基于物元矩阵和理想点法的岩爆烈度预测

针对岩爆烈度预测问题,采用物元矩阵和理想点法进行了相关研究。在综合考虑影响岩爆发生的主要因素的基础上,以影响岩爆烈度的围岩最大切向应力与岩石单轴抗压强度比σ_θσ_c、岩石单轴抗压强度与岩石单轴抗拉强度比σ_cσ_t和弹性能量指数w_et等三个常用影响因子为评价指标,并且通过改进的层次分析法和熵值法相结合的组合赋权法来评价各个指标的影响程度,构建了岩爆烈度的物元矩阵,以靠近岩爆烈度理想点的远近程度为判断标准,基于此原理建立了岩爆烈度预测的物元－理想点模型。最后,将该模型应用于秦岭隧道、灵宝东峪矿区和冬瓜山铜矿的岩爆烈度预测中,结果表明,该模型的预测结果与实际岩爆烈度基本一致,验证了该模型的可行性。同时,将本文模型和ANN法、Bayes法以及DDA法进行比较,预测结果大致相同,且该模型不需要任何先验知识,求解过程完全由样本驱动,可操作性较强,进一步证明了该模型的合理性和有效性。     

花岗岩巷道岩爆声发射振铃计数波动规律研究

开展室内岩爆模拟试验,利用声发射仪监测岩爆过程。分析了岩爆过程声发射振铃计数波动变化规律,运用散点数据差分求导的计算方法,提出一个刻画振铃计数波动特征的指标——振铃计数变化率ξ,基于统计学原理,分析了岩爆过程ξ值的异常变化特征,捕捉岩爆发生前兆。研究表明:岩爆发生前声发射振铃计数会连续出现大幅度波动,声发射ξ值超出稳定阶段波动范围。将稳定阶段声发射ξ值波动范围作为岩爆预警阈值ξ₀,提取ξ>ξ₀时声发射信号作为岩爆前兆信息,进行岩爆灾害预警。水平应力越大,岩爆预警阈值ξ₀越大,岩爆前兆响应系数σ越小。     

基于粒子群算法和广义回归神经网络的岩爆预测

 岩爆是岩石深部开挖中一种常见的工程地质灾害。为评价岩爆发生的可能性,提出一种基于粒子群算法和广义回归神经网络模型(PSO-GRNN模型)的岩爆预测方法。该方法利用已有岩爆数据,通过神经网络技术建立回归模型,采用粒子群算法对模型参数进行优化,减少人为因素对神经网络设计的影响。据此方法,在能量理论的基础上,选取洞壁围岩最大切向应力、岩石单轴抗压强度、抗拉强度和弹性能量指数作为主要影响因素,利用国内外26组已有工程数据建立岩爆预测的PSO-GRNN模型。通过对苍岭隧道和冬瓜山铜矿岩爆预测的工程实例分析验证该方法的可行性和适用性。所提方法可为类似工程的岩爆预测提供参考。     

基于PSO优化的支持向量机在软土路基沉降数据处理中的应用

软土路基沉降预测是一个少样本、非线性、高维数据处理问题,支持向量机能够较好地解决这类问题。为了克服该理论方法在实际应用中存在惩罚因子C和核函数参数σ选取不当导致模型预测精度不高的问题,采用粒子群优化算法PSO对模型参数C和σ进行优化。工程实例表明经PSO优化的支持向量机具有较高的精确度,预测效果优于非PSO优化的支持向量机,也优于GRNN网络和BP神经网络的预测结果,值得工程技术人员借鉴。     

改进的PSOGA-SVM模型应用于露天矿区空气质量预测

为掌握露天矿区开采所造成的空气污染情况,必须对露天矿区空气质量进行准确预测。选取PM_(10)质量浓度与平均温度、相对湿度、光照时间、风力作为影响空气质量的主要因素;基于收集到的露天矿区环境数据,采用支持向量机(support vector machine,SVM)建立模型,同时引入改进型惯性权重的粒子群优化(particle swarm optimization,PSO)算法作为变异算子来优化遗传算法,最终将该模型应用于实际场景。基于MATLAB建立了改进型惯性权重的粒子群遗传算法优化支持向量机(improve inertia weighted particle swarm optimization and genetic algorithm based optimize support vector machine,PSOGA-SVM)网络预测模型。结果分析表明,所提模型的预测精度优于交叉算法验证算法优化支持向量机(cross-validation support vector machine,SV-SVM)模型和粒子群算法优化支持向量机(particle swarm optimization for parameter optimization of support vector machine,PSO-SVM)模型,且预测精度可达到98.5%以上。     

