隧道围岩稳定性的有限元分析

根据地下结构设计理论和岩石屈服的Drucker-Prager准则，考虑到了围岩的自身承载能力，采用有限元的分析方法对广西柳州一处公路隧道围岩的稳定性进行了分析。分析了开挖方式、开挖顺序对围岩稳定性的影响，对围岩的开挖过程进行模拟。确定不同开挖方式下隧道围岩的位移、应力状态，以及位移、应力状态随时间的变化规律，为隧道施工过程中开挖方案的制定、支护时间的选取提供依据。     

人工神经网络在围岩稳定性分类中的应用

利用BP型人工神经网络计算原理,建立起6个判别参数与围岩稳定性的关系,实现了对围岩稳定性分类的定量评价。实例研究表明,应用人工神经网络进行地下工程围岩稳定性分类是可行的。     

下车亭隧道硐室围岩稳定性分析

有压或无压输水隧道硐室的围岩稳定性分析是隧道硐室勘察设计技术的关键问题，本文通过对下车亭输水隧道硐室的围岩稳定性分析，提示大家在弛下硐室勘察设计中围岩稳定性分析应注意的几个问题。     

丈八口隧道围岩稳定性分析

结合烟台市丈八口隧道工程实况,利用Ansys工程分析软件对丈八口隧道断裂破碎带和出口的山岩进行稳定性分析,根据计算分析结果,指出了在同一项穿山隧道建设项目中,应根据围岩完整性程度,确定掘进方法和支护形式.这一结论对同类工程具有指导意义.     

公路隧道围岩稳定性评价软件开发与应用

以公路工程中的隧道为研究对象、指导工程安全施工与合理运营为目的,实现快速化、系统化、简洁化和人性化的操作为设计思想,从隧道围岩分级、围岩应力应变计算、围岩监测3个结构方面入手,利用Visual Basic开发工具,结合Office系列环境的"宏"命令,以Access为数据库平台,以Mschart控件和AutoCad接口控制图形输出,开发了公路隧道围岩稳定性评价软件,实现了计算、监测、编辑、有限元分析等多种功能.通过该软件在于木匠沟双连拱隧道工程中的应用,给出了隧道右硐K46+014处围岩的级别为IV级,潜在破坏区域位于硐顶及硐底,围岩最终位移量为12.055 mm,并得到收敛位移与速率随时间变化的回归曲线.     

粘弹性边界元法预测锚喷支护隧道围岩稳定性

采用理论分析，新奥法工程专家经验及原始测试资料三者相结合的方法，以粘弹性边界元理论为力学计算工具，工程类比定性内容为修正依据，探讨和发展设计，施工和现场量测一体化的分析方法。     

凌子口隧道围岩稳定性分析评价

根据勘察资料对位于云南省昭通市北东约30km处凌子口隧道围岩的稳定性进行分析评价。隧道所处区域为滇东北拗褶带中心峡谷区，工程地质条件复杂，岩层分别为砂岩、白云岩、泥灰岩及钙质泥岩，岩体结构面主要为构造结构面，不良物理地质现象主要为进洞口附近残坡积层中发育的三个小滑坡。对隧道围岩计算得出各类岩体强度应力比均大于6，该隧道围岩能够承受围岩应力的作用，不会产生过大的整体塑性变形，剪切及弯折等变形破坏。但围岩中分离块体存在散块状松动坍塌的可能。本文根据分类评价结论及有关参数，提出了一次支护型式建议。     

投影寻踪评价模型在隧道围岩稳定性分级中的应用

隧道围岩稳定性分级对隧道工程设计和施工具有重要的意义。利用影响隧道围岩稳定性的多种因素,应用投影寻踪评价模型建立隧道围岩稳定性分级方法,探讨了利用不便于量化为投影指标的影响因素对投影分级结果进行修正的方法。应用实例表明,投影寻踪分级结果与其它分级方法的结果相符,证实了方法的正确性。     

