基于组合赋权的遗传算法优化BP神经网络岩爆预测研究

针对岩爆倾向性预测的复杂问题,选取隧洞应力系数、脆性系数及围岩冲击倾向指数为评价指标,利用组合赋权法确定指标的权重,结合遗传算法和BP神经网络,建立了基于组合赋权的遗传算法优化BP神经网络的预测模型。利用岩爆实例数据对建立的模型进行测试,测试结果具有良好的准确度,验证了该模型的可行性及有效性。     

基于组合赋权-云模型的装配式建筑施工风险评价研究

随着现代建筑技术的迅猛发展,装配式建筑日益受到关注。然而,这种建筑方式也带来了一系列的施工风险。首先,从环境、管理、作业人员、技术、材料/设备5个方面对装配式建筑施工风险因素进行归纳总结,识别出22个施工风险因素,建立装配式建筑施工风险评价指标体系;其次,采用层次分析法确定各指标主观权重,采用熵权法确定各指标客观权重,并进行组合赋权;最后,以云模型为基础,构建装配式建筑施工风险云评价模型,通过案例分析识别施工风险等级和重要风险因素,验证装配式建筑施工风险评价模型的科学性和适用性,为装配式建筑施工风险管理提供参考。     

基于权重融合和云模型的岩爆倾向性预测研究

岩爆倾向性预测是地下工程防灾减灾的基础工作之一。针对现有数学模型在确定岩爆指标综合权重中缺少必要的检验过程以及预测准确度不高的不足,提出了一种岩爆倾向性预测的改进云模型。改进模型通过云理论中的云雾化条件来对指标权重进行融合,进而获取通过检验后的指标综合权重;通过对原始云模型进行修正,运用综合云算法生成等级综合云,弥补了原始云模型对等级区间均值过于敏感的不足。最后将国内外若干岩爆实例用于验证提出模型的科学性和实用性。结果表明:基于云理论的权重融合方法能够获得更为合理的综合权重,提出的改进模型能够较好地应用于岩爆倾向性预测工作中。     

基于云模型和组合赋权的岩体质量二维评价模型

坝基岩体质量综合评价是一个多因素协同影响效应的系统过程,针对评价过程中存在的问题,引进云模型、投影寻踪法、层次分析法及模糊熵理论,提出一种基于云模型和组合赋权的岩体质量二维评价模型。该模型依据岩体质量评价指标体系及分级标准,计算各评价指标隶属于不同质量等级的云模型参数;基于层次分析与投影寻踪法求解各指标的组合权重;代入岩体实测资料,得到待评岩体隶属于各质量等级的综合确定度;以模糊熵E作为辅助参评量,结合等级评价共同构建岩体质量的二维评价模式。最后将模型应用到某水电站坝基岩体质量评价中,将评价结果与其他评价方法进行对比分析,结果表明该模型运用于岩体质量评价有效可行,且评价结果直观,为岩体质量评价提供了一条新途径。     

基于优化赋权-云模型的地铁站消防安全评价

为高效地评定地铁车站消防安全状态,从四个维度构建地铁车站消防安全评价指标体系。通过改进的 CM-AHP 法与因子分析方法对指标赋权,并基于最小二乘法组合优化。根据修正后的云数字特征生成云模型,进而集成浮动综合等级模 型。结合指标的等级隶属度与组合权重获得综合评价云模型,通过云图直观展示车站消防安全状态对各综合等级云的依赖程度和 发展趋势。     

基于证据理论的岩爆预测

岩爆是高地应力地区岩石开挖中的一种动力破坏现象,其机理复杂、影响因素众多,单一的评价指标无法准确描述岩爆发生的可能性。基于信息融合思想,提出一种能够综合考虑多指标共同作用的岩爆预测方法。该方法以证据理论为基础,以岩爆等级为识别框架,根据岩爆发生所需条件,选取最大切向应力与岩石单轴抗压强度比值、岩石单轴抗压强度与抗拉强度比值、岩石弹性能量指数为证据体,采用粗糙集理论客观确定了各证据体的确定信度,建立了基于证据理论的岩爆烈度预测模型。12组工程实例的预测结果表明该模型具有较好的预测精度。将该模型应用于苍岭隧道和锦屏二级水电站探硐岩爆预测,预测结果与实际情况完全吻合,说明该模型具有较好的实用性。     

