基于正态云模型的深埋地下工程岩爆烈度分级预测研究

岩爆是深埋地下工程开挖建设过程中常见的工程地质灾害,对其发生的可能性及其烈度分级预测一直是岩石地下工程的世界性难题。针对岩爆烈度评估过程中存在的模糊性和随机性问题,建立了基于德尔菲法和正态云的综合评判模型。在系统分析影响岩爆发生的相关因素的基础上,选取岩石单轴抗压强度与抗拉强度比σc/σt、切向应力与岩石单轴抗压强度比σθ/σc、岩石脆性指数Is和弹性变形能指数Wet构建评价指标体系,通过德尔菲科学方法确定其权重系数。基于云模型理论计算各评价因子隶属于岩爆级别的云数字特征,生成正态云滴,实现了岩爆烈度与评价指标值之间的不确定映射,保留了评估过程中的随机性。最后,利用国内外典型岩爆工程实例对所建模型进行检验,其判别结果与实际岩爆等级相符,且准确率高于功效系数法和集对分析理论,表明采用云模型对岩爆烈度进行预测是可行的、有效的。该模型具有较高的准确性和可靠性,能满足工程应用需要,在深埋地下工程岩爆预测中具有良好的工程应用前景。     

工程岩爆灾害判别的RBF-AR耦合模型

岩爆是深部高地应力区地下岩体工程中的主要工程地质灾害之一,其发生及烈度预测是一个复杂的不确定系统问题。为了有效预测和判别深部工程岩爆灾害,在总体考虑岩爆各影响因素的基础上,选取地下工程中岩体完整性指数、岩石单轴抗压强度、岩石单轴抗拉强度、围岩最大切向应力、围岩抗压强度与其抗拉强度的比值、围岩切向应力与围岩抗压强度比值、弹性能量指数、岩爆倾向性指数作为岩爆预测的评判指标,提出了一种基于非线性参数优化的RBF-AR岩爆预测模型。在终南山隧道竖井岩爆判别中,利用RBF-AR法进行计算,计算结果与实际情况完全一致,表明该模型在岩爆预测中的可行性和有效性。     

基于熵权正态云模型的软岩等级评价

软岩是地下工程施工中常见的复杂地质情况之一,科学准确的对其分类是进行安全施工的重要前提。针对软岩环境的复杂性和不确定性,选取单轴抗压强度σ_c、完整性系数K_v、黏聚力σ_n、软化系数K_f和软化指数f_s 5项定量化指标建立软岩评价指标体系,采用熵权法确定各指标权重,结合云理论建立熵权-正态云模型,对软岩的类型进行分级评价。以4组软岩工程实例对所建立模型进行检验,并与未确知度法、模糊评价法和BQ法的判别结果进行对比。研究结果表明,熵权-正态云模型在软岩等级判别中具有良好的实用性和可靠性,可为软岩类型预测提供一种新思路。      

基于功效系数法和地应力场反演的深埋长大隧道岩爆预测研究

岩爆是深埋长大隧道面临的主要地质灾害之一,其“孕育-发生-发展”全过程异常复杂,使其成为地下工程中的世界性难题。准确反映地应力变化规律以及区域内地质构造影响,结合实测资料进行岩爆分级预测,对保障隧道前期勘察设计及后期安全施工具有重要意义。根据隧道工程地质资料,通过COMSOL Multiphysics和Rhino建立三维数值计算模型,反演分析得到整个区域的初始地应力场。在综合分析影响岩爆关键因素的基础上,从“储能性-倾向性-突发性”研究角度,选取岩石单轴抗压强度与围岩洞壁最大主应力比(σ_c/σ_max)、围岩洞壁最大切向应力与岩石单轴抗压强度比(σ_θ/σ_c)、岩石强度脆性系数(σ_c/σ_t)及岩石弹性能指数(W_et)作为评价指标。采用熵权法确定指标权重,运用功效系数法加权计算总功效系数值,构建了一种基于功效系数法和地应力场反演的深埋长大隧道岩爆预测模型,并将其应用于川藏铁路桑珠岭隧道。研究结果表明,该模型具有较高的准确性和可靠性,为类似深埋长大隧道岩爆预测提供了一种新的参考。     

基于指标距离与不确定度量的岩爆云模型预测研究

岩爆灾害预测是一个需要迫切解决的世界性难题。针对其烈度等级预测过程中评价指标实测值的确定与不确定性、烈度分级的模糊性和随机性等特点,提出了一种基于指标距离与不确定度量的有限区间云模型岩爆烈度分级预测方法。在对岩爆发生机制进行系统性分析的基础上,建立了岩爆烈度分级预测的评价指标体系,并对各指标实测值赋予其相应的Mass函数,依据指标间距离与不确定性度量获取指标权值,对传统云模型加以修正,并计算出各判别因子隶属于各等级的云特征参数,生成相应的云滴图,实现了语意变量与指标值之间的不确定性和随机性映射。通过对各指标的确定度进行加权实现岩爆烈度的分级。与其他理论相对比分析结果表明,该模型一定程度上应用于岩爆烈度分级预测是行之有效的,具有较高的实用性和指导性,并为其他同类型问题提供了新思路。     

