蔡广奎[1]2001年在《围岩稳定性分类的BP网络模型研究》文中认为围岩稳定性分析和评价问题是岩体工程中的重要问题，岩体稳定性分类方法作为古老而有效的分析评价方法，随着数学手段和计算技术的日新月异也得到了迅速的发展。本文从人工神经网络方法出发，利用其处理非线性问题能力强的特点，建立一种较系统的围岩稳定性分类评价方法。主要的内容有：一、针对在对特定工程围岩进行分类的过程中其分类指标难以确定的问题，提出用多层前馈型神经网络通过计算输入层节点贡献率的手段来确定分类指标的方法，并推导出计算过程；二、针对BP网络收敛速度慢和隐层节点结构难以确定的问题，对BP算法作了改进并给出确定隐层节点数的方法；叁、鉴于面向对象的程序设计方法已非常流行，实现了面相对象的BP人工神经网络设计，并建立了围岩稳定性分类的BP网络系统；四、用实现的系统对广州抽水蓄能电站工程进行围岩稳定性分析评价，结果证明人工神经网络方法用于工程地质数据分析有着其他方法不可比拟的优越性。
刘刚[2]2007年在《基于BP神经网络的隧道围岩稳定性分类的研究与工程应用》文中认为本文首先对国内外围岩稳定性分类的研究动向和进展做了简单介绍。由于隧道围岩是受各种性质的结构面切割而形成的地质综合体，影响隧洞围岩稳定性的因素众多，其关系很难用一个精确的数学关系式来描述，属于高度非线性映射问题。而人工神经网络(Artificial Neural Network，简称ANN)具有大规模信息的并行处理能力、非线性映射能力、高度的容错和鲁棒性、自适应及推理泛化能力等优良特征。通过学习和记忆，建立输入和输出变量之间的非线性关系。本文以人工神经网络方法为理论，应用MATLAB神经网络工具箱建立了隧道围岩稳定性分类的BP神经网络模型，并应用该模型对淮南洞山隧道围岩进行稳定性分类。结果表明，模型的精度较高，可满足工程实际要求。本文应用MATLAB神经网络工具箱建立了隧道围岩稳定性分类的BP神经网络模型，解决了复杂的编程过程为以后的围岩稳定性分类提供了参考和一种简便的方法。
蔚振廷[3]2013年在《汾西矿区采区巷道分类与支护参数研究》文中研究说明为了解决汾西矿区采区巷道现场条件复杂、支护困难的问题，本文对汾西矿区采区巷道进行分类，并对各类型巷道提出了合理的支护参数。通过现场调研深入研究汾西矿区巷道的变形特征及原因，汇总汾西矿区十年内的科研成果。设计巷道围岩稳定性分类指标汇总表，确定了11个分类指标，将汾西矿区58条巷道数据整理成样本库，利用Matlab软件建立BP神经网络模型，对巷道进行分类。在分类研究的基础上，对采区巷道支护技术进行研究，以新峪矿D1206材料巷为典型巷道，在强帮强角支护理论指导下，通过理论分析与数值模拟相结合的方法，得出合理的支护方案，并设计了汾西矿区各类型巷道的支护参数表。对分类和支护研究成果进行现场应用，在D1206材料巷进行工业试验，获得良好的井下支护效果。
张爱霞[4]2008年在《基于神经网络的巷道围岩稳定性分类研究》文中提出人工神经网络理论的出现为人们研究巷道围岩稳定性分类提供了一种新的理论方法。由于影响巷道围岩稳定性的因素很多,而且这些影响因素与巷道围岩稳定性之间呈现复杂的非线性关系,一般的方法很难真实地刻画这种非线性关系,使得分类结果难以与现场实际相吻合。人工神经网络是由许许多多神经元构成的大规模非线性动态系统,具有较强的非线性动态处理能力。因此,本文采用人工神经网络方法来研究巷道围岩稳定性分类。本文从分析巷道围岩稳定性影响因素入手,在综合分析了巷道围岩稳定性影响因素后,选取了五个对围岩稳定性影响比较大的因素;通过对人工神经网络的分析,选取了人工神经网络中发展最为成熟、应用最为广泛的BP神经网络进行巷道围岩稳定性分类研究;针对BP神经网络收敛速度慢、易陷入局部极小点等缺点,在分析现有改进方法的基础上,提出了一种动量法和可变学习速度法的综合改进方法,并对传输函数与网络的泛化能力做了进一步的改进,提高了网络的收敛速度和泛化能力,有效地避免了局部极小点,然后建立了改进的BP神经网络模型,通过对邢东矿现场实测数据的训练和检验,得到了完整的神经网络模型;最后利用面向对象的程序设计语言VC++ 6.0开发了巷道围岩稳定性分类系统,做出了简单易用的可视化界面。
