基于有限区间云模型和距离判别赋权的岩体质量分类模型

针对传统云模型不能从整体上描述有限区间下的指标间的确定与不确定性关系的缺陷,依据岩体质量分类指标分布和等级边界模糊的特点,提出了一种基于有限区间云模型和距离判别赋权的分类方法。文章首先给出了有限区间云模型的概念和计算模型以及相关基础理论,再采用距离判别法确定分类指标的权重值;然后依据改进的云模型计算各评价因子隶属于不同分类等级的云特征参数,并结合评价指标权重和云发生器,得到评价样本的综合确定度,实现岩体质量等级的划分。通过实际案例对该分类模型计算流程做了进一步的说明并与其它理论方法对比分析,结果表明:该模型应用于坝基岩体质量分级是有效可行的,并为其它同类型问题提供了新思路。     

基于联系熵的围岩稳定性评价研究

围岩稳定性评价涉及许多不确定因素。由于集对理论和联系熵模型能有效地处理不确定问题,故将联系熵方法应用于围岩分类,建立矿岩分类的联系熵模型,计算围岩的联系熵值,相应地进行矿岩稳定性等级评价。是对系统不确定性进行量化的一种尝试,为矿岩稳定性评价提供了一种新的方法。实例模型表明,联系熵越大,则矿岩的稳定性越差,越危险。     

一种Gamma-云的富营养化评价方法及其应用

基于富营养化评价中隶属分布的非对称性和"单侧受限"假设,引入云模型理论提出了一种基于Gamma-云模型的富营养化评价方法。由既定指标区间计算各等级的Gamma-云模型参数,通过云发生器生成各指标下相应于各等级的Gamma-云模型;由层次分析法确定指标权重。将实测水质数据代入Gamma-云模型,并通过指标权重计算得到水体对各富营养化等级的确定度,由确定度最值对应的等级作为评价结果。以我国12个代表性湖库为例验证了Gamma-云评价方法的适用性,并将该方法与单一指标法,模糊可变集法和正态云法进行对比。实例表明,基于Gamma-云模型的富营养化评价方法可行有效,为水体富营养化评价工作提供了新思路。     

基于模糊C-均值算法粗糙集理论的云模型在岩爆等级评价中的应用

岩爆等级评价具有模糊性和不确定性,而粗糙集理论的云模型对处理模糊性和不确定性问题具有独特优势,由此提出了基于模糊C均值（简称FCM）算法粗糙集的云模型理论在岩爆等级评价中的新模型。该模型选用岩石单轴抗压强度 、洞室围岩最大的切向应力 、岩石单轴抗拉强度 和岩石弹性能量指数Wet作为岩爆等级评价因子,依据岩爆分级标准计算各评价因子隶属于不同岩爆等级的云数字特征。同时,以国内外40例岩爆工程为研究对象,运用基于FCM算法的粗糙度理论进行因子属性重要性评价,计算各评价因子权重。根据正向正态云发生器,得到待评样本的综合确定度,由最大综合确定度判定岩爆级别。研究表明：该模型的评价结果与实际情况基本一致,具有一定的可行性,为岩爆预测提供了一种新的研究方法与思路。     

地下工程围岩分类物元分析模型与应用

本文提出用物元分析进行地下工程围岩分类的新方法。该方法将地下工程围岩稳定性等级、评价指标及其特征值作为物元，根据地下工程围岩物定性分级标准建立关联函数，通过计算综合关联度判断地下工程围岩稳定性级别。用实例与模糊评价模型和灰色优化理论模型得到的结果进行了对比，得到一致的结果，该方法计算简便，评价合理，实用性强。     

围岩稳定性评价的投影寻踪权重-属性区间识别模型

围岩的稳定性评价是一个复杂的不确定系统问题。采用粒子群算法优化投影寻踪方法,并结合属性区间识别理论,建立了围岩稳定性评价的投影寻踪权重-属性区间识别模型。选取5个围岩稳定性影响因子作为评价指标,通过构造属性测度区间函数计算单指标属性测度区间,利用基于粒子群优化的投影寻踪确定各评价指标的权重以计算综合属性测度区间,应用置信度准则和评分准则对围岩的稳定性进行属性识别。实例研究表明,该模型能有效的解决围岩稳定性评价问题,且评价结果科学可靠;评价模型采用投影寻踪确定权重,避免了权重确定中的主观性和随意性,保证了评价工作的客观性和准确性。     

基于Alpha稳定分布概率神经网络的围岩稳定性分类研究

工程围岩是一种高度非线性的复杂动态系统,其影响因素众多,单一的评价指标已不能准确描述围岩分类情况。目前,综合考虑多种指标评价围岩分类的方法很多,但围岩评价指标之间或多或少存在一定的相关性,其评价指标中存在一些服从非高斯分布的指标,无法满足概率神经网络（PNN）样本层中采用高斯分布作径向基函数的要求,因此,提出一种对称Alpha稳定分布（SaS）。SaS有更广泛的数学表达,其径向对称特性还可充当PNN样本层中高斯分布。在SaS的基础上,建立广州抽水蓄能电站二期工程围岩分类评价的SaS-PNN模型。预测结果表明,SaS-PNN模型具有良好的预测效果,其误判率为为4.55％。可为地下工程围岩分类评价提供一种新思路。     

