基于熵权-正态云模型的岩爆烈度分级预测研究

岩爆是深埋地下工程主要的工程地质灾害之一,其烈度分级预测是必须解决的岩石工程重大问题。针对岩爆烈度分级的不确定性,选取岩石单轴抗压强度与抗拉强度比σ_c/σ_t、切向应力与岩石单轴抗压强度比σ_θ/σ_c、弹性变形能指数Wet和岩石完整性系数K_v等定量化指标建立评价指标体系,应用熵权法确定各评价指标权重,结合云理论建立了岩爆烈度分级预测的熵权-正态云模型。以国内外12组典型岩爆工程实例对所建模型进行检验,并与逼近理想解法、高斯径向基函数法的判别结果及实际情况进行对比。为进一步考察该模型的有效性和实用性,利用该模型对终南山公路隧道工程竖井的岩爆实例进行分析。研究结果显示,基于熵权-正态云模型的岩爆判别预测结果与实际岩爆情况较吻合,表明熵权-正态云模型在研究岩爆烈度分级预测中具有良好的实用性和可靠性,可为深部地下工程岩爆烈度分级预测提供一种新思路。     

岩爆等级判定的距离判别分析方法及应用

将距离判别分析方法应用于岩爆等级判定问题。选用洞室围岩最大的切向应力σθ、岩石单轴抗压强度σc、抗拉强度σt、岩石弹性能量指数Wet作为岩爆等级判定的距离判别分析模型判别因子,以工程中实际岩爆情况及数据作为训练样本,进行分析计算,建立岩爆等级判定的距离判别分析模型。运用该分析模型对国内外工程实际岩爆情况进行判定,判别结果与工程实际完全相符。将该模型应用到诸（暨）永（嘉）高速公路括苍山隧道工程的岩爆情况预测中,判别结果与实际情况相符。研究表明,岩爆等级判定的距离判别分析方法,判别能力强,误判率低,是解决岩爆等级判定的一条有效途径。     

A hybrid ensemble method for improved prediction of slope stability

Accurate prediction of slope stability is a significant issue in geomechanics with many artificial intelligence (AI) techniques being utilised. However, the application of AI has not reached its full potential because of the lack of more robust algorithms. In this paper, we proposed a hybrid ensemble method for the improved prediction of slope stability using classifier ensembles and genetic algorithm. Gaussian process classification, quadratic discriminant analysis, support vector machine, artificial neural networks, adaptive boosted decision trees, and k‐nearest neighbours were chosen to be individual AI techniques, and the weighted majority voting was used as the combination method. Validation method was chosen to be the 10‐fold cross‐validation, and performance measures were selected to be the accuracy, the receiver operating characteristic curve, and the area under the receiver operating characteristic curve (AUC). Grid search and genetic algorithm were used for the hyperparameter tuning and weight tuning respectively. The results show that the proposed hybrid ensemble method has great potential in improving the prediction of slope stability. Compared with individual classifiers, the optimum ensemble classifier achieved the highest AUC value (0.943) and the highest accuracy (0.902) on the testing set, denoting that the predictive performance has been improved. The optimum ensemble classifier with the Youden's cut‐off was recommended for slope stability prediction with respect to the AUC value, the accuracy, the true positive rate, and the true negative rate. This research indicates that the use of the classifier ensembles, rather than the search for the ideal individual classifiers, might help for the slope stability prediction.     

基于Bayes判别分析方法的地下工程岩爆发生及烈度分级预测

在岩爆发生和烈度分级预测的距离判别分析模型的基础上,结合地下工程岩爆的特点和Bayes判别分析理论,提出了地下工程岩爆发生及烈度分级预测的Bayes判别分析方法。综合分析影响岩爆主要因素,选取最大切向应力 、岩石抗压强度 、岩石抗拉强度 和弹性能量指数 作为判别因子建立岩爆预测的Bayes判别分析模型,并利用回代估计法对误判概率进行估计。利用国内外一些重大深部地下工程实例作为学习的样本进行训练建模,经过训练后的模型回判估计的误判率为0。利用该模型对国内3处典型的隧道岩爆情况进行预测,结果与实际情况符合得很好。研究结果表明,Bayes判别模型在岩爆发生可能性及烈度分级预测中具有良好的适用性和有效性。     