岩爆预测的多维云模型综合评判方法

岩爆是地下空间开发和矿业工程中遭遇的重大挑战,其倾向性预测是一个迫切需要解决的难题。针对其预测过程中的不确定性,在一维云模型理论的基础上提出了基于多维云模型的岩爆倾向性预测方法。将各个预测指标分别作为多维云模型的一维变量,根据云理论和岩爆预测标准,选取合适的云模型数字特征,考虑指标的信息量和相关性,改进CRITIC法确定预测指标权重,生成综合所有预测指标的对应于各个岩爆等级的多维云模型,输入指标实测值得到岩体隶属于各个岩爆等级的综合确定度,依据最大确定度原则判定岩体岩爆等级。以国内外20组典型岩爆实例数据验证本文模型的合理性和有效性,并与一维云模型、RS-TOPSIS方法的预测结果进行对比。结果表明,多维云模型应用于岩爆倾向性预测是有效的,其可以直观、快速判定岩体的岩爆等级,为岩爆倾向性预测提供了一种新方法。     

基于云模型和博弈论组合赋权的地铁施工安全风险评价

针对地铁施工安全风险评价过程中存在模糊性、随机性和客观性不强等问题,采用云模型理论和博弈论组合赋权法构建了地铁施工安全风险评价模型.首先建立了包含组织、技术、环境、设备、监控预警、人员指标的地铁施工安全风险评价指标体系,利用网络层次分析法和熵权法分别确定指标权重,通过博弈论理论求得组合权重值,提高指标权重值的客观性;其...     

基于组合赋权与灰云模型的农宅节能改造综合效益评价

为全面评价农村住宅(以下简称“农宅”)节能改造综合效益,选择经济效益、环境效益和社会效益3个方面的10个指标,构建农宅节能改造综合效益评价体系。以北京市延庆区某农宅节能改造项目为例,采用群决策AHP-熵权组合赋权的方法确定指标权重,运用灰云模型对该项目节能改造综合效益进行评价,评价等级与传统方法评价结果大致相同,说明该方法适用于农宅节能改造综合效益评价,可为其他类似项目综合效益评价提供参考。     

岩爆预测的人工神经网络模型

选取岩石抗压强度、抗拉强度、弹性能量指数和洞壁最大切向应力作为岩爆预测的评判指标 ,建立了岩爆预测的神经网络模型 ,对岩爆的发生及其烈度进行预测。实例计算表明 ,用人工神经网络方法进行岩爆预测是可行有效的     

基于AHP-TOPSIS评判模型的岩爆倾向性预测

 为验证AHP-TOPSIS评判模型预测岩爆的可行性,依据层次分析法(AHP)与逼近理想解排序法(TOPSIS)的基本理论建立出岩爆预测评判模型,从岩性条件、应力条件与围岩条件3个方面选取岩爆发生的评判指标,再根据评判指标的临界值构建出岩爆等级判断准则,并通过AHP法客观确定各评判指标的权重向量,进而结合TOPSIS法分析贴近度并计算得出岩爆预测等级。实例应用得出,基于AHP-TOPSIS评判模型的岩爆预测结果与实际结果相吻合,同时与模糊数学的评判结果基本相符。该方法较全面地考虑了岩爆发生的多种影响因素,避免了单一判据的局限性,并对各种因素的重要性进行对比分析,使预测结果更为科学,可作为岩爆预测的理论依据,同时可为岩爆灾害预测提供一种可靠的新预测方法。     

基于改进综合赋权的岩爆倾向性评价方法研究

为了解决岩爆倾向性评价中指标权重计算随机性大导致预测精度偏低以及岩爆倾向性等级评判过于单一化等问题,提出一种基于改进综合赋权的岩爆倾向性评价方法。综合选取岩性条件、应力条件和围岩条件对应的15个因素作为岩爆倾向性判别指标,应用综合赋权方法,获得综合权重,在此基础上,分别采用云正态模型和理想点法对具体工程案例的岩爆倾向性进行评价,判断岩爆倾向性等级,验证方法准确度与可靠性。研究结果表明:能量储耗指数k,T准则,动态DT参数、弹性能量指数W_(et)和应力指数S五个指标对岩爆倾向性影响较大,改进综合赋权法计算得到的指标权重结果更加合理,而与理想点法相比,云正态模型获得的岩爆倾向性等级评价结果要更加准确,研究结果将为矿山、隧道、水电站等岩土工程岩爆倾向性预测问题提供新思路。     

