一、巷道围岩稳定性分类的MBP神经网络预测研究(论文文献综述)
蔡坤鹏[1](2020)在《九绵高速公路天池隧道围岩稳定性研究》文中提出在我国西南地区的公路交通工程建设中,山岭隧道往往占据线路很大的比例,正在修建的九绵高速公路总长度244.03km,桥隧占比达到了81%,且较多标段隧道穿越可溶岩地区,复杂的岩溶地质条件会给隧道工程建设带来高风险,比如各种充填或无充填的溶隙、溶缝、溶洞带来的偏压塌方、涌泥突水、大变形等严重影响隧道的稳定性。在建的天池隧道围岩为典型的可溶岩体,洞身段灰岩岩体强度低,对隧道稳定性影响较大。以往的研究多注重岩溶不良地质对隧道开挖影响以及防治处理措施,对一般可溶岩体的变形位移和支护结构的监测分析较少,因此本文依托九绵高速公路天池隧道,通过建设过程中隧道围岩位移和支护受力监控量测、室内不同状态下的单轴和三轴压缩试验,以及数值分析等途径和方法,对天池隧道围岩稳定性进行了分析和评价。获得的主要成果如下:(1)通过对隧道洞壁周边收敛监测、累计曲线拟合、正态分布统计发现:Ⅲ级围岩拱顶下沉值和拱肩、边墙周边收敛值最小,拱顶下沉值范围在5.4mm~8.1mm之间,周边收敛值范围在4.8~9.6mm、4.9~10.4mm之间,前期位移速率小于2mm/d,稳定时间为28d,判定极限位移值为24mm、29mm、31mm;Ⅳ级围岩的拱顶下沉值范围在11.1~17.3mm之间,周边收敛值范围在13.1~18.8mm、15.57~21.8mm之间,前期位移速率小于4mm/d,边墙收敛值大于拱肩收敛值和拱顶下沉值,稳定时间为30d,判定极限位移值为52mm、56mm、65mm;Ⅴ级围岩的拱顶下沉值和周边收敛值范围最大,拱顶下沉值范围在15.4~24.1mm之间,周边收敛值范围在17.8~27.8mm、20.7~31.2mm之间,前期位移速率小于5mm/d,边墙收敛值大于拱肩收敛和拱顶下沉,稳定时间为35d,判定极限位移值为72mm、83mm、93mm。围岩内部位移监测表明,位移随距离洞壁深度的增加而降低,洞壁拱肩处位移值最大为14.5mm,最深处3.5m测点位移小于1mm。(2)对天池隧道Ⅳ级围岩进行支护结构受力特征监测,结果表明:初期支护与围岩的接触压力分布不均匀,右拱肩处压力最大,为0.31MPa,左边墙、左拱肩、拱顶、右拱肩、右边墙监测点压力占设计值的102.5%、41.5%、78.9%、105.4%、76.9%;钢拱架基本上处于内缘受拉、外缘受压状态,右拱肩部位受压应力最大,为19.0MPa,计算出轴力和弯矩均较小,拱顶、左拱肩、右拱肩、左边墙、右边墙监测点的安全系数分别为23、27、4、21、7,均大于规范安全系数;锚杆轴力多表现为受拉状态,最大轴力为34.3k N,测点轴力分布特征为“翘尾巴”型,表现为浅部轴力大于深部轴力,计算得左边墙、左拱肩、右拱肩、右边墙各锚杆测点的最小安全系数分别为7.6、4.3、6.7、8.0,锚杆发挥了加固围岩的作用,且在安全范围内。监测结果显示右拱肩部位安全系数小于其他部位,分析为该部位存在泥质充填,导致该区域围岩压力、钢拱架应力、锚杆轴力异于其他部位。(3)通过CDEM数值方法进行了天池隧道3种围岩级别不同开挖工况下的稳定性研究,分别讨论了应力、位移、塑性区范围、单元体损伤值、接触面破坏,支护结构监测等结果。研究表明,Ⅲ级围岩在上下台阶和全断面开挖均能保持稳定,模拟位移值与实际监测数据相符;Ⅳ级围岩在三台阶法和上下台阶开挖均能保持稳定,模拟位移值与实际监测最终稳定值范围相吻合;Ⅴ级围岩在三台阶法开挖下处于稳定状态,模拟位移值与实际监测最终稳定值范围吻合,上下台阶开挖法,洞壁位移及塑性区范围较大,处于欠稳定状态。(4)根据不同开挖工况数值分析结果以及与现场监测结果对比,进行了天池隧道开挖和支护优化模拟。结果表明,采用上下台阶开挖及支护能够满足天池隧道Ⅲ、Ⅳ级围岩的安全与稳定,但对Ⅴ级围岩强度低区段不适用。Ⅲ级围岩采用全断面开挖可行,围岩和支护结构满足安全性,而且锚杆用量和喷射混凝土厚度可在原设计基础上适当减少。Ⅳ级围岩建议采用上下台阶开挖,锚杆长度采用2.5m,并可适当较小喷射混凝土的厚度为20cm。Ⅴ级围岩强度低区段建议采用上下台阶预留核心土方式开挖,锚杆长度采用3.5m,增大喷射混凝土厚度至30cm,减小钢筋网间距到15cm。
王强[2](2020)在《基于SVM的煤矿巷道围岩稳定性预警模型研究》文中认为保证煤矿围岩的稳定性是煤矿安全生产的前提,在实际工程开采初期,往往要对煤矿巷道围岩稳定性进行分类,为支护方案的设计以及巷道的布置提供科学参考。传统模糊数学方法虽然能够进行分类但存在主观性较强等弊端,鉴于支持向量机对有限样本数据处理的优势,本文提出建立支持向量机分级模型,并通过优化算法对模型进行优化,实现对巷道围岩稳定性的精确分类。研究围岩稳定性另一个重要内容是对巷道顶板位移进行监测工作,对顶板位移量进行预测,从而达到预警和保证施工安全的目的。本文主要研究两大核心内容分别是围岩稳定性分级和顶板位移预测预警方法。对于围岩稳定性的分级问题,详细分析了影响煤矿巷道围岩稳定性的原因,收集56条典型巷道数据,确定了围岩强度、煤层强度、埋深、岩石完整性系数、地下水情况和护巷煤柱宽度六个参数作为主要影响因素。首先用传统模糊数学方法对巷道进行分类,然后采用相同的数据,建立支持向量机分级模型,对围岩稳定性进行分类,并且分别用网格优化算法、粒子群优化算法和遗传算法进行优化。结果表明,遗传算法优化结果最佳,交叉验证准确率达到92%,相比传统模糊数学方法,支持向量机分级模型减少了人力物力,具有一定科学指导意义。同时为准确预知煤矿开采过程中巷道顶板的稳定性,减少顶板事故的发生,提出了基于支持向量机的巷道顶板位移量预测方法,构建了巷道顶板位移预测预警模型。在给定条件下,选取时间和距工作面距离两个指标作为模型输入,顶板位移量作为模型输出,为提高模型的预测精度,分别用网格搜索法、粒子群优化算法和遗传算法进行优化,最终选取遗传算法优化支持向量机参数。以胡家河煤矿巷道作为研究对象,选取4组巷道顶板位移数据作为样本数据,运用该模型进行训练和预测。分析结果表明,模型的预测结果和实际结果相吻合,能够为巷道顶板危险预警提供良好的理论支持。
耿越[3](2019)在《基于深度卷积模型的煤矿顶板危险性预测与评价研究》文中研究说明顶板事故在所有煤矿事故中发生最为频繁,造成的损失最大,对顶板危险性进行预测与评价的研究刻不容缓。传统顶板危险性预测与评价方法无法满足煤炭工业的实际需求,而深度学习模型与方法能够弥补此短板。但在煤矿安全领域,尤其是在顶板危险性预测与评价的课题中,基于深度学习的研究工作还是一项空白。因此,亟需将深度学习引入煤矿安全领域,根据井下煤矿的实际情况,对监测数据进行非线性与混沌分析,研究基于深度学习的改进模型与算法,对煤矿井下巷道顶板的局部点与局部区域进行危险性预测,对巷道顶板整体危险性进行动态评价。论文在充分的文献与资料调研基础上,首先研究了煤矿顶板多源动态监测数据的混沌分析解耦方法,为后续危险性预测奠定了基础;其次研究了基于深度时序卷积生成网络的顶板危险性预测模型,从多元时间序列回归预测角度对煤矿井下巷道顶板的局部监测点进行危险性预测;之后研究了类别不平衡监测数据问题,从多元时间序列分类预测角度对煤矿巷道顶板局部区域进行危险性预测;最后研究了基于深度卷积模型特征融合的顶板危险性评价方法,从多源信息时空融合角度将各类监测变量融合,用于煤矿井下巷道顶板整体区域的危险性动态评价。论文的主要研究内容如下:(1)煤矿顶板动态监测变量的时序特性与混沌分析从煤矿安全监测数据的非线性时间序列特性出发,在混沌理论的框架下,通过对顶板动态监测数据进行多变量混沌相空间重构来恢复原始系统的动态特性,提出了一种用于多变量相空间重构参数计算的最大独立互相关算法。最大独立互相关算法能够同步地计算多变量相空间重构参数,能够有效地解决煤矿顶板多监测变量的高度耦合问题,并为后续基于监测变量的危险性预测研究奠定基础。