深埋高地应力隧道勘察期岩爆烈度概率分级预测

岩爆是地下工程开挖过程中硬质岩体存储的弹性应变能突然、迅速释放的动态过程。我国西南山区正在建设或拟建大量深埋长大隧道,勘察阶段岩爆的准确预测对有效设计和控制投资十分重要。从隧道工程勘察阶段线路比选与设计需求出发,针对隧道勘查期岩爆灾害预测指标获取难、预测精度低的问题,以该阶段岩爆预测指标的易获取性为前提,利用贝叶斯网络解决不确定性问题的有效性来反映岩爆烈度与各影响因素的相关关系。基于473组岩爆灾害案例,采用4个预测指标（地应力、地质构造、围岩级别和岩石强度）来构建岩爆烈度朴素贝叶斯概率分级预测模型,利用十折交叉验证方法确定模型预测精度达84.47%。将该模型应用于雅安—叶城高速公路跑马山1号隧道岩爆段落,预测结果显示:28次岩爆预测中有24次正确、4次错误,准确率高达85.71%;其中2组错误预测中,现场判别为轻微-中等岩爆,而本文模型预测为轻微岩爆。验证结果表明所建立的贝叶斯网络模型具有良好的预测性能,研究成果可为我国西南山区深埋长大硬岩隧道勘察设计期岩爆灾害预测提供技术支撑。     

基于功效系数法的岩爆烈度分级预测研究

岩爆是高地应力区岩质隧道施工过程中经常发生的工程地质灾害,对其发生的可能性及其烈度分级预测一直是隧道工程世界性难题之一。基于功效系数法的基本原理,在综合考虑岩爆的关键影响因素基础上,选取?θ /?c 、?c /?t、Wet和Is作为评价因子,建立了一种新的岩爆烈度分级预测模型。利用国内外典型岩爆工程实例对所建模型进行检验,判别结果与实际岩爆等级相符,且与集对分析法和可拓方法判别结果基本一致,表明运用功效系数法对岩爆烈度进行预测是合理的、可行的。再运用功效系数法对苍岭隧道岩爆危险性进行判别,预测结果与实际情况一致,说明基于功效系数原理的岩爆预测新方法具有较高的准确性和可靠性,且简单、易懂、可操作性强,具有良好的工程应用前景。     

基于AdaBoost组合学习方法的岩爆分类预测研究

针对岩爆等级划分问题,考虑了岩爆灾害发生的多种主要影响因素,采用新的数据挖掘方法AdaBoost（即Adaptive Boosting）的组合学习方法,结合流行的人工神经网络BP算法,构建了集成神经网络AdaBoost-ANN（简称AB-ANN）的岩爆等级多分类预测模型。该模型克服了单一弱分类器的不稳定性,提高了分类器精度,实验结果表明,预测的结果与实际值比较吻合,证明了该方法的可行性。     

高地应力“强度 & 应力”耦合判据及其分级标准

众多地下工程建设始终处于高地应力环境中,岩体初始应力是地下工程围岩变形破坏的先天条件和主导因素。“高地应力”术语及概念出现和地下工程围岩特殊破坏现象紧密联系,属于工程概念范畴。随着地下工程数量越来越多并逐渐向深部发展,高地应力诱发的围岩破坏现象日益显著,严重影响工程稳定性。现有的高地应力定量分级判据多采用强度应力比值形式,没有充分考虑岩石强度、应力两个指标的绝对值大小和耦合关系。本文在讨论现有分级判据、收集实际工程案例数据以及分析高地应力破坏现象显现过程的基础上,提出了高地应力“强度& 应力”耦合判据及其定量分级标准。高地应力“强度& 应力”耦合判据的表现形式为3条考虑岩石饱和单轴抗压强度R_c以及和初始最大主应力σ₁耦合的边界线,边界线以内的区域为高地应力区、边界线以外的区域为低地应力区。该判据特点是既考虑初始最大主应力、岩石饱和单轴抗压强度的绝对值边界条件,同时也考虑两者耦合区间。研究结果表明:基于二维尺度提出的“强度& 应力”耦合判据,针对86个典型地下工程的高地应力判别结果和工程现场高地应力显现形式完全相符,可以在实际地下工程中推广应用。基于“强度& 应力”耦合判据的高地应力区分级标准能较好地判别围岩破坏现象的剧烈程度,可为工程灾害的预防提供参考。     

