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。     

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。     

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。     

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。     

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。     

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。     

基于云模型的隧道塌方风险等级评价

针对造成隧道塌方事故影响因子的复杂性和模糊性,基于云模型理论,选取影响隧道塌方风险的10项因子,建立了4个风险等级的隧道塌方风险评价模型。根据云模型的数字特征计算规则计算各因子隶属于不同风险等级的云模型数字特征,结合正向正态云发生器和各项评价因子的权重,获得云模型的综合确定度,最终由最大综合确定度确定隧道塌方风险等级。工程实例样本应用中,构建的隧道塌方风险评价云模型和模糊综合评价模型的评价结果相符,同时与相应的设计施工方案和施工安全风险评估报告的结果相吻合,表明该模型的可行性与有效性,体现出云模型中定性语言描述和定量数值间不确定转换的优点,且结果便于工程应用。     

基于云模型的舰艇弹药库房综合安全评价

为解决弹药库房安全评价过程中的定量描述与定性概念转换问题,基于云模型理论,选取人为、技术、物质、管理、作业及设备等五个方面作为安全评价因素,建立舰艇弹药库房安全评价指标体系。以某舰艇弹药库房为例,把各因素评语集转换为评语云模型。将专家打分的结果通过逆向云发生器生成云模型的数字特征,利用正向云发生器生成管理因素的综合云图以及弹药库房整体评价云图。算例的结果表明该方法能够更为直观、灵活地反映二级因素对一级因素的影响,并准确地确定整体安全综合评价等级,符合实际情况。     

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。     

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。     

基于多维云模型的埋地并行油气管道风险评价研究*

为提高风险评价准确性以有效支撑管道完整性维护,保证油气管道在多管并行敷设下安全运行,提出1种基于博弈论-多维云模型的风险评价方法。首先,从并行间距、土壤压实度、土壤导热系数、介质流速、管径、埋深、应急响应时间、上下游截断阀间距等方面建立并行管道风险评价指标体系,为降低传统赋权方法的主观性,通过结合熵权法改进层次分析法（AHP）,从而确定主客观权重,再经博弈论组合赋权法综合计算指标权重;其次,运用多维云模型理论确定风险等级,通过修正各风险评分项的等级区间结合指标权重,计算出各级的综合确定度,并进行等级评判;最后,将该方法应用于工程实例。研究结果表明:所评价管段的指标风险处于中等风险水平,风险可接受,管段的整体风险评价结果良好,有利于并行管道安全管理;实例证明该评价方法具有较好的适用性。     

基于卷积神经网络的冲击地压预警方法研究*

为探究深度学习在冲击地压预警方面的应用前景,以新疆某冲击地压矿井为研究背景,将深度学习和专家评判运用到微震数据分析中,基于卷积神经网络构建冲击地压预警模型。充分利用一维卷积神经网络对时序数据有较强特征提取能力的优势,以微震数据及其特征参数作为输入,以专家评判值作为标签,借助Python-Keras框架实现冲击地压预警模型的构建和训练。研究结果表明:模型预警效果并不随着训练迭代次数的增加而逐渐最优,存在最优迭代次数,对于所建模型当迭代次数为30时测试集的冲击危险预测结果与专家评判结果基本吻合,同时说明模型可以较好地学习专家评判经验实现冲击地压预警。研究表明所建模型对研究时段内发生的5次大能量矿震事件均进行预警,其准确度较高,具有现场实际应用价值。     

长大深埋隧道未开挖段岩爆灾害风险评估

为综合评估长大深埋隧道岩爆灾害风险,基于大量岩爆研究文献及待评估隧道的工程条件建立岩爆风险评估指标体系,包括单轴抗压强度、地应力、岩体完整性系数3个指标,并将岩爆风险划分为低、中、高和极高4个等级;根据围岩等级将待评估的五老峰隧道未开挖部分划分为4个区段,根据指标体系搜集各区段指标值,并将指标区间划分值与实际指标值归一化;基于重要性排序法和可拓综合评判确定未开挖区段的岩爆风险等级。研究结果表明:该隧道区段1,3和4的岩爆风险为中度,后续施工中应予以监测;区段2的岩爆风险为高度,在后续施工中必须采取风险控制措施降低风险并加强监测。     

