岩爆与围岩分类

岩爆是高地应力条件下完整脆性硬质围岩失稳的一种表现型式,岩爆烈度如何影响围岩类别尚不清楚,探索岩爆与围岩分类的关系,对准确判别高地应力条件下的围岩类别有着重要意义。本文以某深埋隧洞围岩分类为依据,对我国水利水电地下洞室围岩分类中岩爆烈度与围岩类别的关系、岩爆判别指标的选取等问题进行了探讨。     

西部地应力测量与岩爆分析

通过对我国西部一些重点工程的地应力测量,大致得出西部工程的应力状态,并从实测地应力资料出发,采用现有的、普遍应用的岩爆判别准则,对这些工程在施工开挖期间的地下工程进行岩爆预测分析。     

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。     

地下洞室岩爆预测计算方法综述

地下洞室岩爆的发生直接影响地下工程的施工和威胁施工人员的安全，因此，进行合理的岩爆预测就显得尤为重要。本文概括介绍了当前地下洞室岩爆预测的计算方法，并详细分析了计算方法的适用性和发展性，简要提出了在岩爆预测中要注意的几点建议。     

岩爆预测的灰色关联系统分析与评价

岩爆由于其发生的突然性和猛烈性,常给地下工程建设带来灾害性破坏,因此,岩爆预测研究具有重大的工程意义。岩爆由于影响因素众多且关系复杂,采用传统的指标和评价办法很难系统地考虑诸多因素,而采用灰色关联分析方法可建立起各种影响因素的相关性。灰色关联系统通过分析洞室围岩应力、岩性条件和能量条件等影响岩爆的主要因素,选取岩石抗压强度、抗拉强度、弹性能量指数和洞壁最大切向应力作为岩爆预测的评判指标,建立了岩爆预测的灰色关联系统分析模型。在基于经验的基础上运用所建立的灰色关联模型对典型工程的岩爆类型进行了判定,评价结果表明:(1)利用灰色关联度分析方法能够考虑影响岩爆的主要因素,判别的结果与实际情况相符,证明了本分析方法的适用性和有效性; (2)与其它判别岩爆的方法相比,灰色关联度分析方法原理简单,可操作性强,更具有实用价值,并可通过选用参考序列的典型性和代表性来提高岩爆评价的准确性和可靠性。     

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。     

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。     

板状破坏的岩体岩爆判别的一种方法

本文探讨锦屏长探洞的各种岩爆现象。在研究构造应力场和重力场及其联合作用对岩爆影响的基础上,指出了对于特深埋洞室,上覆岩层厚度将成为产生岩爆的主要原因。针对现场岩爆的实际破坏形式,提出了边壁破坏的板粱-脆性弹簧模式。研究了破坏面平行于洞室边壁情形下的岩爆机理和判别方法,较好地解释了岩爆发生过程,判别岩爆的临界应力与实际的比较吻合。此外本文还给出一些卸围压试验的结果。     

TBM隧道施工期岩爆预测方法探讨

针对隧道掘进机(tunnel borring machine,TBM)施工阶段岩爆倾向性指标存在的不足,综合考虑围岩应力状态、岩体完整性、岩石强度、施工扰动等岩爆关键影响因素,提出了一种适用于隧道施工阶段的新型岩爆及时预测方法。首先,细致地分析了岩石强度?_c _i、脆性系数?_(ci)/?_t、地质强度指标GSI、开挖扰动系数D和最大地应力?_(max)等施工阶段参数特点,引入Hoek-Brown强度准则估算工程岩体强度,基于工程岩体强度应力比思想,提出新型岩爆预测指标表达式,并给出岩爆的分级界限值。工程实例进一步验证新方法的合理性。文中方法为施工期岩爆预测问题的研究提供了一种新的和切实可行的思路。     

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。     

人工神经网络在环境灾害预测中的应用进展

综述了近年来人工神经网络在环境灾害预测中的应用进展,包括对污染型环境灾害、生态环境灾害、地质环境灾害以及气象环境灾害等灾害的成灾因素分析、危险性预测以及灾情预测和动态演变规律预测,揭示了人工神经网络探索灾害隐含信息方面的优越性,并对其在环境灾害预测中的应用前景和发展趋势进行了展望。     

