物元可拓法在引水隧洞围岩稳定性评价中的应用

为预防和控制引水隧洞中围岩失稳事故的发生,将物元可拓法应用于围岩稳定性评价中。以滇中引水工程为背景,选取滇中引水工程某隧洞段,构建引水隧洞围岩稳定性评价指标体系,划分围岩等级,选用灰色关联分析法(Grey Relational Analysis, GRA)和因子分析法(Factor Analysis, FA)组合确定权重,基于物元可拓模型进行引水隧洞围岩稳定性评价,以期减少目前评价方法中一些不相容现象及其他问题所带来的影响,从而提升长距离特大输水工程围岩稳定性等级评价的精度。结果表明,GRA-FA-物元可拓模型围岩稳定性评价结果与实际等级基本相符,与逼近理想解排序法(Technique for Order Preference by Similarity to Ideal Solution, TOPSIS)相比,预测评价精度从62.5%提升到87.5%,准确性提升了约25百分点。因此,GRA-FA-物元可拓模型相较以往的评价模型可以更全面和客观地进行引水隧洞围岩稳定性评价,可为其他长距离特大引水工程施工风险评价提供理论支撑。

基于WOA-SVM的引水隧洞岩爆烈度评估模型

为减少引水隧洞施工过程中岩爆事故的发生,在施工前做好岩爆烈度评估,选取4项评价指标作为岩爆的评价指标,分别为:岩石单轴饱和抗压强度R_(c)、岩石单轴抗拉强度R_(t)、围岩最大切向应力σ_(θ)和岩石弹性能量指数W_(et);基于前人研究成果,选取120组岩爆实例作为机器学习样本数据,构建基于鲸鱼优化算法(WOA)优化支持向量机(SVM)的评估模型;并以滇中引水工程香炉山深埋长引水隧洞为例进行岩爆烈度评估的验证。结果表明:机器学习可以较好避开人为因素,完全由数据驱动,WOA-SVM评估精度达到97.22%;经过对比,所构建的模型比PSO-SVM、GA-SVM和WOA-BP神经网络模型在评估精度、泛化程度上均更优;同时,WOA-SVM模型在处理岩爆问题上可以更好地捕捉岩爆等级与指标之间的联系。