基于粒子群算法的岩体结构面产状模糊C均值聚类分析

结构面产状分析是进行岩体力学分析及稳定性评价的基础,玫瑰花图、等密度图等传统的图形分析方法较为粗糙,无法对产状数据进行准确分析,采用模糊聚类方法则可以得到较为准确的优势产状,但需要事先指定分组数及初始聚心,且模糊聚类算法为局部寻优算法,初始划分对最终的数据分析结果影响较大。为了得到较为客观的分组结果及优势产状,同时能够针对大量结构面产状数据进行聚类分析,提出了基于粒子群算法的岩体结构面产状模糊C均值聚类算法。采用粒子群算法进行模糊C均值聚类算法初始聚心的求解,在计算过程中可同时确定最佳分组数,避免了人为指定的主观性,克服了模糊C均值聚类算法易陷入局部极小值和对初始划分敏感的不足。最后,通过工程实例中不同方法的聚类效果对比分析该算法的有效性,并将该方法应用于实测结构面产状数据的分析,得到较为符合实际的优势结构面分组。     

节理面按产状的模糊聚类及其优势方位的确定

分析了已有的几种对节理面按产状分组方法的不足，指出应用模糊聚类对节理进行分组的原由。为了构造模糊矩阵，矩阵中的元素取为两节理面锐夹角的余弦，即两节理面向上的单位法向矢量点积的绝对值。对某组节理面向上的单位法向量进行部分反向后，其矢量之和对应的产状即为该组节理面的优势方位。     

基于混合聚类的岩体结构面优势分组方法

提出一种基于凝聚层次法和模糊C均值法的混合聚类法,用于对岩体结构面的优势组划分。该方法将结构面投放到在单位球面上,并使用欧式距离作为极点的相似性度量准则。先剔除结构面数据中的孤值产状,然后用凝聚层次法得到初步聚类结果,并将其作为FCM法的初始聚类中心,最后用FCM法划分优势组。通对人工生成产状样本的分组,验证了该法的正确性。将该方法应用于大藤峡坝址区实测的结构面数据的划分。在实测数据中寻找到两个孤值产状,成功将大藤峡D1y^1-3地层岩体结构面划分为两组,得到了符合实际的分组结果。     

基于DBSCAN选择性聚类集成的岩体结构面优势产状分组方法

针对单个结构面聚类模型存在误判或漏选风险、难以有效识别噪点与孤值等问题,提出利用具有噪声的基于密度的聚类（DBSCAN）算法进行选择性聚类集成的岩体结构面优势产状分组方法。首先,将结构面产状进行空间坐标转换,以单位法向量的夹角正弦值作为相似性度量标准。进而,基于DBSCAN算法构建一定数量具有差异性的基聚类器,借助选择性聚类集成技术挑选出部分优异的基聚类器。最后采用一致性集成技术融合这些基聚类器,获得一个高可靠度的选择性聚类集成结果。将该方法应用于DIPS软件数据集与松塔水电站坝址区结构面勘察中,检验了该方法的可行性与有效性。研究结果表明：该方法聚类效果显著优于常见聚类算法,聚类结果客观合理,不仅能有效标识出噪点与孤值,还克服了单个模型易过分割或欠分割的不足。该研究成果对准确确定结构面优势组具有一定的工程价值。     

岩体结构面的多参数优势分组方法研究

岩体中的结构面对岩体的水力和力学性质有很大影响,因此,弄清岩体中结构面的发育规律是岩体稳定性评价的基础。当结构面的产状一致,其他性质不一致时,结构面的水力学特性和力学性质是不同的。而传统的结构面优势分组方法仅根据产状数据分组,无法分辨产状相同、其他性质不同的结构面。因此,提出了一种基于量子粒子群优化算法的多参数结构面的优势分组方法。该方法通过结构面的相似性度量建立目标函数,运用量子粒子群优化算法通过搜索目标函数的全局最优解来确定聚类中心,可用于结构面多个参数的优势分组。通过对计算机模拟的多参数结构面数据的分组,验证了该方法的可靠性。最后,将该方法应用于怒江松塔水电站坝址区实测的多参数结构面数据的划分,得到了符合实际的分组结果。     

节理岩体结构面产状的动态聚类分析

节理岩体结构面的优势产状是进行Mnote-carlo模拟和岩体稳定性分析的基础。玫瑰花图、等密度图等传统的图形分析方法比较粗糙,其结果只是相对的优势组数划分,无法准确地给出结构面的优势产状,使得分组结果在实际中应用不便。为弥补上述不足,采用改进的动态聚类分析方法,构造空间直角坐标系,以结构面的单位法向量表示其产状,并根据球面上两点之间的球面距离对结构面产状进行分类判定。将该方法应用于三峡库区巴东新县城铜盆溪桥东头高切坡结构面优势产状分析中。结果表明,采用改进动态聚类分析方法结果可靠,分类合理,可以较准确地确定结构面的优势产状。     

