基于云模型的隧洞围岩工程地质分类方法及应用

本文将云模型理论应用于隧洞围岩工程地质分类,通过建立隧洞围岩分类多级定量指标体系及评价等级标准,计算隧洞围岩云模型隶属度,将定性评价与定量划分成果进行结合,判定隧洞围岩工程地质类别。通过工程实践应用,该方法对围岩分类问题中的模糊性和随机性进行了统一,围岩分类结果与多位地质工程师联合判断结果相比较,在共计15段围岩中有14段相同,具有高的准确度,云模型理论应用于隧洞围岩分类是合理可行的。     

巷道围岩动态工程分类技术研究

基于围岩质量计算、柱状图数字化和重组、结构面诊断、围岩结构装配、采动应力作用后围岩结构演化等研究成果,采用工程要求、基本结构、演化结构为一级指标,提出了围岩的动态工程分类技术、分类结果的表式表达技术,并指出了分类结果的应用方法。     

基于联系熵的围岩稳定性评价研究

围岩稳定性评价涉及许多不确定因素。由于集对理论和联系熵模型能有效地处理不确定问题,故将联系熵方法应用于围岩分类,建立矿岩分类的联系熵模型,计算围岩的联系熵值,相应地进行矿岩稳定性等级评价。是对系统不确定性进行量化的一种尝试,为矿岩稳定性评价提供了一种新的方法。实例模型表明,联系熵越大,则矿岩的稳定性越差,越危险。     

基于有限区间联系云的围岩稳定性评价模型

围岩稳定性评价指标分布具有有限区间分布和等级边界模糊特性。基于联系数理论和云理论的耦合方法,探讨了能考虑指标区间分布特点和级别界限模糊转换特性的围岩稳定性分类联系云模型。首先探讨了有限区间内的联系云模型,以描述有限区间内的围岩稳定性分类指标的模糊性和转换态势,结合样本指标权重和联系概率概念分析实测评价指标对各等级的综合确定度,判定了样本的围岩稳定性级别。实例应用和与其他方法对比分析结果表明,该模型应用于围岩稳定性评价是有效可行的,取得较好效果,且弥补了理想云模型不能整体描述有限区间分布的指标间确定和不确定关系的缺陷,拓广了云模型应用的适应性。     

煤矿巷道围岩稳定性动态工程分类技术研究与应用

基于围岩质量计算，柱状图数字化与重组，围岩结构诊断，采动应力作用后围岩结构演化等研究成果，采用“工程要求，基本结构，演化结构、为一级指标，提出了巷道围岩稳定性动态工程分类技术，分类结构的表在技术及分类结果的应用方法。     

基于数字钻进技术和量子遗传-径向基函数神经网络的围岩类别超前识别技术研究

围岩类别超前分类是隧道施工过程中必须开展的一项工作,其直接关系到后续的开挖及施工支护方案。为有效地进行隧道围岩类别超前分类,提出了基于数字钻进技术和量子遗传（QGA）-径向基函数（RBF）神经网络的围岩类别超前分类方法。以数字钻进技术为基础,从钻进参数中提取有用信息,构建围岩类别超前分类指标体系。采用量子计算原理对遗传算法进行改进,通过量子位编码和量子旋转门更新种群,以此来确定RBF神经网络的参数,建立了基于QGA-RBF神经网络的围岩类别超前识别系统。最后将该方法应用于青岛胶州湾海底隧道的围岩类别超前识别中,结果表明,该方法具有较高的准确性,其结果为围岩类别超前分类提供了一种新思路。     

地下工程围岩分类物元分析模型与应用

本文提出用物元分析进行地下工程围岩分类的新方法。该方法将地下工程围岩稳定性等级、评价指标及其特征值作为物元，根据地下工程围岩物定性分级标准建立关联函数，通过计算综合关联度判断地下工程围岩稳定性级别。用实例与模糊评价模型和灰色优化理论模型得到的结果进行了对比，得到一致的结果，该方法计算简便，评价合理，实用性强。     

基于投影寻踪插值模型的围岩稳定性分类研究

由于受到多种因素的综合作用,因此对围岩稳定性进行准确分类是一个难题。选取影响围岩分类的5个主要因素,根据分类标准,采用在每级标准中随机内插的方法,得到50个标准样本,用于构建分类模型。针对上述复杂优化模型,采用遗传算法进行优化,以获得的最佳投影方向为基础,得到围岩稳定性分类的投影寻踪插值模型。实例分析表明：该模型的分类结果是准确和可靠的,与采用其他几种分类方法所得结论一致。此外,该模型可以得出每个样本的具体得分值,即使对属于同一级的样本也可以排出它们的优劣顺序,因而具有较高的分类精度,是一种更具有应用前景的新方法。     

