式优化算法,具有算法简单、参数较少、计算速度快、求参精度高、易于编程实现等优点.因此,本文将BA应用到开采沉陷预计参数反演中...     

基于地震CT技术的冲击地压危险性评价模型

运用地震波运动学理论,分析了地震波在“岩-煤-岩”特殊结构中的传播路径特征,结合现场实测数据统计结果,得出通过地震波走时CT技术,可利用回采工作面煤岩交界面的折射波对顶（底）板纵波波速进行成像,进而间接反映煤层性质。深入分析了地震波波速和地震波波速梯度与冲击地压危险性的相关性,以此为基础,初步建立了以地震波波速异常系数和地震波波速梯度系数为主要因子的冲击地压危险性评价模型。该模型基于地震CT技术对煤岩体纵波波速的成像数据,评价结论以二维图像形式表现。将该模型应用于新疆宽沟煤矿冲击地压工作面,评价结论与现场实际情况吻合性较好。     

基于线性预测残差分析与压扩算法的高精度局部放电定位检测方法

局部放电（PD）是导致变压器、气体绝缘全封闭组合电器、高压电缆等变电装备绝缘故障的主要原因,也是反映变电装备绝缘状态以及研判绝缘老化程度的主要依据。针对现有的超声局放监测存在的传感器灵敏度低、故障定位精度不高等问题,利用多传感器信号融合,研究了一种线性预测残差分析和压扩算法相结合的高精度PD定位检测方法,对多个传感器检测到超声局放脉冲信息之间的到达时间差做出准确估计。在此基础上,研制了一种智能超声局放传感器系统,通过源端局放超声波信号的自适应滤波和放大,提高了传感器的现场抗干扰能力和检测灵敏度。实验结果表明所提出的PD源定位方法的定位精度在1.2 cm内,验证了所提出的智能超声局放传感器的高定位精度。     

基于神经网络算法的爆破振动预测模型开发北大核心

爆破地震效应是爆破过程中最为常见的负面效应之一。对地面振动进行准确预测是预防和控制爆破地震效应的前提。研究中,采集了76组爆破振动数据,基于神经网络算法,提出了8种不同的爆破振动预测模型,并考虑了神经元数量、传递函数和学习函数等超参数对神经网络模型预测精度的影响。选择了三种统计指标对模型性能进行评估,并对所开发模型的性能进行了比较。结果显示,建立的ANN-3模型具有最高的预测精度,其相关系数、决定系数和均方根误差分别为0.972、0.945和1.949。得到了神经网络的最佳参数配置:网络结构2-12-1,输入层-隐藏层-输出层之间的传递函数为logsig-pureling,学习函数为learngd。研究成果有助于提高矿山生产爆破的安全,特别是作为爆破设计过程中的辅助工具,便于爆破工程师更好的控制爆破振动,以及为围岩稳定性评估提供决策支持。     

基于融合特征选择算法的钻速预测模型研究

钻速预测是钻井优化的重要组成部分,机器学习算法是当前实现准确钻速预测的重要手段,准确的特征选择是保证机器学习精度的关键途径。基于南海某井眼的实际钻井数据,本文采用一种融合特征选择法从钻井特征参数中选出井径、钻井液出口温度、钻井液入口密度、钻井液出口密度、K值、塑性粘度、滤失量、上覆压力、孔隙压力、和喷嘴等效直径共10种参数。将优选出的参数作为模型输入,引入集成的梯度提升树（Gradient Boosting Decision Tree,GBDT）算法建立机械钻速预测模型。将建立的模型与常规机器学习算法模型进行对比试验。试验结果显示,所提出的融合特征选择算法模型精度较全特征模型高2%,较常用机器学习模型平均高14.5%,该研究为钻井参数的准确、快速寻优提供了有效解决方案,对提高钻进速率具有一定的指导意义和实际应用价值。     

基于可靠度的采空区稳定性预测

本文首先推导了采空区顶板冒落的极限状态方程 ,对随机变量的概率模型进行了分析 ,最后结合实例 ,采用优化方法进行了采空区的可靠度计算