基于组合赋权的岩爆倾向性预测灰评估模型及应用

提出一种用以确定岩爆灾害评价中各指标权重的组合赋权（GEM-GW）方法。该方法依据信息熵理论,对基本熵权法进行改进,理论上解决熵权法在某些情况下不适用的问题,并引入欧几里得距离函数,使得主、客观权重之间和偏好系数间的差异程度一致,从而获得理想的综合权重。在该基础上,根据岩爆的成因及特点,选取影响岩爆的主要评价指标,同时对灰色聚类法进行优化,建立基于组合赋权的岩爆倾向性预测灰评估模型。利用该模型,对国内外一些重大深部岩石工程岩爆案例进行分析,并与模糊综合评判法、属性综合评判法、未确知测度评价法和物元分析法及实际情况进行比较。研究结果表明,该模型预测结果与实际情况吻合较好,预测精度较高,从而验证该模型的有效性及实用性。研究方法为岩爆灾害的准确预测提供一种切实可行的途径。     

西南地区某隧道围岩岩爆预测研究

岩爆预测一直是地下工程领域中的世界性难题。本文以西南某隧道工程为例,从岩爆形成的3个条件:岩石岩爆倾向性、岩体完整性和高地应力环境3个方面着手,应用最大储存弹性应变能指标Es和岩石脆性系数B,对深埋隧道区段内可能发生岩爆的石英砂岩、灰岩岩体进行岩爆倾向性分析预测; 基于地应力测量数据资料,采用地质过程动态模拟的有限元分析方法,反演分析隧道工程区岩体地应力场,对隧道高应力区段作出判断; 根据现场所取样品试验结果综合分析隧道围岩的物理力学性质、岩石单轴抗压强度等。在分析和总结前人岩爆预测预报方法的基础上,以工程地质分析为基础,详细阐明隧道岩爆发生的条件,并以岩体力学和非线性科学理论为指导,采用地质综合分析、应力强度比法对隧道可能发生岩爆的部位及其强度进行综合预测。     

基于功效系数法和地应力场反演的深埋长大隧道岩爆预测研究

岩爆是深埋长大隧道面临的主要地质灾害之一,其“孕育-发生-发展”全过程异常复杂,使其成为地下工程中的世界性难题。准确反映地应力变化规律以及区域内地质构造影响,结合实测资料进行岩爆分级预测,对保障隧道前期勘察设计及后期安全施工具有重要意义。根据隧道工程地质资料,通过COMSOL Multiphysics和Rhino建立三维数值计算模型,反演分析得到整个区域的初始地应力场。在综合分析影响岩爆关键因素的基础上,从“储能性-倾向性-突发性”研究角度,选取岩石单轴抗压强度与围岩洞壁最大主应力比(σ_c/σ_max)、围岩洞壁最大切向应力与岩石单轴抗压强度比(σ_θ/σ_c)、岩石强度脆性系数(σ_c/σ_t)及岩石弹性能指数(W_et)作为评价指标。采用熵权法确定指标权重,运用功效系数法加权计算总功效系数值,构建了一种基于功效系数法和地应力场反演的深埋长大隧道岩爆预测模型,并将其应用于川藏铁路桑珠岭隧道。研究结果表明,该模型具有较高的准确性和可靠性,为类似深埋长大隧道岩爆预测提供了一种新的参考。     

某交通线路色季拉山隧道高地应力岩爆风险定量预测研究

岩爆是在高地应力区域中进行地下隧道建设时所面对的主要风险之一,具有突发性、高危害性等特点。实现岩爆的破坏程度定量化预测,对高地应力区域地下工程的设计与施工具有重要的指导意义。本文通过收集大量国内外典型岩爆隧道的特征参数并进行统计分析,建立了一种能够预测最大爆坑深度的岩爆风险量化预测模型,同时结合室内力学试验、岩体强度损伤准则和地应力场多元线性回归反演等理论和方法,对新建某交通线路色季拉山隧道岩爆风险进行了定量化预测,并与国内巴玉隧道岩爆风险进行相似工程案例对比分析。得出以下结论:(1)本文根据岩爆隧道应力强度比与爆坑深度之间线性统计关系所建立的岩爆预测模型,可实现岩爆风险的量化预测及评估。(2)色季拉山隧道地应力场受构造作用控制明显,同时,全线地应力普遍较高,加之隧道沿线硬岩段落占比大且岩爆倾向性高,高地应力岩爆风险突出。(3)预测色季拉山隧道中等以上等级岩爆风险段落可达12 188 m,占隧道全长的32.1%,岩爆将主要发生在弱风化花岗岩、闪长岩以及埋深较大的片麻岩段落中。(4)色季拉山隧道预测最大爆坑深度为3.42 m,小于已贯通的巴玉隧道实测最大爆坑深度(3.5 m),在合理的防控措施下可认为色季拉山隧道的岩爆风险总体可控。     