(2)基于深度时序卷积生成网络的顶板局部点危险性预测在对顶板多监测变量混沌数据分析的基础上,对井下巷道顶板的局部点传感器监测时间序列进行回归预测。针对回归预测中存在的长期历史依赖性问题,引入深度学习方法,并以深度循环网络和深度卷积网络两种模型框架为基础进行研究。提出了一种基于扩张因果时序卷积网络(DCTCNN)和一种基于长短期记忆时序卷积网络(CNN-LSTM)的混合生成模型,解决了顶板局部点危险性预测的长期相关历史信息的记忆问题。在煤矿顶板实测数据上对提出的两种生成模型进行实验验证,结果表明DCTCNN和CNN-LSTM能够有效地预测煤矿顶板局部监测点的危险性。(3)面向类别不平衡监测数据的顶板局部区域危险性预测从分类预测角度出发对煤矿井下顶板的局部区域危险性预测问题进行研究,并进一步将问题抽象为多元时间序列的不平衡分类。提出了一种自适应损失敏感学习算法,用于深度时序卷积网络的训练,使其能够有效地进行多元时间序列不平衡分类。利用提出的优化算法将时序卷积网络(CNN)、时序全卷积网络(FCN)、时序残差网络(Res-Net)以及时序长短期记忆全卷积网络(LSTM-FCN)改进为损失敏感模型。实验结果表明,自适应损失敏感学习算法能够有效地提升深度时序卷积模型性能并且适用于大规模时间序列不平衡分类任务,能够有效地预测煤矿顶板局部区域的危险性。(4)基于深度卷积模型特征融合的顶板整体危险性评价。在对煤矿顶板局部点与局部区域危险性预测的研究基础上,探索井下巷道顶板整体区域的危险性动态等级评价。提出了一种基于深度卷积网络的顶板危险性等级评价模型,对多源顶板动态监测数据进行特征级信息融合,并将各类监测数据的空间与时间关系考虑在内。对监测数据进行三种不同时间尺度划分,用于模拟各类监测数据中存在的时间序列邻近性、周期性与趋势性特征。另外,将煤矿井下巷道顶板的整体空间位置作为深度卷积评价模型训练数据的标签。在某矿2017年的历史监测数据上对深度卷积评价模型进行实验验证,表明深度卷积评价模型能够完成更为细致的动态危险性评价工作,并且可以实现从顶板监测数据到顶板整体区域位置与安全等级的端到端学习。
刘洋[4](2018)在《基于概念格与概率神经网络的巷道围岩稳定性预测》文中研究指明巷道围岩稳定性预测模型的建立是巷道围岩稳定性评价的基础和关键,影响巷道围岩稳定性的因素较多,且评价指标间相互关系存在不确定性与隐蔽性。同时,预测模型的参数选择和适应性也会对预测结果产生较大影响,因此合理选择评价指标,提高巷道围岩稳定性预测模型的精度,是矿山安全开采的主要研究内容之一。分析围岩失稳类型,影响巷道围岩稳定性的主要因素有围岩本身材料质量、岩体本身的完整性、地下水、围岩地应力、巷道断面等5大类。基于统计学原理,初步选取使用频次大于20次的岩石质量指标RQD、单轴抗压强度Rc、岩体完整性系数、地下水渗水量、节理状况为评价指标。运用概念格多层属性约简方法对初选指标进行约简,得到岩体完整性指数和节理状况为可约简指标,建立巷道围岩稳定性评价指标体系。利用皮尔逊相关性理论,验证了约简正确性。利用合成少数过采样技术将20组非平衡训练样本合成为100组平衡数据集,以对称Alpha稳定分布代替高斯分布作为模型的基函数,构建基于对称Alpha稳定分布的概率神经网络模型。针对巷道围岩稳定性评价,利用遗传算法优化模型参数特征因子α、尺度参数γ,求得α、γ的值分别为0.2848,1.5963。将100个训练样本数据逐一回代入模型,预测准确率大于96%,验证了模型的合理性。建立基于概念格与概率神经网络的巷道围岩稳定性预测组合模型,以大冶铁矿尖林山采区10条巷道为工程对象,巷道围岩稳定性预测准确率达90%,而基于主成分分析与概率神经网络的模型预测准确率为80%,对比分析表明,基于概念格与概率神经网络的巷道围岩稳定性预测模型具有较高的准确性和可靠性。研究优化了巷道围岩稳定性评价指标体系,扩展了概念格多层属性约简方法的应用领域,增强了概率神经网络模型的适应性,为巷道围岩稳定性预测提供了一种新的分析方法。
孔祥松,单仁亮,肖禹航,白瑶[5](2016)在《基于SPSS与ANN的汾西矿区煤巷围岩稳定性分类》文中提出汾西矿区煤巷现场条件复杂、支护困难,因此合理的巷道围岩稳定性分类对后期的支护设计具有重要意义。统计了多篇文献资料,利用SPSS软件建立围岩稳定性分类指标数据库,进行频数分析,以统计分析结果为依据,结合汾西矿区的实际情况确定出11个围岩稳定性分类指标。采用附加动量法改进BP神经网络,应用MATLAB软件建立ANN煤巷围岩稳定性识别模型,并选取46条汾西矿区煤巷作为样本对模型进行学习训练。将该模型应用于12条汾西矿区煤巷进行检验,识别准确率为91.7%。该模型具有较高的类型识别准确性,非线性映射效果较好,适用于汾西矿区煤巷围岩稳定性分类。
王茂源[6](2016)在《煤巷锚杆支护设计混合智能系统研究》文中研究指明锚杆支护是我国煤巷支护的主要形式,诸多学者与工程技术人员在锚杆支护的理论与实践方面进行了大量的研究,积累了丰富的经验。但是,在实际生产过程中,多数情况下现场技术人员仍然首先会尝试惯用的支护参数,而这种支护参数并不一定是当前地质条件下的最优支护参数,可能会在经济上和生产进度上造成损失。目前先进的锚杆支护技术还只被少数煤矿和科研单位所掌握,由于交流平台相对较为缺乏,很多矿井和基层生产单位并不能及时地学习并掌握相关技术。随着计算机技术和人工智能技术的不断发展,很多高校和科研机构将神经网络、专家系统、模糊理论等人工智能技术方法引入到巷道支护设计领域,并开发出相应系统,帮助处理巷道支护设计、优化等方面的问题,并取得了一定进展。但是现有的支护系统多以单独的专家系统、神经网络、或者二者简单的结合作为推理基础,由于技术的局限性以及在知识、参数获取过程中存在着“瓶颈”,现有的支护智能系统在实际使用过程中往往存在着推理性能不高、所需参数难以获取、系统只满足某具体矿井或者矿区的使用需求、而不具备普遍适用性等问题,这些问题制约了系统的推广使用。如何更好的运用人工智能技术和计算机技术帮助更为科学、合理地进行巷道支护设计,是诸多专家学者所关注的热点问题。针对以上情况,本文依托国家自然科学基金项目“大断面巷道快速掘进与支护基础(51134025)”,将混合智能系统技术引入到煤巷支护设计领域,根据煤巷支护设计问题的实际情况,采用原型系统构建、模型推导、数值模拟、实验室试验、现场试验、文献查阅、程序开发、工程应用等手段,研究构建以CBR-RBR集成推理机制为基础,包含有模糊聚类分析、模糊综合评判、专家系统、人工神经网络、灰色关联分析、正交试验、数值模拟计算等诸多技术于一体的煤巷锚杆支护设计混合智能系统(Hybrid Intelligent System on Coal Roadway Bolt Design,CRBD-HIS),帮助更为科学地进行煤巷支护设计与优化。1.对混合智能系统在国内外研究现状进行介绍与分析,认为混合智能系统可以将多种智能(非智能)技术进行有机结合,通过利用不同技术各自的优点,在处理数据时互相优化来改善处理效果;或者根据复杂问题的不同方面特点,选择合适的技术进行处理,并将各自处理的结果进行集合。混合智能技术在处理复杂问题方面具有很大的优势,因此用其帮助解决煤巷支护设计这种复杂问题是值得尝试的。本文从系统的形式化表示出发,对混合智能系统进行形式化表示,并给出了混合智能系统的概念。本文对混合智能系统的联接方式、常用的智能技术以及它们之间的混合研究进行了介绍。结合煤巷锚杆支护设计问题的实际情况,在CRBD-HIS的构建过程中选择基于案例推理、基于规则推理、人工神经网络、专家系统、模糊综合评判、模糊聚类分析、灰色关联分析、层次分析法、修正巷道顶板分级评估系统cmrrc、数值模拟、正交试验等智能(非智能)技术。通过研究cbr-rbr集成推理机制,建立包括案例分类、案例检索、案例重用、案例修正、案例评估和案例学习六个基本环节的新推理模型作为crbd-his的基本推理框架,以混合联接的方式将各智能(非智能)技术进行有机结合,构建crbd-his原型系统。