高地应力隧道岩爆破坏特征物理模型试验研究

采用岩爆相似材料制作大尺寸物理模型,自主研制隧道开挖装置,进行二维应力隧道岩爆物理模型试验,研究高地应力条件下(侧压力系数λ=2)隧道围岩岩爆等脆性破坏特征。试验结果表明:隧道开挖后,围岩有较明显的压应变波动和突变现象,拱墙处局部出现拉应变;同时,声发射能量表现出剧烈增大现象,在应变、声发射特征这两方面均表现出高应力区隧道岩爆的征兆。高地应力条件下(侧压力系数λ=2),隧道拱顶和拱底压应力集中明显而最早发生破坏,拱墙出现拉应力作用,产生张拉裂缝。围岩脆性破坏从颗粒弹射开始,随后变为碎块剥落和裂缝扩展,其变形破坏特征表现出一定的岩爆特性。     

岩爆基于支持向量机预测的智能模型

根据岩爆预测的特性,引入了支持向量机SVM的新方法,研究了支持向量机的基本原理及其在岩爆预测中的模型建立,通过某工程的实际应用证明：支持向量机在岩爆预测中取得了较好的效果。     

位移时序预测的APSO-WLSSVM模型及应用研究

引入改进的粒子群算法对小波核函数最小二乘支持向量机进行优化,提出了位移时间序列预测的改进粒子群优化小波最小二乘支持向量机预测模型(APSO-WLSSVM)。该模型具有小波变换的良好时、频域分辨能力和支持向量机的非线性学习能力;同时利用粒子群算法优化小波最小二乘支持向量机的参数,避免了人为选择参数的盲目性,从而提高了模型的预测精度。为证明该模型的优越性,将该模型与传统的高斯核函数支持向量机模型的预测结果作了对比,结果表明该模型较传统方法预测精度有了明显提高。最后将该模型用于锦屏一级水电站左岸边坡和导流洞进行变形预测,预测结果表明该方法科学可靠,在岩土体位移时序预测中具有良好的实际应用价值。     

基于粒子群优化的PLS-LCF岩爆灾害预测模型研究

岩爆灾害的预测是一个复杂的系统性问题,有必要全面综合考虑影响岩爆发生的各种因素,但当考虑变量较多时,变量间存在的多重共线性会影响分析的客观性。为了消除这种不利影响,更好地预测岩爆灾害,利用偏最小二乘法对影响岩爆的因素进行分析,提取一个对因变量解释性最强的新综合变量,较好地克服了变量间的多重共线性,并采用逻辑曲线函数表达新成分与岩爆等级之间的非线性关系,通过具有全局寻优性能的粒子群算法对函数参数优化求解,进而建立岩爆灾害预测的粒子群优化PLS-LCF模型。对模型所进行的测试显示其良好的精度,将其应用到实际工程的岩爆预测当中,分析结果与实际情况吻合较好,表明该模型在岩爆灾害预测中具有可行性与有效性。     

粒子群优化支持向量机的交通量预测方法

为了准确预测交通流量,为实施交通疏导提供参考依据,提出了一种基于小生境粒子群优化高斯小波核函数支持向量机的交通流量预测方法。首先将小波思想引入核函数,使用高斯小波核函数取代了经典支持向量机的高斯核函数。同时在支持向量机的学习算法上引入了小生境粒子群优化算法,基于小生境粒子群的多样性的优势,使得支持向量机的参数得到最优解。最后进行了预测仿真,结果表明本文方法的预测精度高于传统方法。为交通流量的预测方法提供了一种参考。     

岩石力学性态预测的PSO-SVM模型

 传统的固体力学方法在描述岩石的各种地质因素与其力学性态之间的复杂非线性关系时存在困难。引入粒子群算法(PSO)对支持向量机(SVM)进行优化,提出岩石力学性态预测的粒子群优化支持向量机模型(PSO-SVM)。该模型利用SVM来建立岩石地质因素与力学性态之间的非线性关系;同时利用PSO对SVM参数进行全局寻优,避免人为选择参数的盲目性,从而提高模型的预测精度。将PSO-SVM应用到岩石压缩系数的预测中,并与传统的BP神经网络(BP-NN)进行对比分析。结果显示,PSO-SVM的预测精度较BP-NN有较大的提高,从而表明PSO-SVM在岩石力学性态预测中的可行性和有效性。     

冲击地压预测的PSO-SVM模型

 冲击地压是一种复杂的非线性动力学现象，其发生机制非常复杂，而在监测数据的基础上对其进行分析预测，是冲击地压的一个重要研究方法，但是采用传统的数学力学方法很难表达冲击地压与其影响因素之间的复杂非线性关系，其中采用时间序列进行预测是一个重要的研究方向。针对这一问题，将冲击地压看作一时间序列过程，采用支持向量机建立冲击地压序列之间的非线性关系；同时，考虑到支持向量机参数对预测效果的影响，采用微粒群算法对支持向量机参数进行优化选择，从而提出冲击地压预测的PSO-SVM模型，提高支持向量机的推广预测能力，并对一具体算例进行研究分析。研究结果表明，该方法是科学可行的，并具有很好的精度。     

