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。     

基于改进组合赋权的岩爆多维云模型预测研究

岩爆是地下开挖工程主要的地质灾害之一,其烈度分级预测是一个急需解决的世界性难题。针对其预测过程中的不确定性,选取切向应力与岩石单轴抗压强度比σ_θ/σ_c、岩石单轴抗压强度与抗拉强度比σ_c/σ_t、弹性变形能指数Wet建立评价指标体系,以改进熵权-基于指标相关性的指标权重确定方法(CRITIC)综合计算预测指标权重,结合不确定性人工智能理论,将逆向云发生器算法用于确立多维云模型的3个数字特征,生成所有预测指标的多维云模型。用国内外48组典型岩爆实例数据检验本文模型的准确性与有效性,并与基于权重融合的云模型、一维正态云模型的预测结果进行对比。结果表明:该模型应用于岩爆预测有更高的准确性。     

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。     

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。     

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。     

煤层底板突水危险性预测的熵权-正态云模型

为克服煤层底板突水危险性分级时的不确定性和模糊性,建立一种用于煤层底板突水危险性分级预测的熵权-正态云模型。选取13个影响因素构建评价指标体系,通过熵权法(EWM)得到各评价指标权重,利用正态云模型计算综合不确定度,进而得到预测结果,以肥城矿区的14个地质块段作为检测样本,预测底板突水危险性等级。结果表明：该模型的预测结果基本与实际情况相符,且较层次分析法(AHP)在预测准确性和误差上更具优势,准确性提高7.14%,平均绝对误差(MAE)、均方误差(MSE)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)分别降低0.21、0.35、0.069、0.27。     

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。     

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。     

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,...     

基于未确知聚类法的巷道围岩稳定性预测

针对影响巷道围岩稳定性的因素多且具有不确定性和隐蔽性的特点,选取实测RQD值、单轴抗压强度、隙壁状态3个主要影响因素作为判别指标,利用未确知测度理论,建立巷道围岩稳定性预测模型。利用25组巷道围岩资料作为模型构建样本,以样本均值为聚类中心,采用信息熵理论确定各判别指标的权重,从而计算样本的多指标综合测度;根据最小未确知测度距离原理判断样本所属类别,进而对巷道围岩稳定性进行预测,且用逐一回代的方法检验预测模型的合理性。刊用所建立的巷道围岩稳定性预测模型对大冶铁矿5组待判别样本进行应用预测,预测结果符合工程勘察实际,表明基于未确知聚类法的巷道围岩稳定性预测方法具有较好的实用性和有效性。     

基于EWM-AHP-云模型的站场法兰系统密封失效风险评估

为提升站场法兰连接系统安全评估的准确性,提出一种基于熵权法(EWM)-层次分析法(AHP)-云模型的站场法兰系统密封失效风险评估方法。首先采用EWM和AHP组合权重降低单一AHP法计算权重的主观性,并采用云模型解决站场法兰连接系统密封失效风险因素的模糊性、随机性以及难以量化的问题;其次以我国华北地区某输气站场为例,验证该方法的科学性和有效性,并依据站场法兰历史失效数据建立法兰系统密封失效风险评估指标体系,采用EWM-AHP法确定各指标的组合权重;然后根据等级量化标准建立标准云,使用Matlab软件计算各风险指标的云数字特征值,并绘制云图;最后基于EW-型指数贴近度计算确定各风险指标的风险等级。结果表明：所评估法兰系统密封失效的综合风险等级为较高风险,评估结果与实际情况基本吻合。EWM-AHP-云模型能较好地实现法兰系统密封失效风险评估,该方法具有一定的科学性和有效性。     

改进的MVO-GRNN神经网络岩爆预测模型研究

准确预测岩爆烈度等级能有效指导岩爆灾害的防控。根据影响岩爆发生及烈度等级的3个因素构建岩爆评价指标体系,提出一种基于改进多元宇宙算法(Improved Multi-Verse Optimizer, IMVO)优化广义回归神经网络(General Regression Neural Network, GRNN)的岩爆预测模型。在普通多元宇宙算法(MVO)的基础上,运用自适应平衡机制调节MVO算法中的虫洞存在概率(V_WEP)和旅行距离率(V_TDR)两个重要参数来改进该算法;再运用改进的多元宇宙算法优化广义回归神经网络的光滑度,通过训练数据优选出最佳光滑因子σ,得到IMVO-GRNN神经网络岩爆烈度预测模型;最后结合工程实例验证模型的性能。研究表明,该模型相比传统模型寻优能力更强,精度更高,为岩爆预测提供了一种新的思路。     

AHP耦合TOPSIS的煤矿安全评价模型及其应用

为客观评价煤矿安全现状,并实现对安全隐患的及时排查,建立基于层次分析法(AHP)耦合逼近理想解排序法(TOPSIS)的煤矿安全综合评价模型。首先,以事故致因理论为基础,从人、物、环境和管理等4个方面选取影响矿井安全的20个评价指标,并根据指标临界值构建安全现状级别评判标准;其次,基于AHP法确定各层指标重要度,计算得出各指标权重,同时利用TOPSIS方法计算得出样本贴近度矩阵;最后,将权重与贴近度结合,确定出矿井安全现状等级。以义马煤业某矿为例,利用AHP-TOPSIS模型计算得出矿井安全现状等级,同时根据计算结果逆序分析找出存在的安全隐患,分析结果与现场实际情况基本一致。     

中小企业生产车间综合安全评价云模型

为解决中小企业生产车间安全评价过程中定量描述与定性概念转换间存在的不确定性问题,建立基于层次分析法(AHP)的中小企业生产车间安全评价云模型。首先,建立安全评价指标体系,全面系统地分析生产车间易导致事故发生的各项因素,依此建立指标集;其次,通过AHP法计算各指标因素的权重,确定评价标准云及云模型参数;最后,定性和定量转换评价信息,得到其生产车间综合评价云图,并与评价标准云对比,结合相似度计算公式,确定其安全等级。研究结果表明,用基于AHP的云模型得到的评价结果与其他方法的评价结果一致;同时图形化的评价结果更加直观形象。     

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。     

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.     

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。     

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。     

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。     

金属矿井热害评价体系与评价方法

为减小金属矿井热害对井下人员安全及井下开采工作的不利影响,需对井下热害进行评价和预测。基于文献调查和专家评价方法,结合工程实际,利用层次分析法构建金属矿井采矿热害评价体系,从生产能力、地质条件、矿井通风、地理环境四个方面提出17个评价指标。在分析层次分析法（AHP）确定权重不足的基础上,结合物元分析理论,建立确定金属矿井热害评价各因素权重的物元分析模型。在各评价因素权重确定的基础上,以BP神经网络作为评价工具,构建金属矿井热害综合评价预测模型。最后,以某矿山为例,进行评价和预测分析。结果表明,基于物元分析和AHP的BP深井网络评价模型预测误差最大只有3%。