2.对煤巷围岩稳定性分析模型进行研究,提出了“整体-局部”评价模型。通过对工程岩体分类领域传统的单指标法、多指标法以及运用灰色理论、专家系统、人工神经网络、模糊数学等现代数学及人工智能分类方法进行介绍和讨论,选择模糊数学作为主要处理方法,对煤巷围岩稳定性进行分析。选择顶板强度ζt,两帮强度ζc,底板强度ζb,直接顶初次垮落歩距l,顶高比n,煤巷宽度x,最大水平主应力ζh,巷道埋深h等8个指标作为煤巷围岩稳定性评价指标。运用改进的层次分析法,对以上指标进行权重分配。运用基于等价关系的模糊综合聚类分析法,建立了煤巷围岩稳定性分类子模型,并运用c#语言对聚类算法进行编程,得到智能聚类程序。以霍州矿区为背景,应用上述子模型对样本巷道进行聚类分析,成功将样本巷道分为5类,并得到各个类别的聚类中心。通过与经验分类结果进行比较,证明聚类效果满足使用需求。运用模糊综合评判法,选择加权平均型算子m(?,⊕)算子,以上面8个指标作为评判对象因素集:u={顶板强度ζt,两帮强度ζc,底板强度ζb,直接顶初次垮落歩距l,顶高比n,煤巷宽度x,最大水平主应力ζh,巷道埋深h},以聚类中心作为评判模版,设定评语集为v={i类(非常稳定),ii类(比较稳定),iii类(一般稳定),iv类(较不稳定),v类(不稳定)},建立了煤巷围岩稳定性模糊综合评价子模型。对美国矿务局提出的巷道顶板分级评估系统(coalmineroofrating,cmrr)进行介绍,并根据国内煤矿生产的实际情况对cmrr进行修正,研究适用于国内煤矿使用的顶板评估子模型cmrrc,并通过实例应用验证其可行性。3.建立煤巷锚杆支护参数推理模型a-o-f-g(ann-orthogonaltest-flac3d-greyrelationalanalysis),对crbd-his中支护参数自动生成与优化推理关键技术进行研究。选择改进bp神经网络算法进行锚杆参数预测,以煤巷顶板强度、两帮强度、底板强度、直接顶初次垮落步距、巷道埋深、巷道净宽、巷道净高7个指标作为输入层参数,选择锚杆类型、锚杆长度、锚杆直径以及锚杆间排距作为输出层参数,设计煤巷支护参数神经网络预测子模型的结构。通过对科研成果提炼、现场调研、文献查阅、调查问卷等方法收集学习样本,对学习样本进行训练,建立煤巷锚杆支护参数神经网络预测子模型,实现煤巷锚杆支护参数的自动生成。运用c#语言对模型算法进行编程,得到bp神经网络自动训练程序。综合运用正交试验、数值模拟和灰色关联分析等,进行锚杆参数优化推理研究。首先以巷道顶板锚杆长度、直径、间距、排距和两帮锚杆长度、直径、间距、排距作为试验因素,选择8因素3水平正交试验表,以神经网络生成方案为标准方案,通过正交试验设计,得到18个正交试验方案作为比较方案。运用flac3d对18个比较方案支护效果进行数值模拟分析,以巷道顶板移进量、底板移进量、两帮移进量作为评判标准得到3个初步优化方案。再以顶板移近量、两帮移近量、底板移近量、施工难度、支护成本作为评价指标,基于灰色关联分析法建立灰色评价子模型,对前面的3个初步优化方案再进行评价,得到最终的优化方案作为推理结果,实现crbd-his中锚杆参数的自动生成与优化推理。4.针对a-o-f-g模型中的对比方案数值模拟分析步骤,本文进行flac3d智能模块研究。分析flac3d数值模拟软件在对煤矿巷道支护设计问题进行数值模拟过程及步骤,研究运用fish语言对数值模拟运算分析各个阶段命令进行表示,通过建立ini.txt、support.txt和result.txt三个模版文件来分别代表数值模拟的各个过程。使用c#语言编写接口程序,对各模版文件进行赋值生成可执行脚本,调用flac3d计算程序运行可执行脚本对对比方案的支护效果进行模拟分析。通过对flac3d进行二次开发实现了flac3d的参数化建模和自动模拟计算。5.采用client/server体系结构,以access为数据库,运用c#语言编写算法代码以及调用、接口、赋值等程序,选择.netframework平台windowsform程序实现了对crbd-his原型系统的程序开发。crbd-his系统具有煤巷围岩稳定性分析、支护方案自动生成与优化、flac3d参数化建模和自动模拟计算、案例学习、支护报告自动生成等功能。crbd-his系统不仅具有友好的人机交互界面,操作方便简单,还设置有“控制台”控件。通过“控制台”,不同矿区的用户可以根据所在矿区的具体工程和地质情况,简单方便地对系统进行修正,使系统可以根据该矿区具体情况进行推理设计,改善了以往支护设计智能系统使用的局限性,提高了crbd-his系统推理的准确性并使其具有普遍适用性。另外通过实验室试验、现场试验、文献查阅补充等方式建立了地质力学参数数据库,该数据库包括了我国东部部分矿区的地质力学参数,可以为一线工程技术人员提供一定程度的参考;建立了煤巷支护典型案例库,该案例库可以一定程度上反映我国东部主要产煤大省的煤巷主要支护情况。使用crbd-his系统对三交河2-5061巷道进行工程实例应用,对2-5061巷道进行支护设计并生成支护设计报告。通过将系统推理结果与2-5061巷道的原支护方案和人工优化方案进行比较,验证了crbd-his系统的实用性,并相对于原方案具有一定程度的优化。通过对李雅庄6031巷道、干河矿2-1121巷道进行工程实例应用,系统设计的支护方案较为合理,可以满足实际使用需要。本文研究成果是国家自然科学基金项目“大断面巷道快速掘进与支护基础”(51134025)的成果之一。CRBD-HIS系统可以帮助现场技术人员快速、方便的进行煤巷支护设计与优化,填补了混合智能系统在煤矿支护领域研究的空白,大幅提高了煤巷支护设计系统的智能性和适用性;可以一定程度上减少因支护强度不足而造成的二次支护或者因支护强度过高而导致的浪费情况,有利于促进我国煤炭资源更加科学、有效的开发利用。
单仁亮,孔祥松,单鹏[7](2014)在《基于神经网络的巷道围岩稳定性分类研究进展》文中认为系统阐述了人工神经网络的基本原理,分析了巷道围岩稳定性分类中的指标选取及分类方法。目前的大部分研究在确定分类指标的基础上,将巷道围岩稳定性分为4种或5种类型,建立高精度模型判别围岩稳定性类型成为研究的关键点。从基于BP神经网络、RBF神经网络、与其他方法结合的神经网络巷道围岩稳定性分类三方面剖析了目前的研究现状。指出非线性动态系统、多方法联合应用、分类指标科学化是基于神经网络的巷道围岩稳定性分类的发展方向。
邹灿[8](2014)在《大冶铁矿井下开采巷道围岩稳定性分析及控制技术研究》文中研究表明深部岩体所受地应力是巷道围岩变形所处的大环境,同时岩体的结构、岩性、岩体的强度等自身指标因素影响围岩变形的大小,还有节理、裂隙、断层控制着围岩变形。这些构造的切割作用把岩体分割成连续又不连续的岩体,使得岩体本身的受力变成了多场(应力场,温度场,渗流场)与多相(气,液,固)影响下的地质构造和工程结构相互作用的耦合问题。所以说围岩变形综合反映了开挖后围岩形态的变化,也是巷道稳定性的直观依据,而支护设计是控制变形的基本手段。巷道围岩位移按时间历程分为三部分;(1)断面开挖时瞬间产生的弹性位移;(2)荷载释放产生的弹性或弹塑性位移;(3)释放荷载达到最大而保持不变的情况下,时间效应产生的粘弹性位移。实际测量面滞后于开挖面,因此实践测量所得的收敛量是部分的,主要是第三部分。因此,分析围岩变形原因及其机理,合理适时进行支护是确保巷道稳定的核心,也是保证矿山安全正常生产的关键。目前主要从现场监测,相似材料模拟实验,计算机数值模拟计算和理论分析等手段对围岩变形进行研究,分析围岩变形机理,以达到合理支护和准确预测的效果。大冶铁矿尖林山Ⅱ号矿体上盘围岩为变质闪长岩,矿岩接触带破碎,被列为不稳定的Ⅵ类区和极不稳定的V类区。