基于Bayes判别分析方法的地下工程岩爆发生及烈度分级预测

在岩爆发生和烈度分级预测的距离判别分析模型的基础上,结合地下工程岩爆的特点和Bayes判别分析理论,提出了地下工程岩爆发生及烈度分级预测的Bayes判别分析方法。综合分析影响岩爆主要因素,选取最大切向应力 、岩石抗压强度 、岩石抗拉强度 和弹性能量指数 作为判别因子建立岩爆预测的Bayes判别分析模型,并利用回代估计法对误判概率进行估计。利用国内外一些重大深部地下工程实例作为学习的样本进行训练建模,经过训练后的模型回判估计的误判率为0。利用该模型对国内3处典型的隧道岩爆情况进行预测,结果与实际情况符合得很好。研究结果表明,Bayes判别模型在岩爆发生可能性及烈度分级预测中具有良好的适用性和有效性。     

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。     

基于MATLAB神经网络工具箱的岩爆预测模型

文章介绍了BP人工神经网络的基本原理，针对其收敛差的缺点，发挥MATLAB神经网络工具箱的优势，分别采用VLBP和LMBP算法建立了改进后的BP神经网络。对于影响岩爆发生的关键因素，总结了专家经验，选取地下硐室围岩最大切向应力与岩石单轴抗压强度比值、岩石单轴抗压强度和抗拉强度比值和岩石冲击性倾向指数作为岩爆预测的评判指标，建立了岩爆预测的神经网络模型，并利用国内外一些岩石地下工程实例进行分析计算校验，计算结果表明，用该模型进行岩爆预测是可行有效的。     

基于功效系数法的岩爆烈度分级预测研究

岩爆是高地应力区岩质隧道施工过程中经常发生的工程地质灾害,对其发生的可能性及其烈度分级预测一直是隧道工程世界性难题之一。基于功效系数法的基本原理,在综合考虑岩爆的关键影响因素基础上,选取?θ /?c 、?c /?t、Wet和Is作为评价因子,建立了一种新的岩爆烈度分级预测模型。利用国内外典型岩爆工程实例对所建模型进行检验,判别结果与实际岩爆等级相符,且与集对分析法和可拓方法判别结果基本一致,表明运用功效系数法对岩爆烈度进行预测是合理的、可行的。再运用功效系数法对苍岭隧道岩爆危险性进行判别,预测结果与实际情况一致,说明基于功效系数原理的岩爆预测新方法具有较高的准确性和可靠性,且简单、易懂、可操作性强,具有良好的工程应用前景。     

岩爆等级判定的距离判别分析方法及应用

将距离判别分析方法应用于岩爆等级判定问题。选用洞室围岩最大的切向应力σθ、岩石单轴抗压强度σc、抗拉强度σt、岩石弹性能量指数Wet作为岩爆等级判定的距离判别分析模型判别因子,以工程中实际岩爆情况及数据作为训练样本,进行分析计算,建立岩爆等级判定的距离判别分析模型。运用该分析模型对国内外工程实际岩爆情况进行判定,判别结果与工程实际完全相符。将该模型应用到诸（暨）永（嘉）高速公路括苍山隧道工程的岩爆情况预测中,判别结果与实际情况相符。研究表明,岩爆等级判定的距离判别分析方法,判别能力强,误判率低,是解决岩爆等级判定的一条有效途径。     

基于组合赋权的岩爆倾向性预测灰评估模型及应用

提出一种用以确定岩爆灾害评价中各指标权重的组合赋权（GEM-GW）方法。该方法依据信息熵理论,对基本熵权法进行改进,理论上解决熵权法在某些情况下不适用的问题,并引入欧几里得距离函数,使得主、客观权重之间和偏好系数间的差异程度一致,从而获得理想的综合权重。在该基础上,根据岩爆的成因及特点,选取影响岩爆的主要评价指标,同时对灰色聚类法进行优化,建立基于组合赋权的岩爆倾向性预测灰评估模型。利用该模型,对国内外一些重大深部岩石工程岩爆案例进行分析,并与模糊综合评判法、属性综合评判法、未确知测度评价法和物元分析法及实际情况进行比较。研究结果表明,该模型预测结果与实际情况吻合较好,预测精度较高,从而验证该模型的有效性及实用性。研究方法为岩爆灾害的准确预测提供一种切实可行的途径。     

