基于反赋权与MBCT-SR多维云模型算法岩爆预测研究

基于岩爆事故的模糊性与随机性特征,为解决在当前岩爆烈度等级预测研究中,通过正向云发生器经验式计算多维云模型特征值进而导致预测结果主观性较强的问题.本文选取应力比Ts=σθ/σt、岩石脆性指数B=σc/σt以及弹性应变储能指数Wet作为评价指标,结合机器学习理论,采用多维逆向MBCT-SR云发生器算法对岩爆等级进行预测,...     

基于改进的未确知聚类模型的岩爆倾向性预测

在采用未确知聚类评价模型进行多指标分级评价时,常采用置信度识别准则作为待测对象的属性识别,该准则中置信度的取值由人为取定,当置信度取值不同时,得到的分级判定结果往往出现差异,甚至产生完全不同的判定结果。通过距离判别的思想将未确知聚类理论中的置信度识别准则进行改进,并运用到岩爆烈度的分级预测中。根据岩爆发生的主要影响因素,选取岩石单轴抗压强度σ_c、单轴抗拉强度σ_t、最大切应力σ_θ及岩石的弹性变形能指标W_(et)为岩爆主要影响因子。并以σ_c/σ_1、σ_θ/σ_c、W_(ey)为岩爆烈度等级评价因子,建立未确知测度模型,以距离判别改进后的属性识别方法进行分级预测,并与原置信度识别准则得到的判别结果进行分析和比较。为验证改进模型的实用性,以贵州开磷集团马路坪矿区为例,采用改进的未确知聚类模型对其岩爆烈度等级进行预测分析。结果表明,预测结果与实际情况基本吻合,证明采用改进后的未确知测度模型的判别结果不仅消除了由于置信度取值不同造成的判别结果误差,降低了人为主观因素的影响,而且具有较高的判别准确性和可行性。     

在线极限学习机在岩爆预测中的应用

为有效预测地下工程岩爆的发生及烈度,结合地下工程岩爆的特点,分析岩爆影响因素及相关判别依据,选取围岩最大切向应力σ与岩石抗压强度σc之比σ/σc、岩石抗压强度σc与岩石抗拉强度σt之比σc/σt以及弹性能量指数Wet为判别因子,引入在线极限学习机理论,建立了岩爆预测的OS-ELM判别模型。以搜集到的国内外15组工程岩爆数据进行训练建模,训练完成后将样本数据做输出预测,得到模型的预测精度达97.98%,并与SVM、BP模型进行对比分析,结果表明,OS-ELM模型精度优于SVM和BP模型。利用该模型对国内两处隧道岩爆情况进行预测,结果与实际情况基本相符。研究表明,OSELM判别模型在岩爆烈度分级上具有良好的适用性和有效性。     

基于CRITIC-有限区间云模型的边坡稳定性评价

针对岩质边坡危险性分级的不确定性,选取坡高、坡角岩体结构特征、岩石单轴抗压强度等12项定量评价指标构建评价体系。根据有限区间云模型的相关概念和计算模型,求出露天采场边坡实测数据的云模型特征参数,利用正向云发生器生成云滴图进行量性概念的转化,通过改进的CRITIC法确定指标权重,进而求出不同采场隶属于不同危险等级的综合隶属度,实现边坡稳定性等级的划分。研究结果表明:评价结果与实际相符,利用CRITIC算法求取的权重值,可以考虑各评价指标的综合信息量以及指标间的相关性系数,使评判结果更具有准确性;同时可以快速准确判断出边坡稳定性分级,进行安全预测,为评价边坡的稳定性提供了新思路。     

RF-AHP-云模型下岩爆烈度分级预测模型

为准确可靠地预测岩爆灾害,将随机森林(RF)与层次分析法(AHP)结合,在RF分析指标重要性的基础上优化AHP法,构建RF-AHP指标权重计算方法;结合云模型理论,建立基于RFAHP-云模型的岩爆烈度分级预测模型;通过文献调研法,建立包含301组岩爆工程实例的数据库作为岩爆烈度分级预测的样本数据,并分析25组预测样本的岩爆预测结果。结果表明:所提模型预测准确率达88%以上,可判定预测样本的岩爆烈度等级;经验证,作为预测模型核心的RF-AHP指标权重计算方法具备一定的合理性。     