戚玉亮[5]2007年在《地应力测量与围岩稳定性智能预测》文中提出地应力是地壳地层力学状态最基础的原始数据，是确定工程岩体力学属性，进行围岩稳定性分析、岩土工程开挖设计和决策所必须的原始资料。本文详细阐述了空心包体应力解除法的测量原理、步骤及关键性问题，从地应力实测点的选择、测量原理、实测结果的分析处理等方面，讨论了如何进行现场地应力测量和分析。根据车集矿原始地应力的测量结果，通过理论分析和线性回归得到了该区域地应力场的分布规律：主应力与埋深成近似线性关系，且随埋深的增大而增大，以水平构造应力为主，最大主应力位于近水平方向，矿区均受压应力作用，没有出现原始地应力突变的情况，区域构造应力场为近南北方向。基于改进的空心包体地应力测量法实测了车集矿区深部原始地应力，并基于实测点的应力椭球体，分析了不同剖面上的地应力分量，随巷道倾角、方位的变化关系。影响煤巷围岩稳定性的因素很多，这些因素与煤巷围岩稳定性之间呈现出一种非常复杂的非线性关系。由于各影响因素之间的不确定性、不一致性、不完整性，使得影响围岩稳定性判别的关键性问题，即主要影响因素的选取，定量化表示和解释问题均未较好地解决。基于传统围岩稳定性判别方法，本文首次全面而系统地研究了RS-NN组合分类模型在围岩稳定性判别中的应用。提出根据实测地质资料，采用知识发现领域中的粗糙集理论来处理分类指标的不确定性、不一致性、不完整性问题。通过属性约简、求核和重要度计算，从信息域中挖掘主要影响指标，最大限度的精简神经网络规模，通过规则提取从信息域中获取明确的判别规则，从而检验、重构数据样本。应用结果表明，RS-NN组合分类模型不但能够对分类指标进行定量化的表示和解释，而且能够对问题进行定性分析，找出蕴含在围岩稳定性及其影响因素之间的内在关系，进而应用于相似条件下的工程稳定性预测。本文采用信息域关联组合的方法建立的RS-NN组合分类模型，将粗糙集的研究成果成功地引入到神经网络中，优势互补、扬长避短，推动了各自的发展。
王磊[6]2005年在《基于人工神经网络的煤巷围岩稳定性分类系统》文中进行了进一步梳理影响煤巷围岩稳定性的因素有很多,而且这些因素与煤巷围岩稳定性之间呈现出一种非常复杂的非线性关系,人们在判定围岩稳定性的问题上探索了很多方法,如模糊聚类方法、灰色系统理论方法等。 人工神经网络理论的出现为人们研究围岩稳定性问题提供了新的理论方法。人工神经网络是基于对人脑组织结构、活动机制的初步认识提出的一种新型信息处理体系,对外界输入样本具有很强的识别与分类能力,可以很好地解决对非线性曲面的逼近。 本文在研究过程中详细调查了兖州矿区煤巷围岩相关数据,对影响煤巷围岩的诸多因素一一作了分析,从中选取出了对煤巷围岩稳定性影响比较大的因素,在此基础上构建了BP神经网络模型,对煤巷围岩稳定性进行分类识别,并且针对传统BP神经网络模型的训练速度慢、容易出现训练过度等作了改进,提高了模型的训练速度和泛化能力,实现了对兖州矿区煤巷围岩稳定性的科学分类,为科学、经济、有效地进行煤巷锚干支护设计提供了理论依据,最后本系统采用结构化与面向对象相结合的分析设计方法,设计出了一整套用于神经网络训练、巷道分类、锚杆支护设计和数据库管理的软件系统,很好地解决了科学研究成果服务于现场应用的问题。
张士科[7]2008年在《史山矿回采巷道锚杆支护参数优化研究》文中研究指明采场生产能力的稳定是矿山年产量的保证,而采场的进出通道(即回采巷道)的稳定是维持采场生产能力的保障。锚固支护在提高支护效果,减轻劳动强度,提高巷道断面利用率,简化回采面端头区维护工艺等方面具有突出的优越性。人工神经网络是一种新兴的非线性数值决策方法,它具有高度的并行性、非线性,良好的容错性,以及十分强的自适应、自学习功能和联想记忆功能。本论文以“史山矿回采巷道锚杆支护优化设计”为工程背景,将神经网络算法应用到回采巷道锚杆支护设计中,开展了一下几个方面的研究:(1)针对复杂地质条件与不同支护形式和支护参数之间的非线性关系,采用BP神经网络算法建立了围岩强度σ1、煤层强度σ2、巷道埋深H、围岩完整性指数D、采动影响系数n、采高h、护巷煤柱宽度X、巷道断面面积S作为分类指标与巷道锚杆支护形式的非线性关系。(2)在巷道支护形式神经网络模型的基础上建立了巷道支护参数设计的网络模型,通过选取样本对人工神经网络进行训练、测试,用训练好的网络对巷道进行支护设计决策。(3)采用FLAC3D计算软件对不同支护形式以及同种支护形式不同支护参数进行数值模拟分析,其中,对锚杆和锚喷支护参数采用了正交数值试验法。分析其数值模拟结果和影响因素,对回采巷道支护参数进行优化,并成功应用到史山煤矿的回采巷道支护设计中,取得了良好的支护效果和经济效益。
周保生, 朱维申, 李术才[8]2000年在《综放回采巷道围岩稳定性分类的研究》文中进行了进一步梳理确定了综放回采巷道围岩稳定性的分类指标 ,并用判断矩阵分析法确定了分类指标的权值 ,应用人工神经网络的方法对综放回采巷道围岩稳定性分类进行综合研究 ,将 36条综放回采巷道分为 3个类别 ,并确定了各个类别的聚类中心 .