识别所钻地层的人工神经网络法应用

对用人工神经网络方法来解决钻探生产的实际问题, 在不取心的情况下识别所钻地层的岩性进行了研究.根据钻探生产的特点, 设计了人工神经网络的结构和输出方式, 开发了人工神经网络识别所钻地层的软件, 分析了影响人工神经网络应用效果的各因素, 在人工神经网络的优化设计方面作了较深入的研究.研究表明: 人工神经网络用于识别所钻地层有很好的效果; 人工神经网络的参数, 如学习率、隐含层层数、隐含层单元数和数据处理方式等对人工神经网络的应用效果有影响.      

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。     

泥石流危险度评价的神经网络法

泥石流危险度的评价计算，对于泥石流治理及减灾防灾对策的确定具有重要意义，影响泥石流危险度的因素复杂且具有胡机和模糊特性，而神经网络的性能特征使其能适用于解决非线性的泥石流危险度评价问题，本建立了相应的评价泥石流危险度的神经网络模型，并利用具体的实例对网络进行训练和测试，计算分析表明，网络模型对于评价泥石流危险度有较好的适用性。     

人工神经网络在致密砂岩气层识别中的应用

致密砂岩气层识别是一个难题。如何在已有的地质、钻井、测井、地震等资料的基础上，利用现代人工智能方法进行气层识别，值得我们去探计。作者在本文中利用一个改进的BP网络模型，充分利用现有的地质、测井等资料，以单井为单元进行垂向气层识别，然后又以地震资料为约束进行气层横向预测，结果非常令人满意。     

基于神经网络的聚类分析在储层流动单元划分中的应用

以苏里格气田盒8段为研究对象,在细分层和精细沉积学研究基础上,通过对关键井详细研究,以流动层段指标为储层流动单元划分标准,将目的层分为3类流动单元.通过相关性分析结合专家经验,从诸多电性、物性、岩性等参数中优选出表征流动单元的10个特征变量作为预测模型的输入,应用基于神经网络算法的聚类分析方法建立储层流动单元非线性识别模型.通过对其他关键井的回判预测表明,建立的流动单元预测模型可以更全面地考虑各类地质因素与流动单元之间的结构性复杂映射关系,气井产能与流动单元具有较高的对应关系,为气田精细描述与开发井网的优化部署提供可靠基础.     

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。     

BP神经网络在储量计算中的应用

由于地质统计学需对研究变量作出先验假设,极大地限制了它的进一步推广。作者将ＢＰ神经网络方法引入矿体品位估值及储量计算之中,通过对比研究,探讨了该方法的可行性。     

矿物分类和识别的人工神经网络模型

本文提出矿物分类和识别的人工神经网络模型，并选取一组标样－我国沉积碳酸盐型锰矿中菱锰矿作为研究对象，识别效率达１００％。结果表明，该模型性能良好，可望成为矿物识别的有效手段。     

BP人工神经网络在地学中的应用

ＢＰ人工神经网络是摸拟人脑机理和功能的一种新型计算机和人工智能技术,它在数据处理中可避免数据分析和建模中的困难,采用拟人化的方法进行处理,特别适用于不确定性和非结构化信息处理,因而对地质学中各种未知信息的预测有着较好的适用性。     

用改进后的BP神经网络评价黄土质边坡稳定性

首先介绍了改进BP神经网络性能的几种方法；在此基础上，考虑影响黄土质边坡稳定性分析的各种自然因素，包括坡高，坡比，强度指数，土何内摩擦角，土体容重，空隙水压力系数以及地震烈度统方法的计算结果进行逐一对比，对比结果证明了该方法能够满足一般黄土质边坡稳定性评价的精度要求；另一方面，由于方法的改进大大减少了网络的计算时间，使得黄土质边坡稳定性的评价更为便捷迅速，从而证明该方法具有一定的推广应用价值。