基于粗糙集和加权灰色关联分析的岩爆预测

本文选取影响岩爆发生的五项指标作为岩爆预测的关键影响因素:最大主应力、单轴抗压强度、岩石点荷载强度、岩体完整性系数和弹性变形指数。通过采用粗糙集理论确定岩爆预测影响因素的权重,利用加权灰色关联分析对某工程的岩爆发生情况进行了预测。预测的结果与现场实际状况相吻合,说明运用该方法预测岩爆是合理的。     

熵权TOPSIS模型在地下工程岩体质量评价中的应用

选取岩石单轴抗压强度、岩体质量指标、岩体变形模量、岩石泊松比、岩石抗剪强度、结构面摩擦因数、地下涌水量和结构面产状作为评价指标,通过计算指标原始数据的信息熵确定各指标权重,在此基础上,建立基于熵权TOPSIS法的地下工程岩体质量模型,并应用于工程实例,研究表明:采用熵权计算权重,能够依靠原始数据本身而不依赖人的主观判断,且计算过程简单;基于熵权TOPSIS法的地下工程岩体质量评价结果与实际情况均完全一致,能够应用于地下工程岩体质量评价中。     

灰靶决策理论在岩爆烈度等级评价中的应用

为解决小样本情形下岩爆烈度等级评价的模糊性和不确定性问题,提出基于多因素灰靶决策理论的岩爆烈度评价方法。首先,利用该方法构建评价指标体系,采用灰色关联法确定各指标权重系数;然后,引入基于正负靶心的灰靶决策理论,建立多维空间岩爆烈度等级评价模型,利用空间投影距离法建立不同岩爆烈度等级的综合靶心距分布集;最后,通过度量靶心距的大小判定岩爆烈度等级。研究结果表明:该方法的评价结果与实际岩爆情况相吻合;相较于粗糙集理论和Russenes判据,能够弱化因信息量不足所造成的决策模糊性,给出更为确切的岩爆烈度判定结果。     

基于MIV-MA-KELM模型的岩爆烈度等级预测

为准确预测岩爆烈度等级以确保挖掘工程施工安全,提出一种基于MIV-MA-KELM的岩爆烈度等级预测模型。首先,在分析岩爆烈度影响因素的基础上确定主要评判指标,采用文化基因算法(MA)优化核极限学习机(KELM)参数,借助KELM拟合评判指标与岩爆烈度等级间的非线性映射关系;然后,利用平均影响值(MIV)方法以20%的调解率计算各指标影响权重,剔除低影响权重指标并反馈到MA-KELM模型中重新训练与测试;最后,选取巴玉隧道的68组数据进行试验,并用该模型预测秦岭隧道岩爆烈度等级。结果表明:预测结果与实际情况完全一致;MIV-MA-KELM模型能更合理地构建指标体系,有效避免局部最优解,提高岩爆烈度等级的预测准确率。     

地下工程岩体岩爆倾向性微观机制研究

为提高地下岩爆灾害预测的准确性,考虑岩石的岩性,选取大理岩、花岗岩、角岩和矽卡岩进行力学和微观试验,研究具有岩爆倾向性岩石的微观机制,建立基于莫氏硬度的岩爆倾向性串并联模型。计算4种岩石的加权模式硬度。结果显示,串联加权莫氏硬度大于6.0、并联加权莫氏硬度大于0.5的岩石表现出强烈的岩爆倾向性,串联加权莫氏硬度小于4.0、并联加权莫氏硬度小于0.3的岩石表现出较弱的岩爆倾向性。试验结果表明,岩石的岩爆倾向性主要与岩石的微观结构、矿物组成和解理条件等有关,含坚硬、储能能力强的矿物的岩石有强烈岩爆倾向性。     

