径向基函数神经网络在地应力场反演中的应用

初始地应力场是地下洞室设计所需的基本指标。基于江边电站引水隧洞沿线区域的地质资料,利用快速拉格朗日分析程序FLAC3D建立了该区域的数值计算模型,使用了随深度变化的侧压力系数以及应力和位移的混合边界条件,通过模拟引水隧洞沿线不同岩性的岩石、断层破碎带和蚀变带进行正分析计算。根据工程现场实测点的主应力数据,基于径向基函数（RBF）神经网络原理,反演了计算区域的岩体力学参数和初始地应力场。其计算结果与实测地应力值基本吻合,满足精度要求,说明反演结果与工程实际相符,所使用的反演方法是合理的。     

基于粗糙集理论的遗传-RBF神经网络在岩爆预测中的应用

岩爆发生机制复杂,影响因素较多,通过粗糙集理论中的属性约简和条件属性重要性评价,确定特定地质条件下岩爆的主要影响因素,删除冗余数据。使用遗传算法(GA)优化径向基函数（radial basis function,简称RBF）神经网络参数,通过RBF神经网络隐层单元将低维模式输入变换到高维空间内,拟合影响因子和岩爆等级之间的非线性映射关系,建立基于粗糙集理论的遗传-RBF神经网络岩爆预测模型,目前未见其在地下洞室岩爆预测中应用。在根据工程实际情况选取多个理论判据的基础上,将建立的预测模型应用于实际工程的岩爆预测问题,并与实际岩爆发生情况进行对比分析。结果证明,该方法的评价结果与实际情况较为吻合,对后期施工有较好的指导作用。     

基于粗糙集和理想点法的隧道围岩分类研究

理想点法是一种多目标决策分析法,其基本思路是通过构造多指标问题的理想解和反理想解,并以靠近理想解和远离反理想解的程度作为各评价对象的判断依据,基于此原理建立了隧道围岩分类的理想点法评价模型。理想点法各指标权重的取值是否合理对最终的评判结果有着很大的影响,采用粗糙集理论把权重问题转化为粗糙集中属性重要性评价问题,以此来确定各指标权重。该方法不需先知经验,求解过程完全由实际样本驱动,具有很强的可操作性。建立了基于粗糙集和理想点法的隧道围岩分类模型,并应用于实际工程,结果表明,该方法的分类结果与实际相符,基于粗糙集和理想点法为隧洞围岩分类提供了一种新思路