从-20m水平开始,上盘巷道及其附近矿岩出现地压活动,巷道垮塌,使得一部分矿石无法回收;-30m水平对应部分也出现类似情况;1993年下半年,采矿进入-40m水平,-40m水平对应部位的上盘巷道出现明显的裂纹和局部冒落,垮塌围岩砸坏凿岩台车,堵塞运输巷道;1996年后,-50m水平、-60m水平,包括龙洞采区的-62m水平、-74m水平均不同程度出现了进路巷道垮塌、运输巷道大面积垮塌现象。大冶铁矿矿床赋存在裂隙带内,矿岩接触带的稳定性差,掘进与支护困难,以及矿山工程技术人员与工人对复杂岩体开挖的力学性态特别是变形与破坏规律的认识不清楚,矿山开采存在重大安全隐患。为了做好井下的安全生产,杜绝井下巷道重大伤亡事故的发生,不断提高劳动生产率,必须对地下岩体的地质特性、岩体的稳定性、巷道围岩变形与破坏机理进行深入研究。因此,论文结合《大冶铁矿井下开采不稳定区域采场巷道稳定性控制及支护方法研究》项目,以大冶铁矿主要在用巷道围岩为研究对象,运用资料收集、现场调查、理论分析、室内试验、数值模拟和现场测试等方法,揭示巷道围岩失稳机理和影响巷道围岩稳定性的因素,分析不稳定区域巷道围岩变形规律(交叉巷道、矿岩接触带处巷道和粉矿巷道)、微观失稳机理及控制方法,开发喷锚支护设计智能系统,为大冶铁矿井下开采的施工提供理论依据和技术支持,研究成果具有较为重要的理论和工程应用价值。论文系统开展了大冶铁矿井下开采巷道围岩稳定性分析及控制技术研究,主要完成了以下工作:1.研究区工程地质条件和岩石物理力学性质研究(1)在系统分析研究区工程地质特征和现场工程地质勘查基础上,确定了大冶铁矿井下开采巷道不稳定区域为巷道交叉点、矿岩接触带及粉矿地带。(2)通过对尖林山-60水平6#、8#和13#进路进行岩体节理裂隙调查,可知节理裂隙存在着以下分布规律:a.6#进路的节理走向在130°-160°之间分布较多,在1350方向的节理裂隙数量最多;优势节理组有两组,即S1:76/229,S2:28/255,以急倾斜节理为主,700-800占50%,平均间距5.7条/m;b.8#进路的节理走向主要集中在115°~130°之间,近似于正态函数分布;有一组优势节理组,即S1:44/011,节理倾角分布范围较广,主要以倾斜、急倾斜为主,平均间距4.2条/m;c.13#进路的节理走向主要集中在25°方向上和115°~135°之间;有两组优势节理组,即S1:69/043,S2:85/030,以急倾斜节理为主,平均间距3.8条/m:d.节理裂隙除几处张开度很大外,其他的张开度一般都很小,延展性较差。节理裂隙中的充填物也很少,调查发现的节理裂隙充填物有方解石、绿泥石。(3)通过现场岩石取样测定获得了岩石物理力学参数;试验得到的蚀变闪长岩的平均单轴抗压强度为98.8MPa,所测得的弹性模量的平均值为4.42×104MPa,获得了变质闪长岩的应变值以及泊松比,为后续的研究打下了良好的基础。(4)矿岩体声波特性现场测试表明:尖林山采区-60m回采进路两帮围岩松动圈范围大致在1.80m左右,现场矿体的纵波平均速度大致为4035.50m/s;龙洞采区-62m水平巷道两帮围岩松动圈范围在2.40m左右,现场大理岩组岩体的纵波平均速度为3625.90m/s;根据研究区巷道松动圈松动范围为1.80-2.40m,可大致计算出研究区巷道锚杆支护长度可参考设计为2.10-2.80m。2.巷道围岩失稳机理分析(1)巷道围岩主要的失稳形式:拉断破坏、局部落石破坏、剪切破坏与复合破坏、重剪破坏、潮解膨胀破坏、岩爆破坏。(2)影响主导围岩的稳定性因素:围岩地应力、地下水、岩体的完整性、围岩材料的质量、巷道断面以及综合因素。(3)影响巷道围岩稳定性的主要指标:围岩成分及其结构构造是影响围岩稳定性的基本因素;构造结构面发育特征是影响围岩稳定性的主导因素;围岩稳定性的控制因素受围岩风化程度和蚀变程度的影响;确定巷道围岩的稳定性基本因素之一是巷道埋深;地下水存在对围岩稳定性也有一定的影响;巷道跨度影响巷道围岩应力状态,对巷道支护设计指标选取有影响;爆破扰动易引起相邻巷道的围岩松动、开裂或失稳破坏。3.不稳定区域巷道失稳数值模拟(1)不合理的开挖及支护顺序是影响交叉巷道失稳的重要因素,通过对不同类型交叉巷道开挖过程的数值模拟研究得出以下规律:a.对十字形、Y字形交叉巷道开挖数值模拟分析可知:交叉巷道选取不同的开挖顺序,巷道周围岩体的应力和巷道产生的应变不同。交叉巷道的开挖应该选择巷道开挖以后产生的变形量小、应力集中少的顺序为最优开挖顺序。开挖完一条巷道后要先对其支护,然后再开挖与其相交的巷道。b.巷道围岩的变形特征明显与施工过程相关。因此,在设计和施工交叉巷道时必须分析各个加、卸载过程,对比不同加、卸载顺序而导致的巷道塑性区范围、应力分布结果以及巷道围岩位移变形情况,选择最佳的卸载开挖顺序,从而采用优化的施工方法与优化的支护措施,以保证巷道交叉点在施工期和运营期的安全稳定。(2)矿岩接触带巷道围岩失稳特点及机理a.在研究区当前的采区分段水平和巷道断面尺寸形状下,大部分巷道和围岩可以保持自稳,虽然掘进后会产生次生应力场,但对于以铁矿石、大理岩、闪长岩等各种硬岩为主的采区备采巷道来说,这些硬岩本身的强度足以抵抗掘进后引起的附加应力。b.在矿岩接触带等岩性弱结构位置发生的破坏一般为沿着接触带层位的剪切破坏,相对巷道中心线不对称;局部巷道两帮会发生轻微的片帮,应力集中区随着塑性区的出现从岩壁向纵深转移,如果应力集中的强度超过围岩屈服强度,这个时候将产生新的塑性区,于是塑性区将随着新的塑性区的出现不断向纵深发展。(3)因为粉矿结构松散,物理力学性质差,强度低,因此对巷道围岩的稳定性极其不利。(4)尖林山采区巷道稳定性数值模拟计算表明:巷道交差点以及矿岩接触带是巷道应力集中的主要区域,数值计算结果与课题组现场调查所确定的研究区不稳定区域基本吻合。进行不稳定区域巷道失稳机理的深入分析可为巷道稳定性支护提供可靠依据4.井下开采巷道围岩稳定性控制技术(1)不稳定区域巷道围岩稳定性控制技术a.在实际工程实践中,可以采用数值模拟分析方法,以确定交叉巷道的最优开挖顺序,确保巷道开挖后的稳定性,并对其进行支护设计,避免生产巷道的失稳垮塌,保证生产安全高效进行,提高矿山经济效益与社会效益。b.锚杆加固对减少剪切和拉伸破坏的效果明显。喷混凝土对减少拉伸破坏优于锚杆支护,但在抵抗剪切破坏方面明显不如锚杆有效。锚喷联合支护下优势互补,剪切和拉伸破坏区以及围岩塑性区均有一定程度的减少。c.采用超前支护方法。粉矿中的巷道掘进程序一般是:可以考虑在稳定性较好的地段直接掘进后进行临时支护,而在粉矿地段则必须采用超前支护,也就是首先将若干矿用工字钢插入掌子面顶部沿巷道走向,随后掏挖出矿石,安设临时支护紧接其后。d.优化粉矿巷道支护型式及结构尺寸。根据粉矿巷道围岩受力特点,增加巷道稳定性可以采用曲墙替代直墙,增加墙厚,增加底拱以及改善配筋这些方法。在粉矿巷道中,锚杆对顶拱的加固作用是有限的,若设计合理的锚杆参数,则对侧墙加固有一定效果。e.增加粉矿巷道稳定性的关键是改善施工方法。采用以下措施可以有效的避免初期冒落的产生和大的空隙发生在围岩与支护结构之间:在支护结构与围岩之间采用注浆和混凝土回填密实;改善似块状结构粉矿爆破参数,并减少扰动,最后喷射喷射混凝土;注浆小导管、管棚等超前支护措施可用在粉矿状结构和粉块夹杂状结构粉矿上。(2)根据所分析的影响巷道围岩稳定性的因素,以及研究了分类指标选取的目的和原则,从单轴抗压强度Rc、结构面隙壁状态以及实测RQD值三个指标对大冶铁矿研究区的巷道围岩的稳定性进行了分类选取,确定了大冶铁矿特征围岩作为神经网络学习的样本。通过利用神经网络非线形和具有学习与记忆功能,运用训练样本训练网络结构,最终建立了巷道围岩稳定性的神经网络识别模型。运用神经网络对巷道围岩稳定性进行了分级。(3)进行了基于间接工程类比和整体加固设计计算的巷道喷锚支护设计的智能系统的研究,并利用Visual Basic6.0开发设计了此系统。