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     

地下洞室分步开挖围岩应力变化特征及岩爆预测

摘 要：为分析大型地下洞室分步开挖各开挖层之间的应力相互影响情况及利用先开挖层的岩爆发生情况来预测后开挖层的岩爆情况,采用数值计算和现场监控测量的方法进行了一系列计算分析。结果表明：当初始应力场中水平应力和竖向应力相当时,随着不断地开挖进尺,拱顶、底角和底板的应力先期增加明显,后期增幅变小,逐渐稳定。先开挖层若发生岩爆,后开挖层底角和底板也会出现岩爆,洞室先期开挖岩爆的风险较大,后期较小。当初始应力场中水平应力占主导地位时,随着不断地开挖进尺,拱顶、底角和底板的应力先期增幅不大,后期变化较快,侧压力系数越大,先开挖层若发生岩爆,后开挖层在后期开挖时出现岩爆的风险也越大。最后通过洞室的实际开挖情况验证了分析结果的正确性,利用各层之间的相互影响特征来预测后开挖层的变形破坏情况为地下洞室稳定性分析提供了一种新的思路。