基于隧洞超前地质探测和地应力场反演的岩爆预测研究

岩爆是高地应力地区影响地下工程施工的主要地质灾害,岩爆预测已成为地下工程的世界性难题之一。地层的岩性条件和地应力的大小是影响岩爆发生的两个最根本因素,对这两个因素的准确判别将直接关系到岩爆预测的成功与否。根据工程的区域地质资料,利用FLAC3D程序建立了该区域的数值计算模型,并结合工程现场实测点的主应力数据,采用径向基函数神经网络,反演了计算区域的初始地应力场。基于现场岩石力学试验和TSP203探测技术,获取了岩爆高风险区域的地层岩性条件。最后结合地应力反演数据和TSP探测结果,对掌子面前面长距离范围内的岩爆强度进行精细预测。工程实际应用表明,该方法可操作性强,岩爆预测结果与实际开挖情况较吻合。     

深埋大理岩力学特性对岩爆发生条件的影响分析

岩爆作为深埋地下工程围岩的一种破坏方式,其发生条件受多种因素的制约。根据在锦屏二级深埋隧洞掘进过程中的岩爆统计结果,即使应力条件和岩体强度达到一定的要求,岩爆发生与否以及剧烈程度还与岩体力学特性有密切的联系。锦屏二级深埋隧洞沿线以大理岩为主,为此开展了大理岩力学特性与岩爆发生关系的相关研究工作。根据大理岩三轴压缩试验结果,验证了大理岩的脆-延-塑转化特性,确定了锦屏白山组大理岩的转化围压和相关的Hoek-Brown强度参数,并利用经验的方法初步评价了锦屏深埋大理岩的岩爆风险。为了进一步明确岩体力学特性对岩爆风险的影响,利用现场实际的岩爆破坏形态,通过考察不同深度处测点的应力路径,校核了现场岩体的力学参数。在此基础上分析了具有岩爆风险的围岩力学状态,分别研究了岩石强度、岩体完整性和岩体脆性特征对岩爆发生条件的影响。研究结果表明,锦屏大理岩岩石强度和脆性特征可以影响到锦屏深埋隧洞围岩岩爆风险程度,但其影响相对较小,而岩体完整性对岩爆风险形成具有比较明显的影响。     

Mapping flood susceptibility in an arid region of southern Iraq using ensemble machine learning classifiers: a comparative study

This study examined the efficacy of three machine ensemble classifiers, namely, random forest, rotation forest and AdaBoost, in assessing flood susceptibility in an arid region of southern Iraq. A dataset was created from flooded and non-flooded areas to train and validate the ensemble classifiers using a binary classification scheme (1—flood, 0—non-flood). The prepared dataset was then partitioned into two sets with a 70/30 ratio: 70% (2478 pixels) for training and 30% (1062 pixels) for testing. A total of 10 influential flood factors were selected and prepared based on data availability and a literature review. The selected factors were surface elevation, slope, plain curvature, topographic wetness index, stream power index, distance to rivers, drainage density, lithology, soil and land use/land cover. The information gain ratio was first utilised to explore the predictive abilities of the factors. The predictive performances of the three ensemble models were compared using six statistical measures: sensitivity, specificity, accuracy, kappa, root mean square error and area under the operating characteristics curve. The results revealed that the AdaBoost classifier was the best in terms of the statistical measures, followed by the random forest and rotation forest models. A flood susceptibility map was prepared based on the result of each classifier and classified into five zones: very low, low, moderate, high and very high. For the model with the best performance, i.e., the AdaBoost model, these zones were distributed over an area of 6002 km² (44%) for the very low–low zone, 2477 km² (18%) for the moderate zone and 5048 km² (40%) for the high–very high zones. This study proved the high capabilities of ensemble machine learning classifiers to decipher flood susceptibility zones in an arid region.     