(4)阐述了巷道围岩注浆与岩体锚注加固的作用,并根据大冶铁矿不稳定区域采场的实际情况,对注浆材料和锚注设备进行了选择,对巷道锚注施工方法进行了介绍。论文综合运用岩体力学、弹塑性力学、非连续介质力学、地下工程、工程地质学及现代数学、计算机编程等学科的相关理论,着力分析大冶铁矿井下开采巷道围岩稳定性,开发设计喷锚支护智能系统。论文选题具有多学科交叉、涉及面广等特点,同时课题研究面向我国国民经济建设需要,为大冶铁矿井下开采的施工提供理论依据和技术支持,研究成果具有较为重要的理论和工程应用价值。综合分析国内外已有研究成果,论文在以下两个方面具有创新性:(1)综合运用解析方法和数值方法研究了大冶铁矿井下开采巷道围岩破坏规律和失稳机理。基于数值模拟方法确定了交叉巷道的最优开挖顺序,分析了矿岩接触带处巷道与岩性弱结构巷道围岩失稳特点及机理。(2)运用Visual Basic6.0开发设计了巷道喷锚支护智能系统。基于知识的人工智能程序,遵循支护设计的工程类比法和解析设计法的思想,利用神经网络的非线形和学习记忆功能,运用训练样本网络结构,确定了神经网络识别模型;运用神经网络对巷道围岩稳定性进行了分级,基于间接工程类比和整体加固设计计算,运用Visual Basic6.0开发设计了巷道喷锚支护智能系统。论文在研究矿山井下开采巷道围岩破坏规律、失稳机理及控制技术等方面取得了一些进展,然而在实际工程中,岩体所处的地质环境及其本身的内部结构是很复杂的,若要更深入地了解井下开采巷道围岩破坏规律和失稳机理,以下几个方面的问题有待进一步研究:(1)在运用数值模拟方法对矿岩接触带处巷道失稳机理分析时,忽略了周边巷道的影响,而矿岩接触带处巷道围岩的稳定性会受到周边巷道卸压的影响,因此在进行数值模拟时,造成了边界条件的不均匀性。(2)关于矿山井下开采巷道围岩破坏规律与地质构造、矿山压力、开采空间之间的关系有待进一步研究,探讨共同作用机理。(3)本文在运用三层MBP神经网络模型进行回采巷道围岩稳定性的分类时,采用了3个指标,分别为围岩的RQD值、抗压强度和节理裂隙隙壁状态。然而,影响巷道围岩稳定性的因素远不止3个,因此,在今后的研究中,分类指标的选择有待进一步优化。
孔祥松[9](2014)在《山西焦煤煤巷围岩稳定性分类与强帮强角支护技术研究》文中指出针对山西焦煤煤巷地质条件复杂和支护困难的情况,本文对山西焦煤煤巷围岩稳定性进行了系统分类和支护研究。通过SPSS频数分析法确定11个分类指标,建立了遗传神经网络分类模型,设计了包含100条煤巷资料的样本,用于训练和测试模型,对煤巷围岩稳定性进行分类研究。建立物理实验模型,深入剖析煤巷破坏失稳机制和强帮强角支护的效果;通过数值模拟研究煤巷开挖后力学响应和锚杆支护参数的作用;通过理论分析煤巷帮部破坏及加固机理,提出强帮护顶概念设计,在此基础上,提出煤巷强帮强角支护理论。然后,在强帮强角支护理论指导下,提出煤巷支护三步设计法,研究了5种类型煤巷的支护参数,总结出相应的煤巷支护参数表,并进行现场应用,得到了良好的支护效果。
韩立军,孟庆彬,魏忠民,孙昌兴,石高鹏[10](2013)在《煤巷锚网支护系统安全评价方法研究》文中研究说明针对煤巷锚网支护系统安全性较难评价的问题,提出了"监测数据—围岩参数反分析—警戒值确定—预测分析—系统评价"的成套评价理论与方法,即采用模糊聚类方法对锚网支护煤巷围岩进行分类,在此基础上采用反分析方法获得了巷道围岩岩体力学参数,通过数值分析方法并结合理论计算获得了巷道顶板离层、收敛变形、锚杆(索)承载的数值解及解析解,确定了安全警戒值;基于监测数据运用非线性拟合技术对锚网支护巷道围岩与支护结构变形及稳定参数进行了预测与分析评价;在VB编程平台上,将煤巷围岩分类、警戒值确定、监测数据预测和安全评价集于统一的系统中,构建了煤巷锚网支护安全评价系统,实现了实时掌握巷道围岩和支护结构的稳定状态,提高了煤巷锚网支护的信息化施工与管理水平。
二、巷道围岩稳定性分类的MBP神经网络预测研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、巷道围岩稳定性分类的MBP神经网络预测研究(论文提纲范文)
(1)九绵高速公路天池隧道围岩稳定性研究(论文提纲范文)
摘要 |
Abstract |
第1章 引言 |
1.1 选题依据与研究背景 |
1.2 国内外研究现状 |
1.2.1 隧道稳定性评价方法研究现状 |
1.2.2 可溶岩隧道围岩稳定性研究现状 |
1.2.3 现存的一些问题 |
1.3 研究内容及技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
第2章 天池隧道工程地质条件 |
2.1 地形地貌 |
2.2 地层岩性 |
2.3 地质构造 |
2.3.1 大地构造 |
2.3.2 隧址区断层 |
2.3.3 节理裂隙 |
2.4 水文地质条件 |
2.5 隧道不良地质 |
本章小结 |
第3章 天池隧道监控量测方案设计 |
3.1 监测目的与监测内容 |
3.2 必测项目布置及量测 |
3.2.1 地质及支护观察 |
3.2.2 拱顶下沉和周边收敛监测 |
3.2.3 量测数据的计算与处理方法 |
3.3 选测项目的布置及量测 |
3.3.1 围岩内部位移监测 |
3.3.2 围岩压力监测 |
3.3.3 钢拱架应力监测 |
3.3.4 锚杆轴力监测 |
3.3.5 监测频率与数据处理方法 |
3.4 现场监测断面布置与安装 |
3.5.1 围岩多点位移监测的实施 |
3.5.2 围岩压力监测的实施 |
3.5.3 钢拱架应力监测的实施 |
3.5.4 锚杆轴力计监测的实施 |
本章小结 |
第4章 基于监控量测的隧道围岩稳定性评价 |
4.1 必测项目监测数据分析 |
4.1.1 监测数据整理 |
4.1.2 监测结果分析 |
4.2 选测项目监测数据分析 |
4.2.1 选测断面地质概况及施工工序 |
4.2.2 选测断面数据统计及成果分析 |
4.3 基于监测数据的隧道稳定性评价 |
4.3.1 基于监测位移的稳定性评价 |
4.3.2 基于支护结构监测稳定性评价 |
本章小结 |
第5章 CDEM数值模拟方法及其模拟验证 |
5.1 基于CDEM方法的GDEM软件简介 |
5.1.1 基本设定 |
5.1.2 计算原理 |
5.1.3 求解步骤 |
5.1.4 GDEM软件介绍 |
5.2 岩石力学性质试验 |
5.2.1 室内试验介绍 |
5.2.2 试验结果及参数确定 |
5.2.3 灰岩岩石力学性质分析 |
5.3 CDEM数值模拟方法的验证 |
5.3.1 单轴压缩模拟边界条件及围岩参数确定 |
5.3.2 单轴压缩模拟过程分析 |
5.3.3 模拟与试验结果对比分析 |
本章小结 |
第6章 基于CDEM模拟的隧道围岩稳定性评价 |
6.1 天池隧道围岩分级 |
6.1.1 岩体基本质量指标修正 |
6.1.2 围岩动态分级 |
6.2 数值模拟方案 |
6.2.0 隧道断面设计及数值模型尺寸 |
6.2.1 模型监测点设置 |
6.2.2 模型网格的建立 |
6.2.3 边界条件设定 |
6.2.4 围岩及初期支护参数确定 |
6.2.5 开挖工况模拟方案 |
6.3 Ⅲ级围岩数值模拟与稳定性评价 |
6.3.1 Ⅲ级围岩开挖工况1数值模拟 |
6.3.2 Ⅲ级围岩开挖工况2数值模拟 |
6.3.3 Ⅲ级围岩稳定性评价 |
6.3.4 Ⅲ级围岩优化设计方案及模拟分析 |
6.4 Ⅳ级围岩数值模拟与稳定性评价 |
6.4.1 Ⅳ级围岩开挖工况2数值模拟 |
6.4.2 Ⅳ级围岩开挖工况3数值模拟 |
6.4.3 Ⅳ级围岩稳定性评价 |
6.4.4 Ⅳ级围岩优化设计方案及模拟分析 |
6.5 Ⅴ级围岩数值模拟与稳定性评价 |
6.5.1 Ⅴ级围岩开挖工况2数值模拟 |
6.5.2 Ⅴ级围岩开挖工况3数值模拟 |
6.5.3 Ⅴ级围岩稳定性评价 |