基于组合赋权灰色模糊理论的边坡地震稳定性研究

针对边坡地震稳定性评判中影响因素的不确定性和信息的不充分性,为提高判别结果准确性,构建灰色模糊边坡地震稳定性综合评判模型。利用隶属函数和点灰度建立综合评判矩阵,通过熵权法和改进的AHP法进行组合赋权,减少单一赋权缺陷,最后用置信度识别准则判定边坡地震稳定性等级。通过对16个地震边坡实例进行评判,与灰色聚类法和未确知测度法相比准确率更高。研究表明,组合赋权灰色模糊综合评判模型是有效且可行的,为边坡地震稳定性综合评判提供一种新方法。     

基于岩爆倾向性的高黎贡山深埋隧道岩爆预测研究

岩爆的预测研究一直是地下工程的世界性难题之一,岩爆倾向性是岩爆发生的一个重要条件。本文以大瑞铁路高黎贡山深埋隧道为例,在野外地质调查和室内岩石力学实验测试分析的基础上,计算分析了高黎贡山深埋隧道花岗斑岩岩体的弹性应变能指数WET、岩石脆性系数B和最大储存弹性应变能指标Es等岩爆倾向性指标。在ANSYS软件平台上,进行了...     

基于改进的灰评估模型在岩爆中的预测研究

岩爆是深部高地应力区岩体开挖过程中常见的一种复杂的动力失稳现象。由于影响因素众多,且各因素在岩爆的孕育过程中所起的作用尚不十分明确,可以将岩爆与其影响因素间的复杂关系当作灰色系统,利用灰色聚类方法进行研究。根据岩爆的成因及特点,选取洞壁围岩的最大切应力 、单轴抗压强度 、单轴抗拉强度 及岩石弹性能量指数 作为影响岩爆的主要因素,并以应力系数 / 、脆性系数 / 及弹性能量指数 作为评价指标,通过对灰色白化权函数进行优化,建立改进的岩爆预测灰评估模型。该模型解决了传统模型存在的灰类多重交叉性及不满足规范性等问题,理论上更完备。采用改进模型对国内外若干深部岩石工程岩爆初始数据进行研究,并与传统模型的预测结果进行对比,发现改进模型的结果与实际情况吻合更好,预测精度更高,从而验证了改进模型的有效性及实用性。研究方法为岩爆的准确预测提供一种切实可行的途径。     

岩爆基于支持向量机预测的智能模型

根据岩爆预测的特性,引入了支持向量机SVM的新方法,研究了支持向量机的基本原理及其在岩爆预测中的模型建立,通过某工程的实际应用证明：支持向量机在岩爆预测中取得了较好的效果。     

基于非线性灰色归类模型的岩爆预测方法

根据岩爆的非线性特征,选取岩爆的主控因子,建立岩爆预测的非线性灰色归类模型,把该模型应用于实例当中,并将分析结果与实际情况进行对比,结果表明,该模实用性强,具有良好的应用前景。     

基于LSTM多变种模型的岩爆微震参数预测研究

岩爆是深地工程和深部资源开采中必须要解决的核心问题之一。基于改进的LSTM神经网络,提出了用于时间序列预测的LSTM微震多参数预测模型,包括单变量时序预测模型和多元平行序列预测模型。并以峨汉高速大峡谷隧道微震监测数据对模型进行验证,同时与多项式回归方法结果进行对比分析。结果表明:单变量预测模型中堆叠式LSTM(S-LSTM)的预测精度最高;多变量预测模型中卷积LSTM(CNN-LSTM)对累积视体积和能量指数具有最好的预测效果,且余下几种LSTM模型仍可准确实现各参数演化趋势的预测,其精度均优于多项式回归分析方法。研究可为正确识别岩爆当前活动及未来状态的危险性提供理论支撑,为及时掌握岩爆未来活动状态提供重要依据。     

基于先验知识的岩爆预测研究

 采用人工神经网络理论, 将岩爆先验知识作为学习样本, 建立了一种新的岩爆预测模型。研究表明, 与现有的其他岩爆预测方法相比, 所建议的模型更具客观性和通用性, 具有较高的预测精度。     

基于人工神经网络的岩爆预测

Based on the analysis of main causes of rockburst,the compressive strength,tensile strength,elastic energy index of rock and the maximum tangential stress of the cavern wall are chosen as the criterion indexes for rockburst prediction.A new approach using neural method is proposed to predict rockburst occurrence and its intensity.The prediction results show that it is feasible and appropriate to use artificial neural network model for rockburst prediction.