基于PCA法和Fisher判别分析法的岩体质量等级分类

岩体质量等级分类在实际的工程中有着很重要的作用。基于主成分分析（PCA）法和与Fisher判别分析法相结合建立岩体质量等级判别模型,选取单轴抗压强度、岩体体积节理数、声波纵波速度、节理面风化变异系数、节理面粗糙度系数和透水性系数6种指标作为岩体质量分级判别的判别因子。以永平铜矿露天矿区工程岩体特征资料中的20个样本为训练样本,10个为待判样本,对该模型进行检验和应用,并与传统的RMR法、Fisher判别分析模型的结果进行比较,相应正确率分别为87%、70%、77%,判断结果表明利用主成分分析法和Fisher判别分析法建立的模型判别能力更高。     

基于有效受剪面积的节理面吻合度量化方法研究

节理粗糙度系数-节理抗压强度（JRC-JCS）模型为岩体节理面抗剪强度估算提供了很好的思路,但对于吻合度较差的节理岩体,该模型往往过高地估算其抗剪强度。节理粗糙度系数-节理吻合系数（JRC-JMC）模型进一步考虑节理吻合度对抗剪强度的影响,为吻合程度较差的节理面的抗剪强度估算提供了很好的思路,但目前节理吻合度的量化分析还存在困难。在以往研究基础上,采用重复剪切试验的方法制备了不同吻合度的节理岩体试样,综合节理面形貌特征和节理面抗剪性能变化规律分析,提出了节理吻合度的量化计算方法。研究结果表明：（1）在重复剪切作用下,岩体节理面的抗剪强度和节理面形貌参数呈现先陡后缓的降低趋势,节理面上下盘的吻合程度逐渐降低;（2）根据剪切前后节理面形貌特征的对比分析,确定了剪切过程节理面的有效接触区域,提出了节理吻合系数JMC的量化计算方法;（3）对比分析表明,与单独考虑JRC相比,将JRC和JMC综合在一起可以更好地反映节理形貌特征对其剪切性能的影响。相关研究方法和分析结果可为岩体节理面抗剪性能分析提供较好的参考。     

基于3D打印的含复杂节理岩石直剪特性及破坏机制研究

岩体中节理的几何形态及力学特性是影响其剪切力学特性及破坏模式的重要因素之一。基于3D打印技术,建立了不同节理粗糙系数(JRC)的节理模型、几何形态节理模型和复杂裂隙网络物理模型,通过开展室内直接剪切试验分析了各组试件的剪切强度及破坏模式。结果表明节理模型的抗剪强度随JRC波动性较大,波动幅值越高,峰值剪切位移越低;平面形节理模型的峰值抗剪强度最低,矩形节理模型的峰值抗剪强度最高,正弦形和三角形节理试件的抗剪能力相近;离散裂隙网络模型和粗糙裂隙网络模型的峰值抗剪强度显著低于实心试件,考虑了节理粗糙性的裂隙网络模型抗剪强度高于直线型节理模型;实心试件破坏模式为典型脆性剪切破坏,裂隙网络模型的破坏模式相对复杂,沿着剪切方向主剪切裂面波动萌生,破断面由多个节理面的交叉点破坏与沿节理面的滑移构成。研究成果可以为3D打印技术的推广和复杂节理岩体剪切力学特性的室内试验研究提供参考。     

基于离散裂隙网络模型的节理岩体渗透张量及特性分析

节理岩体几何结构非常复杂,研究其渗流特性对于指导含水岩层稳定性分析具有重要价值。应用离散裂隙网络模型DFN方法,基于VC++6.0软件平台,建立了平面渗流分析方法,分析了节理岩体不同几何分布情况下的渗透率张量特征,通过定义渗流定向性系数对岩体渗流的定向性特征进行了定量分析。结果表明：单组节理岩体渗流具有明显的各向异性特征,渗流定向性随着节理角度变化显著;节理随着节理贯通性增加,节理渗透率呈现对数增加趋势;两组节理情况下,各向异性特征随着节理组间夹角变化;两组节理岩体渗流特征研究中,正交分布下,岩体仍存在各向异性,但渗流定向性系数较低;当节理倾角服从正态分布时,随着节理倾角标准差增大,渗透率增加;两组节理夹角不同时,节理渗透主方向倾角随着夹角增大而相应增大,基本沿两组节理夹角方向的角平分线方向。     