王吉亮[9]2009年在《基于人工智能与叁维数值模拟的乌竹岭隧道围岩稳定性系统研究》文中提出论文以对浙江省乌竹岭隧道地质条件的详细调研为基础,从围岩压力、地表下沉、围岩分类和塌方的角度,以非线性理论为基本思想,对隧道围岩稳定性进行系统研究。论文首次提出了将小波降噪、时间序列相空间重构、GA-BP神经网络叁者相结合的非线性围岩压力、地表下沉预测方法,基于互信息的知识相对约简算法与GA-BP神经网络相结合的非线性围岩类别识别方法,以叁维裂隙网络和叁维离散元数值模拟相结合建立“不确定性模型”和“确定性模型”相结合的隧道塌方预测方法。以围岩压力、地表下沉监测数据为基础,以小波降噪理论剔除监测数据中的噪声信息,以时间序列相空间重构技术重构时间序列,建立GA-BP神经网络样本集,训练遗传算法优化神经网络围岩压力、地表下沉预测模型,并将预测模型应用于乌竹岭隧道围岩压力、地表下沉监测预测,与以往预测方法相比,训练迭代次数少,预测结果精确。通过对隧道围岩分类影响因素的研究,以MIBARK算法对围岩分类影响因素进行属性约简,得出影响围岩分类的最小相对约简,以约简后的属性集作为GA-BP围岩分类识别模型的输入,将训练的模型应用于乌竹岭隧道围岩分类,训练迭代次数少,识别准确率高。以乌竹岭隧道节理裂隙调查为基础,利用叁维裂隙网络技术得出优势节理组、节理组宽度和平均间距,借助叁维离散元数值模拟技术建立隧道塌方预测的数值模拟模型,成功预测了乌竹岭隧道塌方过程。对隧道围岩稳定性系统研究方法更具有客观性,更适合岩体这种非线性材料的稳定性分析。研究成果可为隧道开挖、支护和塌方的防治提供科学依据,并体现论文选题具有科学意义和创新性,具有应用和推广价值。
张鹏[10]2009年在《基于小波理论的白鹤隧道围岩稳定性非线性研究》文中研究说明论文首先对白鹤隧道地质构造、地层岩性、地形地貌、气象水文、地质环境等特征进行了介绍,并对隧道围岩稳定性进行了分析。隧道围岩稳定性分析是不确定的、非线性的动态开放复杂大系统,从应用研究看,单一的、传统的研究途径和方法不再适合于复杂的隧道稳定性分析,而多种理论和方法的有机结合与综合比较将是正确分析和解决问题的有效途径。论文首次提出基于小波理论的公路隧道围岩稳定性非线性分析方法。采用小波阈值法和小波模极大值法这两种小波降噪方法对隧道围岩接触压力监控量测数据降噪,对监测数据进行预处理,并对监测数据中的异常点进行分析,并改进了小波降噪方法。建立小波神经网络围岩稳定性分析模型,对隧道围岩稳定性进行分析,并利用粗糙集理论提高了模型的性能。首次提出采用小波分析对断面轮廓进行分形维数计算,在此基础上,分析了断面轮廓分形维数与隧道围岩稳定性的关系。论文选题具有科学意义和创新性,研究成果可为隧道开挖方案和隧道稳定性分析提供科学依据,具有应用和推广的价值。
参考文献：
[1]. 围岩稳定性分类的BP网络模型研究[D]. 蔡广奎. 河海大学. 2001
[2]. 基于BP神经网络的隧道围岩稳定性分类的研究与工程应用[D]. 刘刚. 合肥工业大学. 2007
[3]. 汾西矿区采区巷道分类与支护参数研究[D]. 蔚振廷. 中国矿业大学（北京）. 2013
[4]. 基于神经网络的巷道围岩稳定性分类研究[D]. 张爱霞. 河南理工大学. 2008
[5]. 地应力测量与围岩稳定性智能预测[D]. 戚玉亮. 山东科技大学. 2007
[6]. 基于人工神经网络的煤巷围岩稳定性分类系统[D]. 王磊. 山东科技大学. 2005
[7]. 史山矿回采巷道锚杆支护参数优化研究[D]. 张士科. 河南理工大学. 2008
[8]. 综放回采巷道围岩稳定性分类的研究[J]. 周保生, 朱维申, 李术才. 煤炭学报. 2000
[9]. 基于人工智能与叁维数值模拟的乌竹岭隧道围岩稳定性系统研究[D]. 王吉亮. 吉林大学. 2009
[10]. 基于小波理论的白鹤隧道围岩稳定性非线性研究[D]. 张鹏. 吉林大学. 2009
标签：水利水电工程论文; 人工神经网络论文; 地应力论文; 网络模型论文; 预测模型论文; 分类数据论文; 非线性论文; 支护论文; bp神经网络论文;