实验研究dhnn模型在岩爆烈度分级预测中的应用研究

《实验研究dhnn模型在岩爆烈度分级预测中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、实验研宄DHNN模型在岩爆烈度分级预测中的应用研究難bwass王佳信麵李春义昆明理工大学国土资源工程学院摘要：针对现有岩爆预测方法权重的确定带有随意性和主观性问题，提出Y—种岩爆烈度分级预测的离散Hopfield神经网络(DHNN)模型。该模型选取应力系数、若石脆性系数及弹性能量指数作为评价指标，将若爆等级分为强若爆、中等若爆、弱岩爆及无岩爆4级，然后进行编码，不需要对样木数据进行归一化处理，只需转换成“1”和“-1”的二值型模式，编码简单，网络迭代次数少，具有很好的联想记忆能力，使岩爆烈度分级预测更加科学合理，可为深部地下工程岩爆烈度分级预测提供一种新途

2、径。典型岩爆工程实例预测结果证明了该模型的正确性。关键词：煤炭开采;深部地卜‘工程;岩爆烈度;分级预测;弹性能量;岩石脆性系数;离散Hopfield神经网络；作者简介：徐佳(1992—)，男，浙江嘉兴人，硕士研允生，主要研允方向为岩石力学，E-mail:522810951@qq.com。作者简介：陈俊智(1974一)，男，陕两定边人，博士，副教授，主要研究方向为岩石力学；E-mail:chenjunzhi130@yahoo.com.cn。收稿日期:2017-06-22基金：国家自然科学基金项目(L1602232)ApplicationofDHNNmodel

3、inclassificationforecastingofrockburstintensityGangLIChunyiFacultyofLandResourceEngineering，KunmingUniversityofScienceandTechnology;Abstract：Inviewofproblemsofrandomnessandsubjectivityindeterminingweightofexistingrockburstpredictionmethods,adiscreteHopfieldneuralnetwork(DHNN)model

4、forclassificationforecastingofrockburstintensitywasproposed.Themodelselectsstresscoefficient,rockbrittlenesscoefficientandelasticenergyindexasevaluationindex,dividesrockburstgradeinto4stages,suchasstrongrockburst,mediumrockburst,weakrockburstandnorockburst,thenencodesthem.Themodel

5、needn’tnormalizesampledatawithsimplerencoding,lesseriterationsofnetworkandbetterassociativememoryability,onlybeconvertedtoa〃1〃and〃-1〃ofthetwovaluemodel,therefore,theforecastingofrockburstintensityismorescientificandreasonable.Themodelcanprovideanewwayforclassificationforecastingof

6、rockburstintensityindeepundergroundengineering.Theforecastingresultsoftypicalrockburstengineeringexamplesprovethecorrectnessofthemodel.Keyword：coalmining;deepundergroundengineering;rockburstintensity;classificationforecasting;elasticenergy;rockbrittlenesscoefficient;discreteHopfie

7、ldneuralnetwork;Received：2017-06-220引言岩爆是高地应力条件下，岩体中聚积的弹性应变能因洞室开挖而释放，异致岩体产生迸裂、弹射等脆性破坏现象U1。随着开采深度的增加，深部开采与浅部开釆所处的环境明显不同，深部开釆所处的环境为高地砬力、高地温、高岩溶水压和强烈的开采扰动，而浅部则表现为脆性岩体在深部高应力条件下转变为延性，在开采卸载条件下又由延性向脆性转化，易于产生岩爆。随着地不工程向着深部发展，岩爆发生越来越频繁，己成为目前国际深部岩体工程中迫切需耍解决的难题。因此，对岩爆进行预测具有重要的现实意义。近年来，随着模糊概率m

8、、人工神经网络m、蚁群聚类ui、组合赋权m、正态云m及加权距离判别