基于BP神经网络的深埋隧洞地应力预测研究

深部地应力的测量一直是工程界难题之一。由于研究手段和测试技术的限制, 深部地应力很难测到, 或者部分数据不理想。本文将BP神经网络方法引入地应力场研究, 选取深度、岩芯密度(天然密度)、岩芯弹模、岩芯的三轴抗压强度(10MPa围压)、岩芯的声发射地应力测值、岩芯裂隙率6个参数作为地应力预测研究的主要指标, 在此模型的基础上对秦岭深埋隧洞地应力测量数据进行了拟合分析, 并对深部的地应力做了预测。结果表明用BP神经网络模型进行深埋隧洞地应力大小的预测是可行的。      

基于人工神经网络的黄河下游枯季径流预测研究

通过分析黄河下游枯季径流的影响因素 ,主要为花园口水文站径流量和下游的引黄量这两个因子 ,花园口水文站径流量和下游的引黄量可作为输入层中的影响因子 ,下游利津站的流量作为输出层。应用多层前向人工神经网络理论 ,构造四套枯季径流实时预测的BP神经网络模型 ,使用花园口—利津水文站 2 6年的完整序列测流资料训练和检验网络并用于预测     

基于遗传神经网络的储层敏感性预测方法研究

储层敏感性是储层与外来流体发生各种物化作用,使储层孔隙结构和渗透性发生变化的特性,这种变化会不同程度地损害油层,从而导致产能损失或产量下降.如果能在施工之前对储层的敏感性做出预测,那么在进行施工的过程中,就可以采取相应的措施,减少储层的损害.在储层敏感性进行预测的方法中,BP神经网络是应用最广泛的方法之一,可以对储层的各种敏感性进行预测.但这也存在着一些问题,比如局部寻优、收敛速度慢等,所以在神经网络的基础上,加入了遗传算法,可以对神经网络进行优化,使其能最大程度地快速找到全局最优.实践证明,这种方法能够满足目前储层敏感性预测的实际需求.     

基于小波理论与人工神经网络的滑坡变形预测

滑坡的位移是由多种因素影响的复杂非线性问题。滑坡位移的预测一直是滑坡研究中的重点与难点。位移预测对于分析滑坡的发展趋势具有重要的作用。本文采用小波理论与人工神经网络理论,对滑坡位移进行预测研究。由于滑坡的位移包括一定的偶然因素,如降雨等不定因素,对滑坡位移的预测存在一定的干扰作用。故本文采用小波理论对滑坡位移进行降噪,提取数据中的有用部分。将降噪后的数据采用人工神经网络进行滑坡位移的预测。由数据结果可见,滑坡预测位移与真实位移间的误差为2%～3%,预测结果好,证明本文所用方法能较好的运用到滑坡位移的预测中。     

常用有机溶剂人工神经网络模式识别方法研究

用人工神经网络方法对常用有机溶剂进行分类。４５种有机溶剂模式识别的误判率为７．６％，同聚类方法比较，本方法分类能力强，结果准确，可直接对未知溶剂分类。     

基于人工神经网络的航磁信息关联方法的研究

应用人工神经网络方法 ,以航磁数据为样本 ,建立了航磁信息关联的BP人工神经网络模型。对山东省 1∶5 0万航磁水平一阶导数轴向图进行计算机自动关联叠置、提取航磁解释构造轴线的研究。经与垂向二阶导数对比分析 ,证实了该方法给出的模型具有较强的非线性、自适应和学习能力。     

地铁施工引发地面沉降的BP神经网络预测分析

针对沈阳地铁一号线重工街站至启工街站区间隧道开挖引发地面沉降变形的问题,利用现场实测的地表沉降变形数据建立BP神经网络模型,并进行网络训练与预测。预测结果表明,时间序列神经网络模型能够很好地表达地面沉降监测数据序列间的非线性关系。利用BP神经网络建立的预测模型,所得预测值与实测值拟合很好,是预测地铁施工引发地面沉降变形的一种有效方法,能为沈阳地铁隧道的设计及施工提供科学合理的依据。     

边坡稳定性的神经网络预测研究

根据神经网络法的基本原理，结合38个实际边坡工程稳定实例，应用VB5．0可视化编程语言，建立了边坡稳定性的神经网络预测模型，并运用该模型对部分边坡工程的稳定性进行预测，预测结果与边坡实际稳定状态相吻合，从而表明了神经网络法在边坡稳定性预测中的有效性。     

基于神经网络的非地震综合评价

利用神经网络,运用化探、地电及遥感资料,对镰刀弯地区进行了含油性的非地震综合评价,取得了很好的效果。在此基础上进一步分析训练结果,对参评因子的重要性进行优选,并对不同参数类型的评价效果进行了对比,对因子的优化具有指导意义。