基于未确知测度理论的公路隧道水害危险性评价

基于未确知测度理论,建立公路隧道水害危险性评价模型。从内因和外因的视角分析,同时将内因分为水害来源、通道、水量三个部分,采取隧道区降水量、地表水文情况、隧道区渗透系数、构造断裂带类型、围岩分级、岩土分类、单位涌水量、隧道区平均气温、隧道区植被覆盖率、隧道区地下水腐蚀性(酸性)、防排水措施情况、隧道施工分级、安全管理情况等共13项指标作为为确知测度模型的判别指标;根据相应的实测数据构建未确知测度函数,同时利用信息熵理论获得各判别指标的权重,依据置信度识别准则进行等级判定,最后得出公路隧道水害危险性评价结果。运用该方法对国内6条典型公路隧道的水害危险性进行评价,评价结果与公路隧道实际情况相吻合。因此,这种新方法能够应用到公路隧道水害的危险性评价中,并能解决公路隧道危险性评价的诸多因素不确定性问题,对其进行合理有效的评价。     

煤冲击倾向性分类模型的指标无量纲化影响研究

为准确评判煤的冲击倾向性类别,并解决国家标准中的模糊综合评判方法难以判别8种样本的难题,引入Bayes判别分析方法,选取动态破坏时间、弹性能量指数、冲击能量指数和单轴抗压强度作为评判指标,将110组冲击倾向性实测数据作为训练样本,构建Bayes判别模型;采用4种无量纲化方法处理评判指标的原始数据,建立对应的判别模型,并开展无量纲化方法对模型判别准确率的影响研究。结果表明:基于归一化法无量纲化处理的Bayes模型的判别准确率最高,达到98. 2%,该模型应用在10个工程实例的判别结果与实际情况完全一致,而且避免了指标相关性对冲击倾向性分类结果的影响。     

基于RS-云模型的硫化矿石自燃倾向性综合评价

为实现硫化矿石自燃倾向性的综合评价,应用云理论,选取矿样的氧化质量增加率、自热点和自燃点等定量化指标构建了评价指标体系,运用粗糙集法（Rough Set, RS）计算各评价指标权重,依据分级标准对云模型进行标准化,进而建立硫化矿石自燃倾向性分级的RS-标准云模型。以30组工程实例进行模型检验,并在实际工程中进行应用。结果表明:RS-标准云模型的判别结果与实际结果较吻合,且判别准确率高于贝叶斯(Bayesian, Bayes)方法,表明RS-标准云模型在硫化矿石自燃倾向性综合评价中具有良好的实用性和可靠性,可为矿山的硫化矿石自燃灾害的研究提供一种新思路。     

Elman神经网络在矿井突水水源判别中的应用

矿井突水是矿建与生产过程中最具威胁的自然灾害之一,准确判别突水水源是防治水害的关键。选取6种离子的质量浓度作为突水水源的判别因素,将河南省焦作矿区不同水层的39组水化数据以2种样本设计方案进行Elman神经网络模型的构建与检验。以不同的35组水源样品作为训练样本,运用Matlab软件进行Elman神经网络训练,将所建立的判别模型应用于(相应的)4组待测样本的判别,并与DDA、FDA、Bayes三种判别方法的判别结果进行分析比较。2种方案应用结果表明:将具有非线性动态特征的Elman神经网络应用于突水水源判别,在结合相应的水文地质条件前提下,可以准确判断突水来源;矿井多年的开采促使地下各水层水质呈动态变化,Elman神经网络判别模型能够反映这种变化特性,对探寻地下水运移与演化具有一定的应用价值。     

硫化矿石自燃倾向性评价的属性区间识别模型

为合理判定硫化矿石的自燃倾向性大小,将属性区间识别理论与信息熵理论结合,建立硫化矿石自燃倾向性综合评价的熵权属性区间识别模型。选取矿样的吸氧速度常数、自热点、着火点3项指标作为属性区间识别模型的基本判别因子,依据信息熵理论获得各判别指标的权重。给出矿样自燃倾向性的属性空间矩阵,采用均化系数将矿样的属性测度区间转化为综合属性测度;利用置信度识别准则和分级标准判别各个矿样的自燃倾向性。对采自国内典型硫化矿山的14个代表性矿样的室内实测值进行综合判定;结果表明,基于熵权的属性区间识别模型能更好地评价硫化矿石的自燃倾向性大小,如实反映出矿样的自燃特性。     

应用BP神经网络进行隧道围岩快速分级

在隧道施工过程中,为准确、及时地进行围岩快速分级,引入BP神经网络方法,通过制定快速分级参数标准,对已经开挖的隧道工作面按照隧道围岩分级规范进行分级,并测量其快速分级参数,将围岩分级的结果与其对应的快速分级参数建立BP神经网络的训练集合,从而得到围岩分级模型。最后测量正在开挖隧道工作面的快速分级参数,并提供给模型进行判别,从而达到快速、精确分级目的。通过某隧道围岩样品实例验证,该模型判断结果与实际施工情况吻合,可用于指导施工阶段的隧道围岩快速分级。     