基于改进组合赋权-TOPSIS法的岩爆倾向性评判模型

针对岩爆倾向性评价模型中指标权重难以确定导致预测精度不高的问题,提出1种基于改进组合赋权-TOPSIS法的岩爆倾向预测模型。综合考虑岩爆发生条件,选取岩性条件、应力条件和围岩条件3项准则对应的15个岩爆倾向性判别指标。采用3标度法的改进层次分析法（IAHP）与熵权法（EWM）结合,消除主、客观因素影响获得最优权重,运用逼近理想解法(TOPSIS)分析评判对象与虚拟理想解的贴近程度,从而判断岩爆倾向性等级。研究结果表明:弹性能量指数Wet、动态DT参数、能量储耗指数k、T准侧和应力指数S对岩爆倾向性影响较大;该模型对岩爆倾向性预测准确率高于85%,可为类似地下岩土工程岩爆倾向性预测提供理论支撑。     

深部矿山巷道岩爆应急管理能力评估

为了降低深部矿山巷道岩爆事故中的人员伤亡与财产损失，提高岩爆事故中的应急管理能力，提出改进组合赋权-云模型相结合的深部矿山巷道岩爆应急管理能力评估方法。首先，根据PPRR(Prevention, Preparation, Response, Recovery)应急管理理论，构建包括应急预防能力、应急准备能力、应急响应能力和应急恢复能力4个一级指标的深部矿山巷道岩爆应急管理能力评估指标体系，该体系共包含18个二级指标；其次，引入指数函数改进层次分析(Analytic Hierarchy Process, AHP)法，利用改进的AHP法和熵权法分别确定评估指标的主客观权重，将各权重进行融合以获得最优权重，并结合云理论建立改进组合赋权-云模型的应急管理能力综合评估模型；最后，以河南某深部矿山巷道为例，运用综合评估模型对深部矿山岩爆应急管理能力进行评估。结果显示：深部矿山岩爆应急管理能力等级为Ⅱ,且综合评价云的超熵为0.21(小于4.65/3)。评估结果与实际应急管理能力水平相符，综合评估模型可快速准确地确定深部矿山巷道岩爆应急管理水平。     

基于改进Smote-GBDT算法的岩爆预测模型

为准确预测岩爆等级,确保施工人员和设备安全,首先,从岩爆机制、数据和算法角度,分析埋深(D)、单轴抗压强度(UCS)、单轴抗拉强度(UTS)、岩石脆性指数(B₁、B₂)、围岩最大切向应力(MTS)、应力集中系数(SCF)和弹性变形能指数(W_et) 8个指标,建立岩爆预测指标体系;其次,针对岩爆样本存在的数据不均衡问题,引进托梅克联系(Tomek Link)对欠采样方法,改进合成少数类过采样(Smote)算法,对岩爆训练样本进行混合过采样;最后,构建SmoteTomek-梯度提升树(GBDT)岩爆预测模型,以38组数据验证模型的有效性,并与其他模型进行对比。结果表明：SmoteTomek-GBDT的准确率为92.1%,较未采样提升5.3%,Smote采样提升10.5%,优于随机过采样模型,并且避免跨等级的岩爆误判。     

基于组合赋权的混合粒子群优化支持向量机的岩爆倾向性预测

为有效预测岩爆灾害发生烈度,提出一种基于组合赋权的混合粒子群优化支持向量机(H-PSO-SVM)岩爆倾向性预测模型。根据岩爆发生机制,在分析岩爆发生的主要影响因素的基础上确定出评判指标;综合考虑模糊层次分析法(FAHP)所得主观权重和熵权法所得客观权重,应用调和平均数概念,构建组合赋权准则;引入遗传算法交叉、变异操作改进传统粒子群(PSO)极值跟踪和粒子更新方法,建立H-PSO-SVM岩爆倾向性预测模型。利用国内外已有工程实例数据进行50次随机抽样试验,对比分析H-PSO-SVM模型和PSO-SVM模型等预测结果。结果表明:H-PSO-SVM模型应用于岩爆工程实例预测具有可行性和适应性,模型预测的准确率高于其他模型,且预测结果更稳定。     