6.5.4 Ⅴ级围岩优化设计方案及模拟分析 |
本章小节 |
结论与展望 |
结论 |
展望 |
致谢 |
参考文献 |
附录 |
(2)基于SVM的煤矿巷道围岩稳定性预警模型研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 围岩稳定性分级方法国内外研究现状 |
1.2.2 巷道顶板位移预测国内外研究现状 |
1.3 论文研究内容及章节安排 |
2 支持向量机分类和预测原理分析 |
2.1 支持向量机分类原理 |
2.1.1 最优分类超平面 |
2.1.2 线性可分支持向量分类机 |
2.1.3 非线性支持向量分类机 |
2.2 支持向量机预测原理 |
2.3 核函数理论 |
2.4 本章小结 |
3 影响煤矿巷道围岩稳定性分级指标分析 |
3.1 煤矿巷道围岩稳定性影响因素分析 |
3.2 调研实际矿井概况 |
3.3 选取指标原则和分级指标的选取 |
3.4 本章小结 |
4 巷道围岩稳定性分级方法分析与模型构建 |
4.1 模糊数学对围岩稳定性分级 |
4.1.1 模糊数学分级分析 |
4.1.2 建立模糊数学围岩稳定性分级模型 |
4.2 基于SVM的围岩稳定性分级模型建立 |
4.2.1 基于网格算法围岩稳定性分级研究 |
4.2.2 GA-SVM围岩稳定性分级研究 |
4.2.3 PSO-SVM围岩稳定性分级研究 |
4.3 实验仿真和计算结果分析 |
4.3.1 模糊数学计算结果分析 |
4.3.2 SVM模型仿真结果分析 |
4.3.3 模糊数学和SVM实验结果对比分析 |
4.4 本章小结 |
5 煤矿巷道顶板位移预测预警模型分析与构建 |
5.1 顶板位移预测预警模型输入输出参数分析 |
5.2 巷道顶板位移预测预警模型建立 |
5.3 基于SVM的顶板位移预测预警模型优化 |
5.3.1 遗传算法优化 |
5.3.2 网格算法优化 |
5.3.3 粒子群算法优化 |
5.3.4 遗传算法同其他算法对比分析 |
5.4 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
附录 |
(3)基于深度卷积模型的煤矿顶板危险性预测与评价研究(论文提纲范文)
摘要 |
Abstract |
1 引言 |
1.1 研究背景与意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 顶板危险性预测与评价的国内外研究现状 |
1.2.2 深度学习的国内外研究现状 |
1.2.3 存在的问题 |
1.3 研究目的与内容 |
1.3.1 研究目的 |
1.3.2 研究内容 |
1.4 论文组织结构 |
1.5 本章小结 |
2 深度卷积模型及其相关技术研究 |
2.1 混沌相空间重构 |
2.1.1 混沌的定义 |
2.1.2 混沌判别 |
2.1.3 混沌相空间重构参数计算 |
2.2 深度卷积神经网络 |
2.2.1 深度卷积网络的结构 |
2.2.2 深度卷积网络的训练 |
2.2.3 时序深度卷积模型 |
2.3 数据不平衡分类 |
2.3.1 数据采样法 |
2.3.2 损失敏感法 |
2.3.3 评价标准 |
2.4 本章小结 |
3 煤矿顶板动态监测变量的时序特性与混沌分析 |
3.1 引言 |
3.2 多变量混沌相空间重构 |
3.3 基于最大独立原则的非线性多变量互相关时滞计算 |
3.4 相空间重构参数选择的评价方法 |
3.5 实验与分析 |
3.6 本章小结 |
4 基于深度时序卷积生成网络的顶板局部点危险性预测 |
4.1 引言 |
4.2 时间序列的回归预测 |
4.3 深度时序卷积生成网络 |
4.3.1 基于扩张因果时序卷积网络的生成模型 |
4.3.2 基于长短期记忆时序卷积网络的混合生成模型 |
4.4 实验与分析 |
4.4.1 混沌判别 |
4.4.2 顶板局部点危险性预测结果与分析 |
4.5 本章小结 |
5 面向类别不平衡数据的顶板局部区域危险性预测 |
5.1 引言 |
5.2 时间序列不平衡分类 |
5.2.1 类别不平衡的数据层面方法 |
5.2.2 类别不平衡的算法层面方法 |
5.2.3 基于深度卷积网络的时间序列分类 |
5.3 自适应损失敏感学习策略 |
5.4 用于时间序列分类的深度卷积模型 |
5.5 实验与分析 |
5.5.1 数据集与评价标准 |
5.5.2 实验设置 |
5.5.3 基于公开数据的实验对比 |
5.5.4 基于煤矿顶板实测数据的实验对比 |
5.6 讨论 |
5.6.1 用于时间序列分类的深度学习 |
5.6.2 数据采样与不平衡时间序列分类 |
5.6.3 损失敏感策略 |
5.7 本章小结 |
6 基于深度卷积模型特征融合的顶板整体危险性评价 |
6.1 引言 |
6.2 数据驱动的顶板危险性评价 |
6.3 煤矿顶板动态监测数据 |
6.3.1 煤矿地质条件 |
6.3.2 微震监测系统 |
6.3.3 电磁辐射监测系统 |
6.3.4 应力监测系统 |
6.4 基于深度卷积模型的顶板动态危险等级评价 |
6.4.1 顶板动态监测数据的时间与空间关系处理 |
6.4.2 模型搭建 |
6.5 数据预处理与实验设置 |
6.6 实验结果与分析 |
6.7 本章小结 |
7 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
致谢 |
作者简介 |
在学期间发表的学术论文 |
(4)基于概念格与概率神经网络的巷道围岩稳定性预测(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 巷道围岩稳定性分析方法研究现状 |
1.2.2 评价指标优化研究现状 |
1.2.3 属性约简研究现状 |
1.2.4 巷道围岩稳定性预测模型研究现状 |
1.3 研究内容 |
1.4 研究技术路线 |
第2章 巷道围岩稳定性影响因素分析与指标选取 |
2.1 围岩失稳类型 |
2.2 影响巷道围岩稳定性因素分析 |
2.3 巷道围岩稳定性评价指标选取原则 |
2.4 巷道围岩稳定性评价指标的统计与初选 |
2.4.1 围岩稳定性评价指标统计 |
2.4.2 巷道围岩稳定性评价指标初选 |
2.5 本章小结 |
第3章 基于概念格的巷道围岩稳定性评价指标约简 |
3.1 概念格的属性约简方法 |
3.1.1 概念格的定义 |
3.1.2 概念格约简方法 |
3.2 巷道围岩稳定性初选评价指标约简 |
3.2.1 训练样本统计 |
3.2.2 建立知识表达系统 |
3.2.3 构建概念格 |
3.2.4 约简评价指标 |
3.3 评价指标约简的合理性检验 |
3.3.1 约简合理性检验 |
3.4 本章小结 |
第4章 概率神经网络模型及参数优化 |
4.1 Alpha稳定分布的定义与理论 |
4.1.1 Alpha稳定分布的定义 |
4.1.2 Alpha稳定分布的概率密度函数 |
4.2 对称Alpha稳定分布的概率神经网络模型 |
4.2.1 概率神经网络模型 |
4.2.2 基于对称Alpha稳定分布的概率神经网络模型 |
4.3 遗传算法优化模型参数 |
4.3.1 遗传算法介绍 |
4.3.2 遗传算法构造 |
4.3.3 求解最优参数 |
4.4 优化模型精度的验证 |
4.5 本章小结 |
第5章 基于概念格与概率神经网络的巷道围岩稳定性预测模型 |
5.1 巷道围岩稳定性预测组合模型 |
5.2 大冶铁矿巷道围岩资料收集与分析 |
5.3 模型的应用 |
5.4 主成分析与概率神经网络模型的应用对比 |
5.4.1 初选指标的主成分分析 |
5.4.2 概率神经网络模型的预测 |
5.4.3 对比分析 |
5.5 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