地下洞室连续围岩岩爆定量预测模型

根据能量平衡理论,推导了岩爆能量公式,定量分析了地下洞室连续围岩岩爆区位置、面积及碎块弹射速度的影响因素。研究结果表明,围岩水平应力与竖向应力比值小于1,岩爆区面积和碎块平均弹射速度随侧压力系数增大而减小,否则反之。岩爆区面积随岩体峰值荷载前后模量比率系数、岩石颗粒直径、裂隙密度和岩石断裂韧度增大而减小,随泊松比增大而增大。碎块平均弹射速度随颗粒直径、泊松比和岩体峰值荷载前后模量比率系数的增大而减小,随岩石断裂韧度的增大而增大,随裂纹密度的增加先增加后减小最终趋于稳定值。     

土石坝渗透系数反演计算研究

将智能算法引入渗透系数参数反演中,可以实现实时率定渗透系数,更好反映工程实际。本文将采用随机森林算法对支持向量机进行了修正,构造了改进支持向量机的土石坝渗透系数反演计算模型,并运用于某粘土心墙石碴坝计算中,计算结果表明:改进支持向量机方法较支持向量机法更为精确,整体较实测值偏大。该方法更好地反映渗透系数的实时性,具有一定的工程适用性与实际意义。     

基于改进的灰评估模型在岩爆中的预测研究

岩爆是深部高地应力区岩体开挖过程中常见的一种复杂的动力失稳现象。由于影响因素众多,且各因素在岩爆的孕育过程中所起的作用尚不十分明确,可以将岩爆与其影响因素间的复杂关系当作灰色系统,利用灰色聚类方法进行研究。根据岩爆的成因及特点,选取洞壁围岩的最大切应力 、单轴抗压强度 、单轴抗拉强度 及岩石弹性能量指数 作为影响岩爆的主要因素,并以应力系数 / 、脆性系数 / 及弹性能量指数 作为评价指标,通过对灰色白化权函数进行优化,建立改进的岩爆预测灰评估模型。该模型解决了传统模型存在的灰类多重交叉性及不满足规范性等问题,理论上更完备。采用改进模型对国内外若干深部岩石工程岩爆初始数据进行研究,并与传统模型的预测结果进行对比,发现改进模型的结果与实际情况吻合更好,预测精度更高,从而验证了改进模型的有效性及实用性。研究方法为岩爆的准确预测提供一种切实可行的途径。     

深埋高应力区巷道冲击地压预测与防治方法研究

 对平煤集团十二矿三水平皮带下山冲击地压预测与防治方法进行研究。结果表明,皮带下山所处位置构造复杂,以构造应力为主,地应力较大,属于深埋巷道。皮带下山围岩属典型的高强脆性岩石,具有中等偏强冲击倾向性。采用电磁辐射方法监测结果与实际发生冲击地压的情况基本一致,电磁辐射强度临界值为30 mV,脉冲数临界值为400 000次。电磁辐射指标超过临界值时具有冲击地压危险地段,采用拱顶浅孔爆破卸压法治理措施后,电磁辐射指标有明显下降,冲击地压的强度、频度均有所减弱和减少,有效地缓解和防治冲击地压发生的作用。巷道掘进施工采用短段掘锚作业,及时锚网喷索联合支护,打眼施工期间挂设防护网,最大限度地消除和缓解冲击地压的危害。     

未确知测度模型在岩爆烈度分级预测中的应用

 针对岩爆烈度分级预测评价中诸多因素不确定性问题,应用未确知测度理论并结合工程实际,根据岩爆的特点及成因,选取最大切应力sθ、单轴抗压强度sc、单轴抗拉强度st及岩石的弹性能量指数Wet,并以应力系数sθ/sc、岩石脆性系数sc/st及弹性能量指数Wet作为岩爆烈度分级的评价指标,建立岩爆烈度分级预测的未确知测度评价模型。以国内外18组工程岩爆分析初始数据进行分级判别,根据实际情况建立各评价因子的未确知测度函数,对其进行定量分析,并利用熵计算各评价指标的权重,依照置信度识别准则进行等级判定,最后得出岩爆烈度分级预测的评价结果。并与模糊综合评判法、属性综合评判法、灰色聚类法、物元分析法及实际情况的结果进行比较。为进一步考察该模型的有效性与实用性,运用该模型对秦岭隧道工程的岩爆实例进行分析。研究结果表明：该模型判别预测结果与实际岩爆情况较吻合,且方法科学合理,意义明确,为岩爆烈度分级预测提供一种新思路。