Adaboost集成学习优化的巷道围岩松动圈预测研究

为提高巷道围岩松动圈预测准确率,给围岩支护和地压管理提供更科学的指导,提出了一种新的预测方法。采用改进的Adaboost回归算法对3种机器学习算法进行集成优化,即在Adaboost回归算法中寻找误差率阈值的最优值,实现Adaboost全局最优的集成效果。应用网格搜索对BP、SVM和RF的超参数进行优化,建立BP-Adaboost、SVM-Adaboost和RF-Adaboost回归预测模型。结果表明:BP-Adaboost模型的预测性能最好,误差率为7.65%。结合矿山松动圈测试实例进行验证分析,平均相对误差为4.15%。因此,所提出的模型能够为围岩松动圈预测提供参考,可以满足工程应用的需求。

开挖卸荷扰动下的深部巷道支护及其效果评价

为了解决某金矿深部巷道存在的围岩灾变损伤严重、支护结构濒临失效的问题,开展了有关深部巷道开挖卸荷和采动影响耦合作用下的开挖损伤研究,并针对性地提出围岩变形控制方案。运用FLAC3D软件从应力集中—迁移演化、位移场和塑性区分布3个方面对该支护方案的支护效果进行深入探讨,并结合现场工程试验监测所获得的实时原位数据进行分析对比。研究结果表明:深部破碎化巷道在开挖扰动下塑性区扩展趋势明显,两帮肩部及侧墙底角处应力集中程度较高,底板所受破裂损伤压力最大,高应力向巷道深部迁移,最终巷道开挖影响区停留在半径的2~4倍。同时,验证了针对这种工程环境所施加的喷—锚—网联合支护替代传统的U型钢架、锚杆支护做补强支护这一围岩控制方案能够更好地发挥破碎化围岩的自承载能力,有效抵御巷道的变形破坏,具有良好的支护效果,能够为类似工程环境的矿山深部巷道围岩变形控制和支护设计提供合理化建议。