附录1 攻读硕士学位期间发表的论文 |
附录2 攻读硕士学位期间发表的专利 |
附录3 攻读硕士学位期间参加的科研项目 |
致谢 |
(5)基于SPSS与ANN的汾西矿区煤巷围岩稳定性分类(论文提纲范文)
1 汾西矿区煤巷围岩稳定性分类指标 |
1.1 基于SPSS分类指标编码 |
1.2 建立SPSS分类指标库 |
1.3 SPSS分类指标频数分析 |
1.4 确定分类指标 |
2 ANN煤巷围岩稳定性识别模型建立 |
2.1 模型设计 |
2.2 样本设计 |
2.3 模型实现及训练 |
3 模型应用测试 |
4 结论 |
(6)煤巷锚杆支护设计混合智能系统研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及研究意义 |
1.2 国内外研究现状 |
1.2.1 混合智能系统国内外研究现状 |
1.2.2 人工智能在煤矿领域中的应用研究现状 |
1.3 研究内容与全文结构 |
1.3.1 研究内容 |
1.3.2 全文结构及技术路线 |
1.4 本章小结 |
2 CRBD-HIS原型系统研究 |
2.1 引言 |
2.2 混合智能系统的概念与技术选择 |
2.2.1 混合智能系统概念 |
2.2.2 混合智能系统联接方式 |
2.2.3 主要智能技术介绍 |
2.2.4 常见混合智能技术 |
2.3 CRBD-HIS原型系统设计 |
2.3.1 智能(非智能)技术的选择 |
2.3.2 CBR与RBR集成机制 |
2.3.3 系统的智能(非智能)技术混合 |
2.3.4 CRBD-HIS的案例推理流程 |
2.3.5 原型系统功能 |
2.4 本章小结 |
3 煤巷围岩稳定性分析模型研究 |
3.1 引言 |
3.2 工程岩体分类研究概况 |
3.3 煤巷围岩稳定性分类指标 |
3.3.1 煤巷围岩稳定性影响因素分析 |
3.3.2 围岩稳定性分类指标的确定及取值方法 |
3.3.3 指标权值的分配 |
3.4 煤巷围岩稳定性模糊聚类子模型 |
3.4.1 模糊聚类分析法的实现过程 |
3.4.2 煤巷围岩稳定性分类子模型 |
3.5 煤巷围岩稳定性模糊综合评判子模型 |
3.5.1 模糊综合评判模型 |
3.5.2 煤巷稳定性类别预测 |
3.6 巷道顶板分级评估系统子模型 |
3.6.1 CMRR概述 |
3.6.2 CMRR指标 |
3.6.3 CMRR的计算 |
3.6.4 通过钻孔数据计算CMRR值 |
3.6.5 CMRR的修正与调整 |
3.6.6 CMRRC应用实践 |
3.7 本章小结 |
4 煤巷锚杆支护参数推理模型研究 |
4.1 引言 |
4.2 煤巷锚杆支护设计影响因素分析及案例库的建立 |
4.2.1 煤巷锚杆支护设计影响因素分析 |
4.2.2 案例库的建立 |
4.3 煤巷锚杆支护参数的自动生成 |
4.3.1 锚杆参数预测神经网络的设计 |
4.3.2 基于LM优化法的BP神经网络改进 |
4.3.3 锚杆参数神经网络预测子模型 |
4.4 煤巷锚杆支护参数的优化推理 |
4.4.1 正交试验设计 |
4.4.2 灰色关联评价指标 |
4.4.3 灰色关联评价子模型 |
4.5 本章小结 |
5 FLAC~(3D)智能模块研究 |
5.1 引言 |
5.2 FLAC~(3D)数值模拟体系介绍 |
5.2.1 FLAC~(3D)前处理模块 |
5.2.2 FLAC~(3D)计算模块 |
5.2.3 FLAC~(3D)后处理模块 |
5.2.4 FISH语言 |
5.3 FLAC~(3D)智能模块设计 |
5.3.1 模块结构设计 |
5.3.2 模块功能设计 |
5.4 FLAC~(3D)的二次开发 |
5.4.1 确定模拟计算范围及建模 |
5.4.2 边界及荷载条件 |
5.4.3 模型参数获取 |
5.4.4 计算结果监测 |
5.4.5 参数化建模与自动模拟计算脚本的建立 |
5.4.6 模拟结果分析 |
5.5 本章小结 |
6 系统的实现与工程应用 |
6.1 引言 |
6.2 系统结构设计 |
6.2.1 系统研发目标 |
6.2.2 系统整体结构设计 |
6.2.3 系统层次体系结构设计 |
6.2.4 系统功能模块设计 |
6.2.5 系统接口选项设计 |
6.3 系统知识库的构建 |
6.3.1 知识库的需求分析 |
6.3.2 知识的获取 |
6.3.3 知识的表达 |
6.3.4 知识库的管理 |
6.4 系统的开发 |
6.4.1 系统开发原则 |
6.4.2 系统开发环境及开发工具 |
6.4.3 系统的实现 |
6.5 系统的工程应用 |
6.5.1 工程概况 |
6.5.2 系统应用 |
6.5.3 其他矿应用 |
6.6 本章小结 |
7 结论与展望 |
7.1 论文主要结论 |
7.2 主要创新点 |
7.3 展望 |
参考文献 |
致谢 |
作者简介 |
在学期间发表的学术论文 |
在学期间参加科研项目 |
主要获奖 |
(7)基于神经网络的巷道围岩稳定性分类研究进展(论文提纲范文)
1 人工神经网络与巷道围岩稳定性分类 |
1. 1 人工神经网络基本原理 |
1. 2 巷道围岩稳定性分类 |
2 研究现状 |
2. 1 基于BP神经网络巷道围岩稳定性分类 |
2. 2 基于RBF神经网络巷道围岩稳定性分类 |
2. 3 基于与其他方法结合的神经网络巷道围岩稳定性分类 |
2. 3. 1 基于模糊神经网络巷道围岩稳定性分类 |
2.3.2基于蚁群算法神经网络巷道围岩稳定性分类 |
2. 3. 3 基于粗糙集BP神经网络巷道围岩稳定性分类 |
3 发展趋势 |
(8)大冶铁矿井下开采巷道围岩稳定性分析及控制技术研究(论文提纲范文)
作者简介 |
摘要 |
ABSTRACT |
第一章 绪论 |
§1.1 选题背景和研究意义 |
§1.2 国内外研究现状 |
1.2.1 巷道围岩稳定性研究现状 |
1.2.2 巷道支护技术与理论研究现状 |
1.2.3 发展趋势及存在的主要问题 |
§1.3 主要研究内容 |
§1.4 研究方法和技术路线 |
§1.5 论文创新点 |
第二章 研究区概况及工程地质条件研究 |
§2.1 矿区工程地质概况 |
2.1.1 矿体的形态与产状 |
2.1.2 矿石成分与结构 |
2.1.3 围岩蚀变 |
2.1.4 水文地质 |
2.1.5 矿床工程地质特征 |
§2.2 研究区现场工程地质勘察与分析 |
2.2.1 概述 |
2.2.2 不稳定区域巷道失稳调查 |
2.2.3 不稳定区域现场勘察与分析 |
2.2.4 不稳定区域采场节理裂隙调查 |
§2.3 研究区岩石物理力学性质 |
2.3.1 前人研究成果 |
2.3.2 岩石物理力学特性试验成果 |
§2.4 矿岩体现场声波特性测试 |
2.4.1 测试方法及原理 |
2.4.2 现场测试结果与分析 |
§2.5 本章小结 |
第三章 巷道围岩失稳机理分析 |
§3.1 围岩失稳类型及失稳机理分析 |
§3.2 影响巷道围岩稳定性因素分析 |
§3.3 影响巷道围岩稳定性的主要指标选择 |
3.3.1 主要指标的选取原则 |
3.3.2 影响矿山巷道围岩稳定性的因素 |
§3.4 本章小结 |
第四章 不稳定区域巷道围岩稳定性数值模拟研究 |
§4.1 概述 |
§4.2 交叉巷道失稳数值模拟 |
4.2.1 概述 |
4.2.2 十字形交叉点开挖过程 |
4.2.3 Y字形交叉点开挖过程 |
§4.3 矿岩接触带处及粉矿巷道失稳数值模拟 |
4.3.1 概述 |
4.3.2 矿岩接触带的地质条件及应力环境 |
4.3.3 计算模型的建立 |
4.3.4 计算参数和结构单元的选取 |
4.3.5 模拟过程与计算结果 |
4.3.6 粉矿巷道失稳数值模拟 |
§4.4 尖林山采区巷道稳定性数值模拟 |
§4.5 本章小结 |
第五章 大冶铁矿井下开采巷道围岩稳定性控制技术研究 |