节理岩体蠕变特性研究

在已知岩石和节理蠕变规律的前提下,推导了节理岩体蠕变模型的一般表达式。假定岩石体积变形和节理法向压缩变形为弹性变形,忽略节理的剪胀现象,认为只有岩石畸变和节理剪切滑移与时间有关,从而推导了含三组相交节理的岩体蠕变模型及其参数。根据反演出的岩石和节理蠕变模型,计算了含三组相交节理的岩体在单轴应力作用下一些节理参数对岩体单轴蠕变的影响。分析表明,节理间距、剪胀系数以及节理夹角都对岩体的单轴蠕变变形有明显影响。节理间距越大,剪胀系数越大,节理夹角越小,节理岩体的单轴蠕变柔量也就越小,岩体的蠕变变形也越小。     

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。     

岩体完整性系数确定及应用中的几个问题探讨

岩体完整性系数是一个与岩体质量和强度有关的地质参数,用于岩体完整程度划分、工程岩体质量分级等方面。然而不同的规范在岩体完整性系数的确定和应用等方面存在分歧。本文分析了岩体波速测试方法、岩体风化状态对岩体完整性系数的影响以及岩体体积节理数与岩体完整性系数的关系,并对岩体完整性系数应用中存在的问题进行了探讨。确定岩体完整性系数时,若岩块与岩体弹性波速的测试方法不同,应进行修正。所测试的岩块与岩体应处于相同的风化状态。采用岩体体积节理数确定岩体完整性系数时应考虑岩体中结构面的张开宽度和充填情况。应注意区分规范中围岩工程地质分类与岩爆判别中的围岩强度应力比的不同地质含义。     

岩体节理面的力学效应研究

简易纵剖面仪和Ｒｙ—ＪＲＣ尺为定量统计研究岩体节理的表面形态和粗糙度系数提供了有效的量测工具．本文根据简易纵剖面仪在某一节理面上野外现场绘制的１０２３条不同方向、不同取样长度的节理表面轮廓曲线的实测统计资料,系统、定量地分析了节理表面形态的各质异性、各向异性和非均一性;运用ＪＲＣ—ＪＣＳ模型讨论了岩体节理力学参数的各质异性效应、各向异性效应、非均一性效应、评定长度效应、几何形状效应和法向应力效应等问题．在此基础上,提出了按岩性定向统计研究节理表面形态、估测节理粗造度系数和估算岩体节理力学参数的科学思路．文末对正确运用ＪＲＣ—ＪＣＳ模型估算岩体节理力学参数的有关注意事项作了简要说明．     

考虑截面规则性的柱状节理岩体变形及强度特性研究

柱状节理岩体的复杂结构使其现场力学参数的确定存在困难,可靠地估计柱状节理岩体强度及变形特性对工程安全至关重要。结合Voronoi图形及3D打印技术制作不规则柱状节理岩体光敏树脂模具,并制备了具有不同倾角的规则及不规则柱状节理岩体试样。基于开展的单轴压缩试验结果,分析不同截面柱状节理岩体的变形及强度特性差异。根据试样最终破坏形态,揭示柱状节理岩体破坏模式及机制。结合已有研究结果,描述节理面材料对柱状节理岩体破坏形态及强度的影响。基于传统节理系数方法,提出了更能反映柱状节理岩体柱体结构特征的修正节理系数方法。采用修正节理系数法建立规则及不规则柱状节理岩体试验结果与现场变形及强度参数间的经验关系,将所提出计算公式应用于白鹤滩水电站工程,预测结果与现场实测值及RMR法（RMR为岩石质量评分指标）、Q法（Q为岩体质量指标）的预测值进行比较。结果表明,对于现场变形和强度参数,所提出的修正节理系数法的预测结果与现场实测结果较为吻合。     