基于组合赋权和未确知测度的深埋隧道岩爆危险性评价——以川藏交通廊道桑珠岭隧道为例

针对复杂山区深埋隧道岩爆危险性评价中的诸多不确定性因素问题,通过归纳分析典型高地应力条件下深埋隧道岩爆破坏特征及关键影响因子,从客观反映高地应力环境、岩石力学性能和围岩性质3个层面确定5项岩爆评价指标,利用未确知测度理论建立隧道岩爆危险性评价模型.为了充分考虑岩爆危险性评价的主观因素和客观因素,通过引入距离函数,采用熵权法和层次分析法相结合构建组合赋权法,综合确定各指标的权重系数.基于未确知测度理论及计算规则,结合岩爆危险性分级标准,构建直线型单指标测度函数,计算单指标测度评价矩阵和多指标测度向量,依照置信度准则进行岩爆危险性评价.将构建的岩爆危险性评价未确知测度模型应用于川藏交通廊道桑珠岭隧道,并与强度应力比法、Russenes判据、岩石脆性系数、岩体完整性系数、岩石弹性能指数等单指标判据评价结果及实际岩爆结果进行对比.研究结果表明:该模型评价结果的准确率达到94.4%,比单指标岩爆判据的准确率高16.7%~66.7%.      

基于声音信号的室内岩爆动态预测方法

利用自主研发的真三轴岩爆试验机,在室内再现了应变型岩爆过程,并对岩爆过程中的声音信号进行监测。采用梅尔倒谱系数、谱质心、短时平均过零率等可定量化描述声音特性的组合指标作为岩爆过程典型破坏现象声音信号的特征提取信息,在此基础上结合适用于处理小样本、非线性分类问题的高斯过程机器学习方法,建立岩爆过程典型破坏现象识别的高斯过程模型,由此实现室内岩爆过程典型破坏现象的智能识别。进而,针对岩爆传统预测方法侧重于趋势预测而不能判别岩爆过程发展阶段的不足,采用智能识别+趋势预测的动态识别策略,以岩爆发生前夕的平静期、谐波均值、色谱向量均值等声音特征指标的变化规律作为岩爆前兆信息,提出一种多层次递进式的岩爆动态预测方法。室内岩爆的预测结果表明,该方法是可行的,为未来建立基于声音的现场岩爆预测方法奠定试验基础。     

Strength of ensemble learning in multiclass classification of rockburst intensity

Rockbust is a violent expulsion of rock due to the extreme release of strain energy stored in surrounding rock mass, leading to considerable damages to underground strucures and equipment, and threatening workers' safety. As the operational depth of engineering projects increases, a larger number of factors influence the mechanism of rockburst. Therefore, accurate classification of rockburst intensity cannot be achieved based on conventional criteria. It is urgent to develop new models with high accuracy and ease to implement in practice. This study proposed an ensemble machine learning method by aggregating seven individual classifiers including back propagation neural network, support vector machine, decision tree, k-nearest neighbours, logistic regression, multiple linear regression and Naïve Bayes. In addition, we proposed nine data imputation methods to replace the missing values in the compiled database including 188 rockburst instances. Five-fold cross validation and the beetle antennae search algorithm are used to tune hyperparameters and voting weights of the individual classifiers. The results show that the rockburst classification accuracy obtained by the classifier ensemble has increased by 15.4% compared with the best individual classifier on the test set. The predictor importance obtained by the classifier ensemble shows that the elastic energy index is the most sensitive input variable for rockburst intensity classification. This robust ensemble method can be extended to solve other classification problems in underground engineering projects.     

深埋大理岩力学特性对岩爆发生条件的影响分析

岩爆作为深埋地下工程围岩的一种破坏方式,其发生条件受多种因素的制约。根据在锦屏二级深埋隧洞掘进过程中的岩爆统计结果,即使应力条件和岩体强度达到一定的要求,岩爆发生与否以及剧烈程度还与岩体力学特性有密切的联系。锦屏二级深埋隧洞沿线以大理岩为主,为此开展了大理岩力学特性与岩爆发生关系的相关研究工作。根据大理岩三轴压缩试验结果,验证了大理岩的脆-延-塑转化特性,确定了锦屏白山组大理岩的转化围压和相关的Hoek-Brown强度参数,并利用经验的方法初步评价了锦屏深埋大理岩的岩爆风险。为了进一步明确岩体力学特性对岩爆风险的影响,利用现场实际的岩爆破坏形态,通过考察不同深度处测点的应力路径,校核了现场岩体的力学参数。在此基础上分析了具有岩爆风险的围岩力学状态,分别研究了岩石强度、岩体完整性和岩体脆性特征对岩爆发生条件的影响。研究结果表明,锦屏大理岩岩石强度和脆性特征可以影响到锦屏深埋隧洞围岩岩爆风险程度,但其影响相对较小,而岩体完整性对岩爆风险形成具有比较明显的影响。