基于权重反分析和功效系数法的地下储油洞库围岩分类模型及应用研究

选取岩石抗压强度、完整系数、结构面状态、地下水发育情况、洞轴线与软弱结构面的夹角作为地下储油库工程围岩稳定性的评价因素,并采用权重反分析的方法确定各指标的权重,建立了基于权重反分析方法和功效系数法的洞库围岩稳定性评价模型。最后,将建立的围岩分类模型应用于实际工程,通过与实际开挖结果对比表明,模型判别结果与实际开挖揭露围岩类别相吻合,证明了该方法用于地下储油洞库围岩分类的合理性和有效性,为地下储油洞库围岩稳定性判别提供了一种新思路。     

公路隧道围岩地质条件评价方法及其富溪隧道应用研究

为了达到快速、准确、可靠的围岩分类,有效指导隧道施工,在充分研究和吸取国内外有关围岩分类的经验和成果基础上,针对隧道施工期间的围岩类别鉴定方法,提出了一种可用于隧道施工期间围岩类别鉴定的快速分类方法,该方法以定量与定性相结合、多专家评分的方式在开挖掌子面现场进行观察、量测及评价,无需复杂试验或测量以及繁杂计算,可迅速得出评价结果。为了更加全面地反映隧道围岩情况,准确评价围岩工程性质,结合目前国际上流行的Q分类系统,在富溪隧道第一手实测资料的基础上,根据快速分类结果和Q指标分类结果对富溪隧道围岩条件进行综合评价,为其隧道施工提供了合理的支护参数。     

模糊神经网络用于储层预测

利用模糊理论和ＢＰ网络相结合组成的模糊神经网络系统,能够克服ＢＰ网络单独使用的局限性,可在地质条件较复杂地区进行储层及油气预测。通过实际资料应用表明,应用单个ＢＰ网络进行储层及油气预测效果较差的地区,采用模糊神经网络能取得较好的效果。     

自适应模糊神经网络在膨胀土胀缩等级分类中的应用

针对膨胀土胀缩等级分类这一多因素评判问题,在分析自适应模糊神经网络原理及结构的基础上,利用减法聚类获得模糊推理规则数目,确定网络结构,建立了适用于膨胀土分类的自适应模糊神经网络,并将其应用于两个实际工程的膨胀土分类中,取得了良好的效果。研究结果表明,自适应模糊神经网络能实现BP网络和模糊综合评判的分类功能,而且比BP网络具有更透明的网络结构、比模糊综合评判更具学习功能,在膨胀土胀缩等级的分类中显示出较强的适用性。     

边坡稳定性预测的模糊神经网络模型

根据边坡稳定问题具有的模糊性,提出了一种判定边坡稳定性的模糊神经网络模型。该系统仅从期望输入输出数据集即可达到获取知识、确定模糊初始规则基的目的。再利用神经网络学习能力便不难修改规则库中的模糊规则以及隶属函数和网络权值等参数,这样大大减少了规则匹配过程,加快了推理速度,从而极大程度地提高了系统的自适应能力。最后用收集到的边坡数据样本训练和测试模糊神经网络模型,结果表明该模糊神经网络预测边坡稳定性是可行的、有效的。     

边坡稳定分析的神经网络改进模糊点估计法

边坡稳定性分析中,模糊点估计法能同时考虑模糊不确定性和随机不确定性因素。针对传统模糊点估计法计算工作量大的缺点,提出一种神经网络改进模糊点估计法。利用拉丁超立方抽样法和径向基函数神经网络（RBF）建立边坡安全系数的预测模型;对黏聚力和内摩擦角等模糊随机变量取λ截集,并在各截集水平对参数进行组合;利用建立的预测模型对各参数组合的安全系数进行预测;最后由统计矩点估计法计算边坡的可靠度指标。实例分析表明：改进模糊点估计法使用方便、结果可靠,且能通过增加λ截集水平的数目来提高计算精度。对于含有2～4个模糊随机变量的边坡,采用改进模糊点估计法计算可靠度时λ截集水平的数目可近似取25。     

Bayes方法在矿井突水水源判别中的应用

快速有效地判别突水水源是矿井安全生产的重要保障。选取各含水层多项水质指标,应用Bayes方法建立适用于不同水质类型的矿井突水水源快速判别模型。结合SPSS软件,以淮南顾桥矿为例,并与模糊综合评判模型、神经网络模型进行分析比较。结果表明:贝叶斯多类线性判别模型能够有效地判别突水水源,比模糊综合评判有更高的准确性,与神经网络模型的判别准确率相同。Bayes多类线性判别模型又以其计算过程简单、模型结构稳定而优于神经网络模型。既提高判别准确率又提高判别速度,实现对突水水源快速有效判别。      