岩体节理体积频率的计算方法及工程应用

利用Monte-Carlo原理进行三维结构面网络模拟是研究岩体内节理面发育规律最常用的技术手段,节理体积频率(v)则是影响结构面网络模拟正确与否的关键参数之一,需要根据野外实测节理线频率()进行换算。利用三维结构面网络模拟程序,提出了基于线频率反演节理体积频率的新思路。首先赋给某组节理一个初始体积频率,利用三维结构面网络模拟程序,生成只包含该组节理的三维网络模型样本,计算此模型中该组节理在测线方向上的线频率,不同体积频率(v)对应不同线频率(),进而可建立两者的函数关系,最后将测线方向上该组节理的线频率带入该函数即可确定其体积频率。以贵州省息烽县鱼简河水库坝址区岩体为例,按照上述思路根据测线法统计数据计算了节理体积频率,结果表明v与之间呈现出高度的线性关系。当节理圆盘半径服从对数正态分布时,v与max 的比值约为0.4~1.0,而当节理圆盘半径服从负指数分布时,v与max 的比值约为1.3~3.5。最后依据《工程岩体分级标准(GB50218-94)》 表3.3.1、 表3.4.3和 表3.4.4,分别基于线频率和体积频率对鱼简河水库坝肩岩体完整性进行了评价,结果表明,后者评价结果的可信度比前者高。     

Prediction of Elastic Modulus of Jointed Rock Mass Using Artificial Neural Networks

Two artificial neural network models for the prediction of elastic modulus of jointed rock mass from the elastic modulus of corresponding intact rock and joint parameters have been demonstrated in this paper. The data collected from uniaxial and triaxial compression tests on different rocks with different joint configurations and different confining pressure conditions, reported in the literature are used as input for training the networks. Important joint properties like joint frequency, joint inclination and roughness of joints are considered separately for making the network more versatile. Two different techniques of artificial neural networks namely feed forward back propagation (FFBP) and radial basis function (RBF) are used to predict the elastic modulus ratio.     

人工神经网络在岩体质量分级中的应用

结合四川省金沙江某水电站工程实例，应用BP人工神经网络方法建立3层BP网络模型，选取岩石单轴抗压强度等6个影响因素为输入变量，对坝基复杂岩体进行质量分级。通过机算机Visual C 语言编程实现神经网络模型，进行网络的学习和运算。以神经网络合理结构分析方法选取合理结构，确定合理隐层单元的数量，提高网络测试的精度。对测试结果的分析发现，经过优化的BP网络模型经多次学习后，测试精度提高，结果可靠，取得较好的实际应用效果。     

边坡岩土体抗剪强度的逆向迭代修正反演方法

针对已滑动或有明显变形的边坡,取定稳定系数值进行反演分析是确定岩土体抗剪强度的重要手段。当边坡滑动面穿越多层岩土体时,盲目地抗剪强度试算反演明显不合理。为解决此问题,构造以多层岩土体抗剪强度为输入,以GeoSlope计算得到的稳定系数、滑面剪入口和剪出口位置为输出的BP神经网络,基于取定的稳定系数和现场测定的滑动面剪入口和剪出口位置,通过重复执行“逆向反推-误差校验-样本修正”实现岩土体抗剪强度的逆向迭代修正反演。工程实例验证结果表明,该方法获取的岩土体抗剪强度基本合理,可供小型边坡防护工程设计参考。该方法成功地规避了BP神经网络以已知信息为输入、以待反演参数为输出的传统做法在解决该问题时为欠定的局限性,对样本库样本数量的要求降低且具有较好精度。     

巷道围岩参数的人工神经网络预测

应用人工智能方法解决地下工程问题,提出了预测巷道围岩参数的人工神经网络预测法,构造了预测围岩参数的神经网络模型。预测结果证明,该模型具有很高的预测精度。提出的方法有一定的实用价值和参考价值。     

Prediction of Rock Fragmentation Due to Blasting in Sarcheshmeh Copper Mine Using Artificial Neural Networks

The main objective in production blasting is to achieve a proper fragmentation. In this paper, rock fragmentation the Sarcheshmeh copper mine has been predicted by developing a model using artificial neural network. To construct the model, parameters such as burden to spacing ratio, hole-diameter, stemming, total charge-per-delay and point load index have been considered as input parameters. A model with architecture 9-8-5-1 trained by back propagation method was found to be optimum. To compare performance of the neural network, statistical method was also applied. Determination coefficient (R ²) and root mean square error were calculated for both the models, which show absolute superiority of neural network over traditional statistical method.     