§5.1 不稳定区巷道围岩稳定性控制技术 |
5.1.1 交叉巷道围岩稳定性控制技术 |
5.1.2 矿岩接触带巷道围岩稳定性控制技术 |
5.1.3 粉矿巷道围岩稳定性控制技术 |
§5.2 喷锚支护设计 |
5.2.1 喷锚支护设计原理 |
5.2.2 支护工程的类比设计 |
5.2.3 支并设计的解析计算设计 |
5.2.4 喷锚支护设计流程 |
§5.3 应用BP网络模型评价巷道围岩稳定性 |
5.3.1 巷道围岩稳定性分类指标的确定 |
5.3.2 巷道围岩稳定性分类样本的确定 |
5.3.3 BP网络模型在围岩稳定性评价中的应用 |
§5.4 喷锚支护设计智能系统开发与应用 |
5.4.1 巷道支护设计智能系统设计思想 |
5.4.2 推理方式与控制策略 |
5.4.3 喷锚支护设计智能系统的开发 |
5.4.4 智能系统的应用 |
§5.5 喷锚支护技术施工工艺 |
5.5.1 注浆材料的选取 |
5.5.2 锚注系统 |
5.5.3 锚注施工方法 |
§5.6 本章小结 |
第六章 结论与展望 |
§6.1 结论 |
§6.2 展望 |
致谢 |
参考文献 |
(9)山西焦煤煤巷围岩稳定性分类与强帮强角支护技术研究(论文提纲范文)
摘要 |
Abstract |
详细摘要 |
Detailed Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 煤巷围岩稳定性分类研究现状 |
1.2.2 煤巷支护研究现状 |
1.3 研究内容与技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
2 山西焦煤煤巷围岩稳定性分类研究 |
2.1 煤巷围岩稳定性分类指标 |
2.1.1 煤巷围岩稳定性影响因素 |
2.1.2 应用 SPSS 软件确定煤巷分类指标 |
2.2 煤巷围岩稳定性分类方法 |
2.2.1 遗传算法 |
2.2.2 人工神经网络 |
2.2.3 遗传算法优化神经网络 |
2.3 山西焦煤煤巷围岩稳定性分类 |
2.3.1 遗传神经网络分类模型的建立 |
2.3.2 样本设计 |
2.3.3 分类模型的训练学习 |
2.3.4 分类模型的应用测试 |
2.4 本章小结 |
3 煤巷强帮强角支护物理模拟实验设计与实现 |
3.1 实验研究背景 |
3.1.1 目的意义 |
3.1.2 工程概况 |
3.2 实验方案设计 |
3.2.1 相似准则依据 |
3.2.2 实验研究内容 |
3.2.3 实验体相似材料 |
3.2.4 支护构件相似材料 |
3.3 模型实验系统 |
3.3.1 实验装置 |
3.3.2 加载系统 |
3.3.3 监测系统 |
3.4 实验实现过程 |
3.4.1 模型浇筑工作 |
3.4.2 监测部件的布置 |
3.4.3 支护构件的布置 |
3.4.4 加载及监测工作 |
3.5 本章小结 |
4 煤巷强帮强角支护物理模拟实验结果分析 |
4.1 无支护煤巷实验结果分析 |
4.1.1 煤巷围岩应力分布特征 |
4.1.2 煤巷围岩位移分析 |
4.1.3 煤巷围岩变形破坏特征 |
4.2 强帮强角支护实验结果分析 |
4.2.1 围岩应力对比分析 |
4.2.2 围岩位移对比分析 |
4.2.3 围岩变形特征分析 |
4.3 本章小结 |
5 煤巷强帮强角支护数值模拟研究 |
5.1 数值软件 FLAC~(3D)简介 |
5.2 专用回风巷工程概况 |
5.3 数值模拟计算方案 |
5.4 数值计算模型 |
5.4.1 三维模型建立 |
5.4.2 本构模型与边界条件 |
5.4.3 支护构件模拟 |
5.4.4 监测点布置 |
5.5 数值模拟计算结果及分析 |
5.5.1 无支护煤巷开挖力学响应 |
5.5.2 帮锚杆横截面积对煤巷支护效果的影响 |
5.5.3 帮锚杆长度对煤巷支护效果的影响 |
5.5.4 帮锚杆布置密度对煤巷支护效果的影响 |
5.5.5 帮锚杆角度对煤巷支护效果的影响 |
5.6 本章小结 |
6 煤巷强帮强角支护理论 |
6.1 理论分析 |
6.1.1 煤巷帮部破坏机理 |
6.1.2 煤巷帮部加固机理 |
6.1.3 强帮护顶概念设计 |
6.2 物理实验分析 |
6.2.1 煤巷破坏机制 |
6.2.2 强帮强角支护论证 |
6.3 数值模拟分析 |
6.3.1 煤巷力学响应 |
6.3.2 支护参数研究 |
6.4 煤巷强帮强角支护理论 |
6.4.1 煤巷强帮强角支护理论 |
6.4.2 强帮强角应用措施 |
6.5 本章小结 |
7 山西焦煤煤巷支护研究 |
7.1 煤巷锚杆支护设计方法 |
7.2 工程概况与数值模型建立 |
7.2.1 D1206 材料巷工程概况 |
7.2.2 数值模型建立 |
7.2.3 原方案数值模拟及分析 |
7.3 锚杆支护参数三步设计法 |
7.3.1 理论初步设计 |
7.3.2 数值模拟计算 |
7.3.3 现场监测 |
7.4 典型类型煤巷支护参数设计 |
7.5 本章小结 |
8 工程应用研究 |
8.1 工程应用的目的 |
8.2 试验内容和监测方法 |
8.3 新峪矿应用 |
8.3.1 表面位移变形结果及分析 |
8.3.2 顶板离层变形结果及分析 |
8.4 其他矿应用 |
8.4.1 马兰矿 |
8.4.2 官地矿 |
8.4.3 镇城底矿 |
8.5 本章小结 |
9 结论与展望 |
9.1 主要结论 |
9.2 主要创新点 |
9.3 展望 |
参考文献 |
致谢 |
在学期间发表学术论文及参加科研工作情况 |
(10)煤巷锚网支护系统安全评价方法研究(论文提纲范文)
1 基于模糊数学原理的巷道围岩分类 |
2 锚网支护巷道围岩岩体力学参数反分析 |
2.1 待反演因子确定与正交试验计算收敛变形 |
2.2 参数反分析 |
2.3 岩体反演参数合理性的验证 |
3 锚网支护煤巷围岩失稳警戒值的确定 |
3.1 实体煤巷围岩失稳警戒值的确定 |
3.1.1 实体煤巷顶板离层值的确定 |
3.1.2 实体煤巷锚杆应力警戒值确定 |
3.2 沿空煤巷围岩失稳警戒值的确定 |
3.2.1 沿空煤巷顶板离层值的确定 |
3.2.2 沿空煤巷锚杆应力警戒值的确定 |
4 巷道围岩与支护结构稳定监测分析 |
5 巷道围岩稳定性评价系统的构建 |
5.1 巷道围岩稳定性评价系统的构建 |
5.2 巷道围岩稳定性评价系统的应用 |
6 结论 |
四、巷道围岩稳定性分类的MBP神经网络预测研究(论文参考文献)
- [1]九绵高速公路天池隧道围岩稳定性研究[D]. 蔡坤鹏. 成都理工大学, 2020(04)
- [2]基于SVM的煤矿巷道围岩稳定性预警模型研究[D]. 王强. 西安科技大学, 2020(01)
- [3]基于深度卷积模型的煤矿顶板危险性预测与评价研究[D]. 耿越. 中国矿业大学(北京), 2019(09)
- [4]基于概念格与概率神经网络的巷道围岩稳定性预测[D]. 刘洋. 武汉科技大学, 2018(10)
- [5]基于SPSS与ANN的汾西矿区煤巷围岩稳定性分类[J]. 孔祥松,单仁亮,肖禹航,白瑶. 矿业安全与环保, 2016(03)
- [6]煤巷锚杆支护设计混合智能系统研究[D]. 王茂源. 中国矿业大学(北京), 2016(02)
- [7]基于神经网络的巷道围岩稳定性分类研究进展[J]. 单仁亮,孔祥松,单鹏. 矿业安全与环保, 2014(03)
- [8]大冶铁矿井下开采巷道围岩稳定性分析及控制技术研究[D]. 邹灿. 中国地质大学, 2014(11)
- [9]山西焦煤煤巷围岩稳定性分类与强帮强角支护技术研究[D]. 孔祥松. 中国矿业大学(北京), 2014(11)
- [10]煤巷锚网支护系统安全评价方法研究[J]. 韩立军,孟庆彬,魏忠民,孙昌兴,石高鹏. 采矿与安全工程学报, 2013(06)