Long-term prediction model of rockburst in underground openings using heuristic algorithms and support vector machines

Rockburst possibility prediction is an important activity in many underground openings design and construction as well as mining production. Due to the complex features of rockburst hazard assessment systems, such as multivariables, strong coupling and strong interference, this study employs support vector machines (SVMs) for the determination of classification of long-term rockburst for underground openings. SVMs is firmly based on the theory of statistical learning algorithms, uses classification technique by introducing radial basis function (RBF) kernel function. The inputs of models are buried depth H, rocks’ maximum tangential stress σ_θ, rocks’ uniaxial compressive strength σ_c, rocks’ uniaxial tensile strength σ_t, stress coefficient σ_θ/σ_c, rock brittleness coefficient σ_c/σ_t and elastic energy index W_et. In order to improve predictive accuracy and generalization ability, the heuristic algorithms of genetic algorithm (GA) and particle swarm optimization algorithm (PSO) are adopted to automatically determine the optimal hyper-parameters for SVMs. The performance of hybrid models (GA + SVMs = GA-SVMs) and (PSO + SVMs = PSO-SVMs) have been compared with the grid search method of support vector machines (GSM-SVMs) model and the experimental values. It also gives variance of predicted data. A rockburst dataset, which consists of 132 samples, was employed to evaluate the current method for predicting rockburst grade, and the good results of overall success rate were obtained. The results indicated that the heuristic algorithms of GA and PSO can speed up SVMs parameter optimization search, the proposed method is robust model and might hold a high potential to become a useful tool in rockburst prediction research.     

输气管道高后果区蒸气云爆炸超压预测方法探究

为准确预测输气管道高后果区在发生蒸气云爆炸事故时的超压分布情况,对国内外运用较为广泛的蒸气云爆炸超压预测经验模型和数值模拟方法进行调研,并分别应用其对某输气管道全尺寸泄漏燃爆实验进行超压预测,结合实验数据和输气管道高后果区管理现状进行方法准确性和工程适用性分析。研究结果表明：基于等效TNT假设的Henrych模型、Mills模型和等效TNT当量数值模拟方法均不适合准确预测蒸气云爆炸超压,TNO多能法和混合气体数值模拟方法所预测的结果较为接近实验结果。TNO多能法使用简便且推广性强,但主观性较大,易高估或低估爆炸后果;混合气体数值模拟方法操作繁琐且推广性差,但分析结果精度较高。在对高后果区进行安全管控时,可结合TNO多能法与混合气体数值模拟方法同时对管道工况进行评估,确定TNO多能法的爆源强度等级,继而推广使用TNO多能法。该研究结果可在较大程度上保证评估的准确性并节约成本。     

基于云模型的城轨信号系统安全保障能力评价方法*

为准确评价城轨信号系统安全保障能力及影响因素,基于云理论对定性与定量因素的良好融合优点,构建城轨信号系统安全保障能力评价云模型及评价指标体系,采用组合赋权法对各指标赋予权重,并基于专家意见,利用正向云发生器生成标准云。结果表明:该云模型具有一定稳定性和可靠性,可对城轨信号系统安全保障能力进行有效测评,同时能够发现安全运营中的缺陷,有助于协助管理方进行针对性改善,以提高城轨信号系统的安全保障能力。     

基于二维灰云模型的LNG动力船航行过程风险推理*

针对风险多维属性问题及船舶航行多种风险表现,提出基于二维灰云模型的LNG动力船航行过程风险推理方法。针对LNG使用及船舶航行2种作业方式,采用系统方法识别安全风险影响因素体系,确定2种作业方式下各风险体系指标变化权重,描述LNG动力船航行过程中LNG使用和船舶航行发生事故概率及后果;通过引入云模型,综合计算2种作业方式下概率及后果组合风险,并采用灰云推理2种作业方式同时存在时LNG动力船航行过程风险。结果表明:LNG动力船航行过程中LNG使用和船舶航行风险耦合,风险程度受控;二维灰云模型可有效分析多维属性下风险评估问题,以及不同作业下风险耦合作用。研究结果可为船舶航行过程风险定量评估提供依据。