模糊聚类分析及在坝基岩体分类中的应用初探

基于模糊聚类的基本理论,提出坝基岩全动态系统综合分类的思路,并针对某建水电站坝基岩体进行试算,初步划分了不同深度岩体的可利用性,为确定合理的建基面提供了一定的依据。     

基于激光测量和FKM聚类算法的隧洞岩体结构面的模糊群聚分析

岩体隧洞结构面的数量、产状和发育情况是评价隧洞透水性和稳定性的重要指标。采用三维激光测量技术可以快速获取隧洞周围岩体激光点云数据和结构面的几何信息。提出了基于柱面投影和Delaunay生长算法的激光点云的三角网重构技术,利用构建的三角网平面方程的法向向量计算出单个三角网平面的产状,并应用FKM聚类算法进行隧洞岩体结构面产状的模糊群聚分类。该方法可以快速得到不同组的优势产状,且分类结果可用不同颜色进行空间显示。最后运用自主研发的FSS软件对某隧洞的岩体结构面优势产状进行了研究,研究结果表明：1）基于柱面投影和Delaunay生长法的点云构网方法特别适合于隧洞工程,构网速度快、效率高,重构得到的三角网表面与被采样的岩体表面拓扑差别最小;2）FKM模糊群聚方法对隧洞岩体结构面的群聚分类结果可靠、合理,具有较强的通用性和推广性。     

改进遗传算法和支持向量机的岩体结构面聚类分析

岩体结构面控制着岩质边坡和地下洞室等岩体工程的稳定性,在岩体力学及水力学分析中起到关键作用。为对岩体结构面进行合理分组,精确地模拟岩体结构面网络的分布,提出一种融合改进遗传算法和支持向量机的聚类方法。首先,根据岩体结构面产状信息建立结构面分组的数学模型,采用改进的遗传算法计算结构面样本的全局最优聚类中心,再以聚类中心为训练样本,利用支持向量机方法将结构面样本进行完全划分。通过随机产生的结构面数据以及实际工程的运用表明,遗传-支持向量机聚类算法对岩体结构面的分组合理,获得的优势结构面结果可靠。     

基于改进遗传算法的岩体结构面产状聚类分析

根据产状对结构面进行分组是研究岩体结构的重要环节。传统分组方法通常需要依靠地质经验,缺乏客观性,而现有的聚类方法也存在一些缺陷。基于变长度字符串遗传算法,提出了一种改进的K均值算法,实现了岩体结构面产状的自动聚类。该方法的核心思想是使用遗传算法为K均值算法选择恰当的聚类中心,克服了K均值(K-means)算法受初始聚类中心影响,易收敛于局部最优解的缺陷。由于使用了变长度字符串,该方法能够在聚类过程中自动确定最佳结构面组数,同时提供最优的分组结果。针对产状数据,提出了一种新的变异方法,该方法利用C++语言实现,并被应用于浙江省某地下水封洞库结构面产状数据的分析,得到较为合理的分组结果,证明了该方法的有效性。     

两级模糊分级聚类法在斜坡带稳定性综合评价中的应用

针对斜坡稳定性分带界限存在的模糊性,应用模糊数学理论建立多级模糊分级聚类法.介绍了两级模糊分级聚类在斜坡稳定性分带中的计算方法及步聚.通过两级模糊分级聚类法,分选出了与某地区斜坡带相吻合的稳定性类型.并与其它方法计算结果进行对比,说明两级模糊分级聚类法的应用效果较好,是一种简单快速的好方法.     

基于模糊相关度的模糊聚类有效性检验方法

本文在模糊聚类算法基础上,提出了对聚类效果进行有效性检验的方法。在考虑不同指标权重、相对隶属度和距离函数的共同作用下,引入模糊划分的类间模糊相关度公式,并定义了聚类有效性函数来优选最佳聚类数,引用划分的平均模糊熵对有效性检验方法确定的最佳聚类数进行验证。通过实例应用,结合成因分析与二元对比法确定各指标权重,对聚类有效性函数的性能进行了检验,分析聚类效果,说明了本文提出的模糊聚类有效性检验方法具有较好的判断功能。     

鄂东南中酸性小岩体含矿性评价的模糊聚类法

鄂东南地区斑岩型矿床是与中酸性浅成小侵入体有关。本文应用模糊数学的原理和方法,对小岩体以地球化学参数所反映的信息,采用F—FFS聚类法,建立模糊聚类识别模型,从而使小岩体含矿性得到评判,快速选择靶区。这对矿产勘查工作,无疑是具有实际意义的。     

基于人工蜂群算法的岩体结构面多参数优势分组研究

岩体结构面优势分组是研究岩体力学性质与水力特性的基础,通常的分析方法是只根据产状进行划分。鉴于结构面其他特征对岩体力学性质的重要影响,考虑结构面倾向、倾角、迹长、张开度、表面形态5个特征参数,提出了基于人工蜂群算法的岩体结构面多参数优势分组方法。以样本总体离差平方和为目标函数,建立岩体结构面多参数优势分组的数学模型,应用人工蜂群优化算法求解,以目标函数值最小时的解作为聚类中心,并自动确定分组边界。对人工生成的结构面数据的计算结果验证了该方法的正确性,该方法的求解精度是令人满意的。最后,将该方法应用于怒江松塔水电站坝址区岩体结构面多参数优势组的划分,得到了较为合理的分组结果,进一步验证了此方法具有较高的运行效率与工程实用性。     