基于不同指标无量纲化方法的岩爆预测模型优选

为研究不同指标无量纲化方法对岩爆等级预测模型精度的影响,提高岩爆预测准确率,选取应力系数、脆性系数和弹性能量指数作为预测指标。基于104组岩爆实例大样本数据,采用统一极差处理法、差异化极差处理法、平均化处理法和归一化处理法4种指标无量钢化方法,对预测指标的原始数据进行处理,建立不同的岩爆预测距离判别模型并进行工程实例应用。研究结果表明:基于平均化处理法的岩爆预测模型的回判准确率高达97.1%;对不同矿山、隧道和水电站的6个工程实例的预测结果符合实际情况,说明其是一种准确率高、方便实用的岩爆预测模型。     

岩爆倾向性的改进有限云评价模型与工程应用

为解决深部开采顶板岩爆评价问题,以挑水河磷矿为例,提出由3个岩爆倾向性评价指标e0/ec、e1/ec、ec/et组成的综合性评价指标体系,采用消除云雾化的综合权重法,建立顶板多指标岩爆倾向性的改进有限云评价模型;通过FLAC3D模拟计算采场的应力值,获得e0/ec、e1/ec、ec/et的参数值;开展挑水河磷矿顶板岩爆...     

基于BP网络理论的岩爆预测方法

选取影响岩爆的一些主要因素,如地应力大小、岩石抗压和抗拉强度、岩石弹性能量指数,采用人工神经网络理论,根据国内外一些岩石地下工程实例构造样本集,建立了一种新的岩爆预测模型.此模型可以直接应用于岩石地下工程,对岩爆的发生与否及烈度大小进行预测.实例表明,预测结果与实际情况符合得很好,说明了此模型的有效性.     

基于多维联系云模型的公路边坡施工安全风险评估

为有效规避山区公路边坡施工事故造成的损失，实现施工过程中风险的分级管理和有效防控，根据广西某公路边坡施工中的风险辨识和现行的边坡施工风险评估指标，建立了山区公路边坡施工安全风险评估指标体系和风险等级标准。首先，通过序关系分析法(Order Relation Analysis Method, G1法)和改进CRITIC(Criteria Importance Though Intercrieria Correlation)法确定边坡施工风险各评估指标的主观权重和客观权重，并使用博弈论优化以得到各评价指标的最优权重。然后，利用集对分析的同异反原理改进多维云模型的云联系度，建立了基于集对分析的多维联系云模型。最后将该模型应用于广西某公路的6个施工边坡，得出各边坡施工的风险等级，同时将风险评估结果与其他5种评价方法进行对比。结果表明，基于多维联系云模型的边坡施工安全风险评估结果有效可靠，且能够有效确定边坡施工安全风险的转化态势。     

基于云推理的运营隧道结构健康安全风险评价研究

为更好地开展运营隧道结构健康安全风险评估,引入云模型,讨论不确定性信息的随机性和模糊性,提出关于二维及多维云推理的安全风险等级评价方法。在建立评价指标体系的基础上,利用云数字特征描述安全风险等级、风险发生概率P和损失程度C,实现二维云推理;基于模糊推理思想,建立推理规则库,实现多维云推理。算例结果表明,基于云推理的安全评价方法有助于实现不确定性问题的表达,最终安全风险等级云图结果与实际情况相符。     

尾矿库溃坝灾害风险分级评估的加权云模型研究

为了实现尾矿库坝灾害风险的准确分析,提出了一种尾矿库溃坝灾害风险分级评估的加权云模型。首先基于文献计量法以及相关分级标准构建了尾矿库溃坝灾害风险分级指标体系;然后基于博弈论确定了频次法和投影寻踪算法的组合权重;最后采用云模型来表述各风险等级之间的模糊性和不确定性,并结合基于博弈论的组合权重确定了尾矿库溃坝灾害风险等级的综合隶属度,再采用9组尾矿库实例进行验证加权云模型的评估结果。结果显示,加权云模型评估的9组尾矿库样本结果与实际相符,表明模型具有较高的预测精度,可以为尾矿库溃坝灾害风险等级评估提供可靠的依据。