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.     

巷道围岩稳定性分类的GSM-SVM预测模型

为准确预测巷道围岩稳定性类别,提出了基于网格搜索法(GSM)优化支持向量机(SVM)的巷道围岩稳定性预测模型。选取22组巷道围岩数据作为学习样本,以水平地应力与巷道夹角、顶板岩性、水的影响和巷道断面积4个指标作为模型输入,巷道围岩稳定程度作为模型输出,同时为增强模型的泛化性能和预测精度,采用改进的网格搜索方法优化支持向量机参数,最终构建基于GSM-SVM的巷道围岩稳定性预测模型。然后运用该模型对8组巷道围岩数据进行预测,并同BP神经网络模型的结果进行对比。结果表明,GSM-SVM模型的预测结果与实际结果吻合,正确率达98%,具有比BP神经网络模型更高的精度。     

深部巷道围岩稳定性类别的BP网络识别方法

以BP神经网络模型为平台,对已知稳定性影响因素样本学习训练后,可以实现待测样本的巷道稳定性类别的识别,整个模型的求解过程是通过MATLAB软件来完成,利用BP网络模型的拟合特点及MATLAB的计算优势,可以准确、快速地完成对深部巷道围岩稳定性类别的鉴定工作,为深部巷道围岩锚喷支护设计提供依据。     

基于BP神经网络的巷道围岩稳定性识别

本文从分析巷道围岩稳定性影响因素入手,确定了影响巷道围岩稳定性的主要分类指标。在分析BP神经网络的基本原理和学习算法的基础上,根据改进的BP神经网络建立了围岩稳定性分类的神经网络识别模型,并运用VC++6.0编写程序对学习样本实现了分类。     

基于加权隶属度矩阵的岩体质量优化分级及支护研究

巷道围岩质量分级是巷道围岩稳定性分析、合理支护设计与施工的基础。提高分级结果的准确性,是提升支护效果和巷道围岩稳定性的关键途径。以RMR法为基础,以某一测点的分级因素指标值为例,构建RMR法各分级指标的隶属度矩阵,再结合熵值法确定分级指标的权重,得到加权隶属度矩阵,构造优化后的评分公式,进行指标优化评分和围岩质量分级,然后根据围岩质量分级结果及松动圈监测结果设计支护参数,利用FLAC^3D进行模拟计算以巷道围岩塑性区体积和顶底板收敛量为评价指标,研究优化前后的支护效果。研究结果表明:经过优化后的指标评分和围岩等级更加准确,巷道支护参数设计更加合理,数值模拟结果显示其能有效地提升围岩的稳定性,并将优化后的支护设计参数应用于工程,取得了良好的效果。研究成果可有效解决巷道围岩分级因素指标值位于分级边界或分级跨度大的问题,为矿山岩体质量分级与支护设计提供参考。     

基于BP神经网络的回采巷道围岩稳定性分类

针对袁店矿回采巷道围岩条件复杂、现有分类方案不够完善、巷道收敛率较大等问题,探索一种准确、高效、易于使用的回采巷道围岩稳定性预测方法.以袁店矿区回采巷道作为工程研究背景,采用BP神经网络预测原理,在分析出回采巷道围岩稳定性的影响因素基础之上,设计出一种基于BP神经网络的回采巷道围岩分类方法,利用Matlab7.0BP神经网络工具箱,实现算法编程和GUI友好的用户操作界面,结果证明此方法具有相当高的预测精度.     

应用神经网络方法评定巷道围岩稳定性

开滦荆各庄煤矿地质构造独特,大量数据表明该矿地应力与巷道夹角、顶板岩性、地下水和巷道断面积是影响巷道围岩稳定性的主要因素。在实验室研究的基础上,利用BP神经网络方法建立巷道围岩稳定性模型,结合该矿山的实测数据进行了验证,为该矿巷道进行有效支护提供了保证。     

基于组合赋权-云模型巷道围岩稳定性预测评价研究

巷道围岩稳定性影响因素众多,单一的评价指标已不能准确描述围岩分类情况,然而多指标预测评价,权重往往对评价结果影响较大。采用粗糙集优化层次分析法和熵值法组合的方式对甄选的5个指标进行赋权,有效避免单一主、客观权重计算存在的误差;基于云模型计算各评价指标隶属于巷道各稳定性等级,依据综合确定度划分稳定性等级。通过现场计算,预测评价结果与实际工况一致,证明该模型构建科学合理,准确度高,开拓了巷道围岩稳定性预测评价的新思路。     

金属矿山巷道喷锚支护智能设计的研究与应用

依据巷道围岩稳定性分类作为喷锚支护的基础数据,研究运用神经网络对地下巷道围岩稳定性进行类别识别,建立改进的BP神经网络(MBP)的围岩稳定性识别模型;把喷锚支护设计的间接类比和整体加固理论与专家系统等人工智能技术相结合,研制了喷锚支护工程设计的智能系统,并运用工程实例验证了本智能系统的正确性。     

运用神经网络方法评定软岩巷道顶板安全性

在综合考虑现有的几种软巷道围岩分级方案的基础上，确定用围岩水理性质，单轴抗压强度，围岩稳定性系数和开采深度作为软岩巷道顶板安全分级的指标，设计了实现安全分级的BP神经网络算法，并结合实例进行了计算。计算结果表明，本文所述的分级方法是可行的。     

