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。

砂土介质振弦式土压力盒标定试验

由于土压力盒材料与砂土在物理力学性质上的差异,在刚性加载砂标试验中土压力盒受力面易出现拱效应、应力重分布和应力分散等问题,导致刚性加载在很多砂标试验中的适用性较差。针对上述问题,基于缩小加载面积和介质空间的思路设计出新型的砂标试验方法——应力集中砂标法。采用刚性加载试验法和应力集中砂标试验法对3种不同规格的土压力盒进行室内标定试验,将2种试验法获得的标定结果与厂家气标结果进行对比。结果表明:新型试验方法获得的标定曲线离散率均较低,标定结果满足室内试验的精度要求,具备现场应用价值;刚性加载试验标定结果相较气标值偏小,而应力集中砂标法的标定结果相较气标值偏大,表明在质地松软、颗粒孔隙率较大的砂标试验环境中,应力集中砂标法具有更强的适用性。

全波形矩张量反演方法及其在矿山微震监测中的应用

微震事件被动监测技术和震源定位技术大大提高了人们对岩体破裂和断层活动的理解。针对某矿山微震事件频发、岩体垮落严重等问题,采用一种新的包含频域拟合和时域拟合的全波形矩张量反演路线,探寻适合该矿山三维监测网络下的微震事件矩张量反演方法,确保能够快速计算矿山微震事件的矩张量参数及断层面解,能够对矩张量进行快速分解并识别岩体的破裂类型。根据计算,该矿山在不同带通滤波器下反演所得的全波形矩张量分解出的双力偶断层面解是一致的,均以剪切为主。

矿柱稳定性判别的ICA-RoF模型及其工程应用

为准确判别矿柱稳定性情况,综合考虑矿柱形状特征量、力学状态量和力学极限量3类指标,选取矿柱宽度、矿柱高度、矿柱宽高比、矿柱约束、矿柱摩擦系数、矿柱应力、矿岩单轴抗压强度、矿柱强度共8个特征作为识别指标,利用独立成分分析旋转森林(ICA-RoF)算法逆构特征指标与矿柱状态之间的非线性映射关系,建立一种基于ICA-RoF算法的矿柱稳定性判别模型。结合工程实例,以150组矿柱样本数据进行训练,采用40次5折交叉验证算法获得最佳模型参数,以剩余12组样本数据对该模型进行检验,并与主成分分析旋转森林算法(PCA-RoF)、CART决策树算法(CDT)和高斯过程分类算法(GPC)进行比较。研究结果表明:ICA-RoF判别模型精度高、泛化能力强,在显著性水平α=0.05的情况下,ICA-RoF明显优于PCA-RoF、CDT和GPC。