模糊神经网络在矿震预测中的应用

矿震同天然地震一样会给矿山生产及人身安全等带来重大灾难。也是目前尚不能准确预测的矿山灾害现象之一。根据现有的研究成果可知，矿震是一个多输入、多干扰、单输出的复杂系统。由于干扰项的存在，使利用建模、神经网络等手段对系统进行预测时会导致很大误差。模糊神经网络系统在建立对象输入、输出关系时与传统数学方法不同。即可以建立在无模型基础上，并利用其较强的学习训练特性，自动获取对象的输入、输出关系表达；可以将专家的评价语言作为系统的干扰项引入。这在一定程度上缓解了人为因素对预测结果的影响，且平滑了观测数据的随机性。文章利用改进的模糊神经网络及抚顺老虎台矿的矿震资料，对矿震最大震级的预测方法进行了探索。‘初步探讨了改进的模糊神经网络在矿震预测中的应用。得出在运用模糊神经网络进行预测时，为减小预测误差，应综合多种因素并提高专家评判语言的精确度的结论。指出在建立矿震系统预测模型时，利用干扰项将人为因素引入系统是必需的。通过实际应用证明其可行性。     

基于遗传算法和模糊神经网络的边坡稳定性评价

边坡工程是一个动态的、模糊的、开放的复杂非线性系统,传统的分析方法有时难以对复杂边坡的稳定性做出符合实际的评价。影响边坡稳定性的因素复杂且具有随机性和模糊性。由于神经网络方法不仅能考虑定量因素,而且能考虑定性因素的影响,因而神经网络方法适用于解决非确定性的边坡稳定性评价问题。综合考虑影响边坡稳定性的各方面因素,建立了基于遗传算法的模糊神经网络模型,并利用大量工程资料对网络进行训练和测试。预测结果表明,该模型的预测精度明显高于目前同类方法。     

基于投影寻踪技术的矿井突水水源判别模型——以新庄孜煤矿为例

投影寻踪是一种降维处理技术,它可以将高维分析问题通过投影方向转化为低维问题分析.应用该法的关键在于寻求最佳投影方向,这可以转化为一个复杂的非线性优化问题,结合Matlab的遗传算法工具箱进行优化求解.本文以淮南新庄孜煤矿为例,建立突水水源判别投影寻踪模型,并与模糊综合评判模型、神经网络模型、灰色聚类模型进行分析比较.结果表明:投影寻踪判别模型能够有效地判别突水水源,比模糊综合评判、神经网络模型、灰色聚类模型具有更高的准确性,为矿井突水水源判别提供了一个新途径.     

An extended fuzzy TOPSIS–GRA method based on different separation measures for green logistics service provider selection

In this paper, first, the criteria that make logistics service providers more “green” are determined as: cooperation with customer’s company and its customer, green government regulations, environmental management system, green process design, reduction in energy consumption and green network design. The criteria weights are determined by fuzzy AHP, based on expert opinions. Then, a new method is proposed, which is the combination of fuzzy TOPSIS and GRA, and used to evaluate green 3PLs based on different separation measures, as an extension, using trapezoidal fuzzy numbers. Five Turkish 3PLs serve in Istanbul are selected in order to apply a case study to show the applicability of the proposed method. Finally, the proposed method is verified with respect to different resolving coefficient values and separation measures and also compared with fuzzy TOPSIS and fuzzy VIKOR method results. Different multi-criteria decision-making methods can be applied and compared to check validity of our results for future studies. The proposed method can also be implemented to 3PLs in other countries.     

岩相识别的神经网络计算

模式识别在定量研究岩相模式中是一种有效的方法，神经网络是模式识别的一种新方法，和其它模式识别方法不同之处在于它能模拟人脑并行处理信息的模式和神经系统的可塑性。经传统岩相分析，鄂中拗陷二叠系碳酸盐岩确认为碳酸盐岩台坪相，它包含五个亚相，即局限台洼、台坡Ｂ、台洼、台坡Ａ和台滩相。它们在岩石的颜色、矿物组分、古生物种属、结构等特征上都有不同的差异。应用ＢＰ神经网络，特别是与模糊模式识别的结合，对拗陷区的岩相识别是成功的，令人鼓舞，两种方法各自的正确判对率约为７５%，而综合两种方法的判对结果，则岩相全部判对。