FA-KNN模型在围岩稳定性评价中的应用

围岩稳定性对于矿山巷道的安全至关重要,为提高围岩稳定性评价的准确率和减少评价过程中的繁琐操作,提出因子分析与邻近算法耦合,建立因子分析-邻近算法模型(FA-KNN模型),并将该模型用于对围岩稳定性的评价中。选取影响围岩稳定性的6个指标,因子分析对原始变量处理可得到3个相互独立的公共因子,再利用邻近算法对3个公共因子指标计算得到各个测试样本的类别。该模型在因子分析的基础上对围岩等级进行判别,其判别结果与实际情况一致,准确率为100%,而KNN模型、BP神经网络、PCA-RF模型的评价准确率分别为50%、70%、90%,FA-KNN模型相较于其它模型有更好的预测评价效果。研究表明:因子分析-邻近算法模型具有高效、准确的特点,对围岩稳定性的评价判别有一定的指导意义。     

回采巷道围岩稳定性分析数学模型

通过对影响回采巷道围岩稳定性因素分析，运用层次分析法和模糊积分评判原理．建立了回采巷道围岩稳定性分析模型，该模型运行结果可给出回采巷道围岩稳定程度，对指导煤矿安全生产具有重要意义。     

宝山煤矿巷道围岩松动圈测试

为了解决宝山煤矿回采巷道合理使用锚喷支护的问题，对有代表性巷道的围岩松动圈进行了实测，从而确定了围岩的稳定性分级，并据此决定了各分级的支护参数。实测之后，其结果均适用于类似条件下的本矿其它巷道，使支护达到合理化、科学化，取得了良好的技术经济效益。     

新城金矿滕家矿区深部巷道围岩破坏与数值分析

针对新城金矿滕家矿区深部巷道围岩进行现场工程地质调查、岩石力学实验，分别应用RMR、Q和GSI方法对巷道围岩进行岩体质量分级，确定其围岩体质量等级为III级，岩体质量差~一般。以岩体质量分级为基础，应用Hoek-brown准则和经验公式估算岩体力学参数。应用弹塑性力学解析巷道围岩塑性区破坏范围，并以此为基础应用Phase2对巷道围岩稳定性进行分析。结果表明：巷道顶板塑性破坏范围为0.598 m，两帮塑性破坏范围分别为0.84 m和0.695 m；巷道顶板位移为7.2 mm，两帮位移分别为7.6 mm和6.8 mm；从巷道围岩应力分析可以看出，深部巷道开挖产生的应力集中超过岩体强度，由此判断深部巷道围岩破坏主要是开挖扰动应力作用在节理化岩体上致使巷道围岩失稳破坏，本研究结果对该矿深部巷道围岩支护提供依据。     

尖点突变理论在云南某铁矿巷道失稳判据的应用

针对地下矿山在开采过程中,深部巷道围岩稳定控制问题,以云南某自走铁矿1 430 m中段开采巷道为工程背景,基于尖点突变理论,提出构建位移-时间势函数的方法,对矿山现场位移监测数据进行多项式拟合得到势函数突变特征值,并根据特征值正负判断监测点巷道稳定性。利用FLAC3D数值模拟手段对理论计算的准确性进行验证分析。结果表明：基于位移-时间的尖点突变失稳模型能够较为准确地判断巷道围岩的稳定性。     

应用综合评判法评价巷道围岩稳定性

应用综合评判法对巷道围岩稳定性进行评价，并同ＲＱＤ分级、普氏坚固性分级进行了比较。此法具有显著的优越性和实用性。     

基于多维联系云的巷道围岩稳定性

为提高地下金属矿山巷道围岩稳定性评估的准确性,有效分析处理具有随机性、模糊性特征及多指标因素之间交互影响的复杂性问题,根据工程实际,选取5个典型影响因素,构建了围岩稳定性评价体系,运用区间层次分析法（Improved AnalyticHierarchyPwcess,IAHP）和改进独立性权重法（Improved Criteria importance Though Intercrieria Correlation,ICRITIC）分别计算指标主、客观权重,基于博弈论思想,确定指标最优综合权重,结合多维联系云模型理论,建立了地下金属矿山巷道围岩稳定性综合评价模型。以国内14条典型巷道工程为样本数据进行检验,并与模糊综合、未确知测度两大模型的判别结果及实际情况进行对比。最后,将模型应用到某金矿巷道围岩稳定性实例分析与评估中。研究结果显示,基于博弈论-多维联系云的地下金属矿山巷道围岩稳定性评估结果与现场调查结论完全一致,验证了本模型在巷道围岩稳定性评价方面具有可行性和有效性,可以为地下金属矿山巷道围岩稳定性评估提供一种准确的、可量化分析的新思路。     

基于PNN的巷道围岩稳定性分类

针对巷道围岩稳定性与影响因素之间存在复杂非线性关系,对煤矿回采巷道围岩稳定性影响因素进行了分析,建立围岩稳定性分类指标体系;介绍了概率神经网络(PNN)的基本原理,构建了基于PNN的巷道围岩稳定性分类模型,并利用Matlab工具箱编程对模型性能进行了检验和工程应用,当径向基扩散系数6.30≥spread≥0.64时,样本分类准确率为100％,样本分类时间小于4ms.结果表明,基于PNN的巷道围岩稳定性分类模型识别能力强,运行速度快,计算效率高,可以进行推广应用.     

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。     

基于最优加权法的围岩稳定性分类研究

通过对巷道围岩稳定性分类方法的讨论,合理地确定出5种单因素分类指标,分别采用集对分析评价模型、投影寻踪属性识别模型和最优加权法组合分类模型对巷道围岩稳定进行计算分析,并应用到工程应用中,通过比较,确定最优加权法组合分类模型更加准确科学合理地对巷道稳定性进行了分类,取得了良好的效果。