基于Alpha稳定分布概率神经网络的围岩稳定性分类研究EI北大核心CSCD

工程围岩是一种高度非线性的复杂动态系统,其影响因素众多,单一的评价指标已不能准确描述围岩分类情况。目前,综合考虑多种指标评价围岩分类的方法很多,但围岩评价指标之间或多或少存在一定的相关性,其评价指标中存在一些服从非高斯分布的指标,无法满足概率神经网络(PNN)样本层中采用高斯分布作径向基函数的要求,因此,提出一种对称Alpha稳定分布(SaS)。SaS有更广泛的数学表达,其径向对称特性还可充当PNN样本层中高斯分布。在SaS的基础上,建立广州抽水蓄能电站二期工程围岩分类评价的SaS-PNN模型。预测结果表明,SaS-PNN模型具有良好的预测效果,其误判率为为4.55%。可为地下工程围岩分类评价提供一种新思路。     

矿山泥石流险情的变权云模型综合预测

为更合理预测矿山泥石流危险性,将云模型、变权理论和模糊熵理论三者融合,提出一种矿山泥石流危险性的变权云模型综合预测方法。选取山坡坡度、沟床纵比降、主沟长度、汇水面积、弃渣量、单位面积松散物源量、雨季降雨量、植被覆盖率为指标,计算各指标隶属于不同等级的云模型参数;结合变权理论与指标值动态确定不同样本的指标权重;应用正向高斯云发生器计算综合确定度;依据最大综合确定度隶属等级判定危险性级别,且应用模糊熵表示预测等级的模糊性,为矿山泥石流预警提供更详细的参考依据。最后,选取秦岭34个矿山泥石流实例对所建立模型进行验证,结果表明,该方法预测结果与实际吻合,能满足工程需要。     

基于云模型的隧洞围岩工程地质分类方法及应用

本文将云模型理论应用于隧洞围岩工程地质分类,通过建立隧洞围岩分类多级定量指标体系及评价等级标准,计算隧洞围岩云模型隶属度,将定性评价与定量划分成果进行结合,判定隧洞围岩工程地质类别。通过工程实践应用,该方法对围岩分类问题中的模糊性和随机性进行了统一,围岩分类结果与多位地质工程师联合判断结果相比较,在共计15段围岩中有14段相同,具有高的准确度,云模型理论应用于隧洞围岩分类是合理可行的。     

基于理想点-可拓云模型的隧道围岩稳定性评价

为了对隧道围岩稳定性进行准确评价并解决研究过程中存在的模糊性和随机性以及评价指标不相容的问题,减少单一的主客观赋权法所带来的误差,将云模型引入可拓理论中,利用可拓理论能够实现矛盾问题向相容问题转化的特点和云模型具有处理事物双重不确定性的优势并结合理想点组合赋权法对隧道围岩进行稳定性评价研究。通过文献调研、数据统计的方式,选取具有代表性的6个指标组成隧道围岩评价指标体系,用理想点法赋予评价指标组合权重,并构建可拓云模型对隧道围岩稳定性进行综合评价。通过将此方法应用于工程实例并与其他方法对比,结果表明:基于理想点-可拓云模型的隧道围岩稳定性评价方法能够减少评价过程中存在的不确定性问题,克服单一赋权方法的不足,具有良好的适用性,可以应用于实际工程中。     

不同层理面角度在层状岩体隧道围岩变形中的响应特征研究

层状复合岩体在隧道工程中随处可见,层理面的软弱性直接决定层状岩体隧道围岩的稳定性。为了揭示层理面对隧道围岩变形的影响规律,本文采用AutoCAD软件建立某隧道横断面,将该断面图导入有限元模拟软件ABAQUS中,并利用0厚度Cohesive单元对模型嵌入不同角度层理面,从而构建含不同层理面的隧道断面模型。基于该数值模型研究了层状隧道围岩变形中层理面角度的响应特征,得到从水平层理过渡到竖直层理的过程中,围岩变形区域也从顶部变化到侧壁。结合二次开发获取的声发射模拟数据,得到了不同层理面角度下的围岩易破裂区,针对该区域分布特征,隧道施工后可采用三维激光扫描技术生成点云数据,进行隧道断面的三维重构,为规避点云数据量庞大的缺点,引入分级重采样思想,对层状围岩易变形区进行局部点云细化,通过隧道断面易变形区点云模型的实时对比分析,实现隧道围岩的高效、精确化监测,可指导隧道围岩的安全稳定运营。     

围岩质量分级的模糊综合评判研究

岩体本身具有许多不确定性和随机性,围岩质量分级取决于许多因素。选择岩石单轴饱和抗压强度Re、岩体完整程度（RQD）、平均节理裂隙间距d、不连续面状态系数f、结构面方位φ以及地下水状态w六个指标,采用模糊数学方法,引入模糊数学隶属函数的概念,建立边坡岩体质量综合评判模型,并将其应用于黄河上游某电站引水隧洞围岩岩体质量评价。评判结果显示,该模型使用模糊综合评价的评价结果与现场定性判断及报告中RMR分类结果基本一致。     

基于网格搜索法优化支持向量机的围岩稳定性分类模型

为科学评价围岩稳定性,本次研究借助支持向量机(SVM)处理小样本、非线性问题能力强的特性,对围岩的稳定性进行了分类。选取16组围岩数据作为学习样本,以岩石质量指标、岩石单轴饱和抗压强度、完整性系数、结构面强度系数和地下水渗水量5个指标作为模型输入,围岩稳定程度为模型输出,建立了基于支持向量机的围岩稳定性分类模型。为增强模型的推广性能,提高其预测准确率,运用改进的网格搜索方法(GSM)寻找最优的支持向量机参数,并对8组围岩数据进行预测,并同BP神经网络模型的预测结果进行对比。结果表明,建立的GSM-SVM模型对预测样本的评判结果与实际结果一致,其预测精度较BP神经网络有很大的提升。