城市地下空间安全监测与预警指标研究

为保障城市地下空间开发利用的安全性,促进城市可持续发展,通过文献调研、现场调查和专家咨询等方法,分析提出城市地下空间监测的五项原则,将监测对象划分为三类：工程结构本体、周围岩土体以及周边环境。将监测指标归纳为变形类、力学类、振动类和宏观状态类共四类,其中变形类指标执行双控要求,其他三种指标执行单控要求。监测趋势预测分析可采用公式法、回归分析法、时间序列分析法、灰色预测法、神经网络法和支持向量机法等。全国各地监测控制值基本一致,但预警分级标准存在地区差异,其中北京市和广州市分级预警具有较大参考价值。目前城市地下空间安全监测存在七项不足：预警分级标准不完善,人工监测效率低,监测参数单一,监测信息缺少共享协同,测量精度较低,重监测轻预测以及缺乏数据融合和机器学习应用。针对这些问题,可采取七项措施进行改进：建立合理预警分级标准,发展自动化与智能化监测,多参数综合监测,应用远程监测与云平台,开发高精度测量设备,监测和预测并重,以及数据融合与机器学习应用。     

地下工程岩爆预测的综合集成方法

鉴于地下工程中岩爆预测的各种方法的局限性以及预报准确率低的现状,提出了地下工程岩爆综合集成预测的学术思路。这种学术思路将定性预测与定量预测相结合、单因素预测与多因素预测相结合,引入处理复杂性问题行之有效的非线性科学理论,对岩爆进行综合集成预测。详细介绍了岩爆预测的综合集成方法,包括：地质分析预测法、应力强度比法、层次分析—模糊评判法和神经网络法,并将其应用于雅砻江某水电站交通隧道岩爆预测中,取得了较好的效果。     

基于组合赋权和未确知测度的深埋隧道岩爆危险性评价——以川藏交通廊道桑珠岭隧道为例

针对复杂山区深埋隧道岩爆危险性评价中的诸多不确定性因素问题,通过归纳分析典型高地应力条件下深埋隧道岩爆破坏特征及关键影响因子,从客观反映高地应力环境、岩石力学性能和围岩性质3个层面确定5项岩爆评价指标,利用未确知测度理论建立隧道岩爆危险性评价模型.为了充分考虑岩爆危险性评价的主观因素和客观因素,通过引入距离函数,采用熵权法和层次分析法相结合构建组合赋权法,综合确定各指标的权重系数.基于未确知测度理论及计算规则,结合岩爆危险性分级标准,构建直线型单指标测度函数,计算单指标测度评价矩阵和多指标测度向量,依照置信度准则进行岩爆危险性评价.将构建的岩爆危险性评价未确知测度模型应用于川藏交通廊道桑珠岭隧道,并与强度应力比法、Russenes判据、岩石脆性系数、岩体完整性系数、岩石弹性能指数等单指标判据评价结果及实际岩爆结果进行对比.研究结果表明:该模型评价结果的准确率达到94.4%,比单指标岩爆判据的准确率高16.7%~66.7%.      

Automated Kerogen Classification in Microscope Images of Dispersed Kerogen Preparation

We develop the classification part of a system that analyses transmitted light microscope images of dispersed kerogen preparation. The system automatically extracts kerogen pieces from the image and labels each piece as either inertinite or vitrinite. The image pre-processing analysis consists of background removal, identification of kerogen material, object segmentation, object extraction (individual images of pieces of kerogen) and feature calculation for each object. An expert palynologist was asked to label the objects into categories inertinite and vitrinite, which provided the ground truth for the classification experiment. Ten state-of-the-art classifiers and classifier ensembles were compared: Naïve Bayes, decision tree, nearest neighbour, the logistic classifier, multilayered perceptron (MLP), support vector machines (SVM), AdaBoost, Bagging, LogitBoost and Random Forest. The logistic classifier was singled out as the most accurate classifier, with an accuracy greater than 90. Using a 10 times 10-fold cross-validation provided within the Weka software, we found that the logistic classifier was significantly better than five classifiers (p<0.05) and indistinguishable from the other four classifiers. The initial set of 32 features was subsequently reduced to 6 features without compromising the classification accuracy. A further evaluation of the system alerted us to the possible sensitivity of the classification to the ground truth that might vary from one human expert to another. The analysis also revealed that the logistic classifier made most of the correct classifications with a high certainty.     

基于熵权正态云模型的软岩等级评价

软岩是地下工程施工中常见的复杂地质情况之一,科学准确的对其分类是进行安全施工的重要前提。针对软岩环境的复杂性和不确定性,选取单轴抗压强度σ_c、完整性系数K_v、黏聚力σ_n、软化系数K_f和软化指数f_s 5项定量化指标建立软岩评价指标体系,采用熵权法确定各指标权重,结合云理论建立熵权-正态云模型,对软岩的类型进行分级评价。以4组软岩工程实例对所建立模型进行检验,并与未确知度法、模糊评价法和BQ法的判别结果进行对比。研究结果表明,熵权-正态云模型在软岩等级判别中具有良好的实用性和可靠性,可为软岩类型预测提供一种新思路。