水库控制流域汛期分期的有效聚类分析

受诸多因素影响的水库汛期分期其实质是一个聚类数目未确知的高维时间序列聚类问题,它要求聚类方法具有能处理高维和时序性数据,且能同时回答聚为几类最为合理的能力。鉴于目前常规聚类方法不同时具备这些能力,在模糊C-均值聚类和紧密与分离聚类有效函数的基础上,提出了能够处理高维时序聚类问题的动态模糊C-均值聚类分析方法和相应的时序聚类有效性函数,耦合二者建立了适用于汛期分期的有效模糊聚类分析方法,提出采用实码加速遗传算法优化求解,克服了模糊C-均值聚类方法常规迭代优化求解对初值敏感的困难,并给出了完备的建模步骤和模型的合理性检验。最后,将模型应用于滦河流域潘家口水库汛期分期中,得出了合理的结论。     

钻探方法确定岩体结构面产状

在许多地下工程中,均需确定岩体结构面产状。文章阐述了确定岩体结构面产状的两类方法及其主要特点。岩芯定向方法需专门的仪器设备,成本较高,工序多;钻探直接计算方法,属常规方法钻探,故成本低,但需要3个钻孔测斜资料。文章提出了采用立体解析几何法,依据3点钻孔测斜资料、岩芯层面角,确定岩体结构面产状的方法。该方法分为两种情况:①3点测斜资料——钻孔顶角和方位角不完全相同情况下,3点测斜资料取自1孔、2孔或3个钻孔均可以,可以采用2个向量的数量积方法确定岩石结构面产状;①来自3孔的3点测斜资料——钻孔顶角和方位角完全相同情况下,可以采用两个向量的向量积方法确定岩石结构面产状。该方法准确,简单、成本低、适用性强。进一步完善并发展了以往确定岩石结构面产状的方法。此方法得到了很好的验证。     

动态聚类-模糊模式识别及其应用

本文以模糊子集论为指导,在迪戴的DCM法的基础上提出了动态聚类-模糊模式识别方法。实际上,它是一种新的模糊聚类的方法。该方法以DCM法的动态聚类部分做为原始数据变换的手段,而将迪戴的强模式概念推广为模糊模式,将强模式识别推广为模糊模式识别。此外,还提出了模糊模式间联系度的概念,从而解决了类间联系、类内典型个体、类间过渡个体、个体对各类的隶属程度以及内部有某种演化趋势的类别的划分等问题。文章还给出了该方法的数学模型和算法概要。最后,通过一个在地质学中的应用实例,说明了该方法的应用效果。     

多参数岩体结构面优势分组方法研究

在岩体力学和水力学分析中,搞清岩体结构面的分布规律是一项重要的基础工作。当岩体结构面的产状一致,而其他性质不一致时,岩体结构面的力学和水力学性质是不同的,而传统的方法仅根据岩体结构面的产状进行分组,这势必存在缺陷。提出了一种基于变尺度混沌优化算法的多参数结构面数据的优势组划分方法,通过度量结构面之间的相似性建立目标函数,运用变尺度混沌优化算法搜索目标函数的最优解来确定聚类中心,可同时考虑结构面的多个参数,把具有相似性质的结构面归并成组。通过计算机模拟的结构面数据验证了此算法的正确性,最后将此算法应用于实际工程中测量的多参数结构面数据的优势组划分,得到了清晰可靠的分组结果。     

模糊聚类在地层分析中的应用

传统上,对于依据原始资料进行地层的划分与合并往往依靠工程师个人的经验与习惯。引入了模糊聚类概念,提出了一种根据基本物理力学指标进行土层归并分类的合理方法,物理意义明确,计算简捷,具有普遍意义。还提出了一种用参数的变异系数来检验模糊聚类结果的方法,使模糊聚类的结果与统计参数对应起来,从而使验证结果满足规范的规定,保证了地层归并的合理性。     

煤与瓦斯突出预报的模糊聚类相似分析法

影响煤与瓦斯突出的因素多数是定性的或是模糊相似，采用模糊聚类分析方法对煤炭与瓦斯突出程度进行分析，建立模糊模式；应用模糊相似选择原理进行评价，以模糊模式为评价对象，以待预报样本为参考对象，根据模糊模式与以待预报样本的相似程度进行预测预报。哪一模式与预报样本最相近，等待预报样本即属于那一突出类型。采用模糊聚类及模糊相似原理2种方法结合分析预测，不仅克服了模糊聚类单一分析方法的不确定性，使定性预报转为定量预报，而且提高了预报效果的准确程度。实例分析表明，这是预报煤与瓦斯突出危险程度的一种较好的方法。