工程岩体断裂构造发育程度的定量评价研究IAEG信息(会讯)

岩体断裂构造发育程度及其均匀性是影响岩体结构类型、岩体质量优劣及岩体稳定性分析以及工程岩体综合分区利用的重要因素, 因此岩体断裂构造发育程度的定量评价具有重要的工程意义。本文以三峡工程永久船闸边坡工程为例, 系统地讨论了工程岩体断裂构造发育程度的评价方法、定量评价指标的确定原则、断裂构造发育程度的分级标准等。研究表明, 根据岩体断裂构造发育特点, 综合运用多层次模糊综合评判法和人工神经网络技术是评价工程岩体断裂构造发育程度的有效方法。     

岩体节理表面几何特性描述

岩体节理表面几何特征对岩体变形、刚度、剪切强度和水渗导性有重要影响,一般用节理粗糙度系数（ＪＲＣ）、节理吻合系数（ＪＭＣ）来描述。本文用节理表面分维（ＪＳＦ）来描述节理表面形态的复杂性,为节理表面几何特征描述提供了一个新的方法。     

大型地下洞室考虑开挖卸荷效应的位移反分析

基于现场监测资料的位移反分析是地下工程动态监控、信息化施工的重要组成部分。以乌江彭水水电站大型地下厂房（开挖跨度为30 m,高度为78.5 m）为例,从围岩实测位移出发,建立了基于均匀设计－神经网络－遗传算法的围岩力学参数的系统反分析方法,反演考虑开挖卸荷效应的围岩力学参数。根据数值分析结果形成训练样本,利用BP人工神经网络映射围岩的变形与力学参数的关系,同时针对传统人工神经网络存在初始权值难以确定的问题,应用遗传算法优化神经网络的初始权值;利用现场监测的增量变形反演了围岩的力学参数;最后利用反演出的参数,进行地下厂房开挖预测分析。结果表明,预测位移与现场监测位移较为接近,进行统计检验结果为优,说明该参数反演方法是正确合理的。     

Prediction of thermal conductivity of rocks by soft computing

The transfer of energy between two adjacent parts of rock mainly depends on its thermal conductivity. Knowledge of the thermal conductivity of rocks is necessary for the calculation of heat flow or for the longtime modeling of geothermal resources. In recent years, considerable effort has been made to develop artificial intelligence techniques to determine these properties. Present study supports the application of artificial neural network (ANN) in the study of thermal conductivity along with other intrinsic properties of rock due to its increasing importance in many areas of rock engineering, agronomy, and geoenvironmental engineering field. In this paper, an attempt has been made to predict the thermal conductivity (TC) of rocks by incorporating uniaxial compressive strength, density, porosity, and P-wave velocity using artificial neural network (ANN) technique. A three-layer feed forward back propagation neural network with 4-7-1 architecture was trained and tested using 107 experimental data sets of various rocks. Twenty new data sets were used for the validation and comparison of the TC by ANN. Multivariate regression analysis (MVRA) has also been done with same data sets of ANN. ANN and MVRA results were compared based on coefficient of determination (CoD) and mean absolute error (MAE) between experimental and predicted values of TC. It was found that CoD between measured and predicted values of TC by ANN and MVRA were 0.984 and 0.914, respectively, whereas MAE was 0.0894 and 0.2085 for ANN and MVRA, respectively.     

采场顶板稳定性动态预测及控制研究

运用人工神经网络技术,综合岩石介质条件、赋存环境条件以及工程因素3大方面的5个指标,即岩石单轴抗压强度、岩石质量指标、煤体强度、地下水状况、工作面月推进速度,建立了采场顶板稳定性动态预测模型。并以工作面月推进速度40m、60m、80m、100m分别预测了新集井田顶板稳定性分区。根据5个指标因素分析结果,对顶板稳定性影响程度由大到小排序为岩石质量指标、地下水状况、岩石单轴抗压强度、煤体强度、工作面月推进速度。