约简概念格的粗糙集在岩爆烈度判别中的应用

为了对岩爆烈度进行高效判别,综合考虑影响岩爆的主要因素,包括最大切向应力σθ、岩石抗压强度σc、岩石抗拉强度σt和弹性能量指数Wet,并以σθ/σc,σc/σt和Wet作为岩爆烈度的最初判别指标.利用概念格为约简工具对判别指标进行约简,得到最大可约简属性集,并与传统粗糙集中的分辨矩阵约简结果进行对比,然后利用粗糙集建立岩爆烈度判别模型,生成最少偏好规则集,判别对象的分类质量为100％,最后将该模型应用于国内几处工程的岩爆烈度判别.研究结果表明:约简概念格的粗糙集用于岩爆烈度判别结果与实际情况及其他利用3项指标的评判模型所得的结果一致,该模型减少岩爆烈度判别所需的指标,提高了判别效率.     

改进未确知测度理论的隧道塌方风险评估及控制

为确保隧道施工安全,建立了改进未确知测度理论,并应用置信度识别准则来确定隧道塌方风险等级。风险评估步骤如下：首先,选取围岩等级、隧道埋深、地下水、偏压角度和不良地质因素作为静态孕险指标,大气降水、开挖跨度、支护措施和监控测量作为动态致险指标;其次,采用物元分析代替熵权分析来确定静态和动态组合权重;最后提出风险规避方法,从而有效降低风险等级。将改进未确知测度理论风险评价方法成功应用于关口垭部分隧道风险评价中,既能准确判断风险等级,又能有效控制风险因素,为隧道风险评价提供了新方向。     

优势变精度粗糙集构建采矿方案评价体系的研究

影响采矿方案的因素错综复杂,为了建立科学合理的采矿方案评价体系,首先将影响因素进行分级,利用模糊数学确定各级影响因素的权重.由于噪声数据的存在,采用优势变精度粗糙集构建采矿方案评价体系,可以辨识规则间的不相容性,对条件属性进行约简,并生成最少偏好规则集,分类质量为100%.然后利用灰色关联度理论对约简后的属性进行优势分析,得到各属性对于方案的重要程度,完善采矿方案评价体系.研究结果表明：优势变精度粗糙集相对于经典粗糙集更具规则性,构建采矿方案评价体系是科学有效的.     

基于主成分分析与BP网络的锚杆支护方案优选

巷道特征与锚杆支护之间可以看作是一种非线性映射关系,用一般的数学方法难以表达巷道支护方案与其影响因素之间的非线性映射关系.神经网络已广泛应用于锚杆支护方案优选,并取得较好的效果.基于单一神经网络预测锚杆支护方案存在一些不足,构建了主成分分析与BP网络相结合的巷道锚杆支护方案优选模型.利用主成分分析对神经网络的输入数据进行预处理,使输入数据减少且不相关,加快网络的收敛速度,并且预测精度均在90%以上.研究结果表明:将主成分分析与BP神经网络结合优选巷道的锚杆支护方案,具有很高的预测精度;与单一BP神经网络相比,提高了预测精度．     

基于灰色 Elman 神经网络的爆破飞石距离预测研究

针对单一神经网络预测方法存在一些不足,将建立灰色关联分析法与 Elman 神经网络的耦合模型,对爆破飞石最大飞散距离进行预测研究。首先,利用灰色关联分析方法对数据进行预处理,确定各影响因素与爆破飞石距离之间的关联度;然后,根据关联度的大小,选择关联度较大的影响因素作为 Elman 神经网络的输入层数据;最后,用神经网络的功能对数据进行训练和预测。研究结果表明：利用灰色关联分析方法确定主要影响因素作为输入层,比单一使用 Elman 神经网络的预测精度更高,达到95％以上。     

基于概念格粗糙集的采矿方法优选研究

为了正确选择矿山初选的采矿方法,提出基于概念格粗糙集的采矿方法评价体系。综合考虑影响采矿方法选择的众多因素后,对指标进行分层处理,利用改进的粗糙集建立采矿方法评价体系,生成最少决策规则集。属性约简是粗糙集中的核心问题,选择概念格作为约简工具,对条件属性进行约简。将模型用于15种采矿方法的优选,得到了最大可约简属性集,决策规则集的分类质量为100%。最后,将约简概念格与传统粗糙集中的分辨矩阵进行对比,结果表明：概念格在属性约简方面比分辨矩阵更有效,利用概念格的粗糙集构建采矿方法评价体系对矿山生产具有一定的理论指导意义。