基于粒子群算法和广义回归神经网络的岩爆预测

岩爆是岩石深部开挖中一种常见的工程地质灾害。为评价岩爆发生的可能性,提出一种基于粒子群算法和广义回归神经网络模型(PSO-GRNN模型)的岩爆预测方法。该方法利用已有岩爆数据,通过神经网络技术建立回归模型,采用粒子群算法对模型参数进行优化,减少人为因素对神经网络设计的影响。据此方法,在能量理论的基础上,选取洞壁围岩最大切向应力、岩石单轴抗压强度、抗拉强度和弹性能量指数作为主要影响因素,利用国内外26组已有工程数据建立岩爆预测的PSO-GRNN模型。通过对苍岭隧道和冬瓜山铜矿岩爆预测的工程实例分析验证该方法的可行性和适用性。所提方法可为类似工程的岩爆预测提供参考。

基于Adam优化算法的深度神经网络岩爆预测模型

岩爆是未来深部资源开采过程中必须要解决的关键科学问题之一。为准确可靠地预测岩爆灾害,提出一种基于Adam优化算法的深度神经网络(DNN)岩爆预测模型(Adam-DNN)。该方法利用国内外318例已有工程实例数据,通过深度学习技术建立预测模型。在考虑岩爆产生的内外因基础上,选取洞壁围岩最大切向应力与岩石单轴抗压强度比σθ/σc、岩石单轴抗压强度与抗拉强度比σc/σt和岩石弹性能量指数Wet组成岩爆预测指标体系。通过对锦屏二级水电站和冬瓜山铜矿进行岩爆预测的工程实例分析,验证了模型的有效性和正确性。研究结果表明:所提出的模型预测准确率达95%以上,可为类似工程的岩爆预测提供科学依据。