基于模糊理论的隧道施工安全预警模型研究及应用

针对公路隧道施工安全事故发生的特点和影响隧道安全施工的复杂因素,建立了公路隧道施工阶段多层次多因子安全监督动态评估指标体系;运用模糊数学中的多层次多目标模糊优选模型,建立隧道施工安全监督二级动态评估预警模型;利用层次分析法(AHP)计算各评估指标参数的权值,使评估结果更客观、更符合实际。通过对数学模型实际应用,评估结果与实际安全状况比较吻合;该数学模型对公路隧道施工安全监督进行动态评估具有现实的指导意义,为隧道施工安全管理工作提供了理论指导。     

矿山地质环境安全评估的Bayes判别分析法及应用

从矿山地质环境的实际特性出发,应用Bayes判别分析方法评估矿山地质环境问题。选用13项影响矿山地质环境的区域地质条件、环境现状、矿产资源开发规划、生态恢复治理状况的具体评估指标,以大量实测资料作为学习样本,并按各总体的样本比例确定先验概率,建立了矿山地质环境评估的Bayes判别分析模型。将该模型用于预测样本的评估中,采用回代估计法对判别结果进行验证,误判率为零,判别结果和实际一致。研究结果表明,Bayes判别分析模型是一种结构稳定、判别准确率很高的评估模型,能够用于矿山地质环境的评估。     

基于AHP可拓综合方法的公路隧道安全等级判定研究

研究了公路隧道安全现状的评价体系,并应用可拓集理论、层次分析法和有关隧道安全评价的专业知识,将可拓集理论与安全评价相结合,建立基于可拓学的公路隧道安全评价分析的物元模型。对辽宁阜新大巴沟隧道运用了这种新的安全评价方法,实践表明:基于AHP可拓综合方法的公路隧道安全评价方法可以准确反映公路隧道的安全等级。     

基于Fisher判别法岩溶塌陷倾向性等级分类预测

为准确预测岩溶塌陷倾向性的等级分类,通过分析大量观测实例,选取岩性系数、岩体结构系数、地下水系数、覆盖层系数、地形地貌系数和环境条件系数作为模型判别因素。对12个实际观测样本进行训练,建立了基于Fisher判别分析法(FDA)的岩溶塌陷倾向性等级分类预测模型。借助SPSS软件工具,得到判别模型的4个判别函数。根据判别函数对训练样本进行回判,并对2个待判样本进行预测。结果显示:第一、第二判别函数的综合判别效率达到100%,大于规定的85%,满足工程实际应用需求;对训练样本进行回判时,误判率为零,同时对待判样本的分类预测准确率为100%。     

公路隧道施工安全评价指标体系的研究

针对公路隧道施工系统安全的特殊性,提出并建立了公路隧道施工安全评价体系.同时公路隧道施工安全系统是一个复杂的非线性系统,运用BP神经网络对公路隧道施工系统进行了安全评价的研究和应用,结合各个公路隧道施工的实际情况,进行科学的安全评价,能够得到公路隧道施工的不同时期的安全状况.     

基于ISM法的公路隧道火灾事故致因研究

以降低公路隧道火灾风险为目的,结合国内外公路隧道火灾特点及危害,分析研究了公路隧道火灾事故的致因。采用解释结构模型(ISM)分析各原因之间的层次关系,建立了4级递阶结构关系。结果显示:第一层致因为隧道中运行车辆的起火和隧道自身结构火灾起火;第二层为隧道中司乘人员引起的不同车辆火灾和隧道运营管理存在危险性;第三层为隧道中车辆的危险性预防和对隧道的安全检查;最深层原因集中于管理因素,安全教育、安全意识的形成和对安全监管的投入力度上,隧道运营管理者的行为措施。交通管理部门可以通过对公路隧道火灾起火原因分析出发,找出增强隧道安全性的有效途径。     

贝叶斯(Bayes)判别分析理论在安全评价中的应用

论述了多元统计分析方法中的贝叶斯判别分析方法在安全评价中的应用。通过对原始数据的分析建立起反映被评价对象安全状况的综合指标函数模型,从而简化后续同类评价目标工作量。     

高速公路隧道施工安全信息化监控技术

针对我国高速公路隧道建设存在的安全问题 ,基于现场监控量测成果 ,建立隧道施工安全信息化分析方法 ,笔者提出将施工信息与管理技术有机地融合为一体的思路 ,以提高公路隧道施工安全信息管理水平 ;由此详细地阐述了隧道施工安全性评价指标体系的确定原则 ;并将其应用于崇遵高速公路龙井坡隧道工程的施工实践 ,取得了预期的安全监控目标。该方法对其他地下工程的施工安全管理具有重要参考价值     

基于Fisher判别理论的尾矿库安全评价模型

结合多元统计分析中的判别分析思想,建立尾矿库安全等级评价的Fisher判别模型。以湖南某尾矿库为例,合理选取一星期内观测的44组尾矿库数据进行判别分析,其中4组为检验样本,不参与判别函数的训练。研究结果表明,安全超高与标准判别函数之间的汇聚组间绝对相关性最大;各类协方差矩阵F检验的显著性概率Sig.0.05,判别分析显著;训练样本回判的正确率高达95%,检验样本判别的正确率达到100%,判别结果与实际尾矿库的安全情况基本吻合,为尾矿库的安全评价提供了一条更加系统、精准的途径。