Rockburst is one of the key problems in underground engineering excavation,in order to accurately predict the grade of rockburst propensity in deep-buried tunnels,a rockburst prediction method based on the normal membership degree-attribute interval recognition model was proposed.Due to the rockburst propensity is a typical multi-attribute orderly segmentation problem,the attribute interval recognition model was constructed to divide the rockburst propensity into four grades for prediction.The occurrence of rockburst is affected by engineering geology,and the geological parameter is usually an interval value.The attribute interval recognition model can be better applied to the problem that each grade index value is an interval value.According to the mechanism of rockburst,the stress coefficient,brittleness coefficient,elastic strain index and rock integrity coefficient were selected as predictive indicators,considering the interaction between the indicators and the standard grade,the normal membership function and Jousselme distance were used to calculate the weight of the index.The method had different weights for the measured values of different indexes under the same index system,which can avoid the drawback that the traditional method didn’t consider the interaction relationship between the indexes,and improve the robustness of the model.The accuracy of the prediction model was tested with 13 deep-buried tunnel projects.Since the value of the averaging coefficient had a greater impact on the prediction accuracy of the model,in order to obtain the optimal value of the averaging coefficient,the step size was 0.1 and selected within the interval [0.05,0.95].The analysis shows that when the averaging coefficient is 0.65,the prediction accuracy of the model is the highest,which is 92.31%.The left bank of SPD9 in the Huangjiangkou hydropower project was used to verify the model.The prediction results are consistent with the actual rockburst propensity grade.The prediction results prove that the model is feasible and effective in specific engineering practice,and it can provide new ideas for predicting the rockburst propensity grade in similar deep-buried tunnels.
Keywords:deep-buried tunnels
;
rockburst propensity grade
;
rockburst prediction
;
normal membership function
;
attribute interval recognition model
;
averaging coefficient
GONG Li, LU Lili, JIN Chunling, LIANG Dong, ZHOU Hanguo, XIE Ping. Propensity Grade Prediction of Rockburst Based on Normal Membership-Attribute Interval Recognition Model[J]. Gold Science and Technology, 2022, 30(3): 404-413 doi:10.11872/j.issn.1005-2518.2022.03.037
设Ii 和Ij 为指标集合中的2个评价指标,则其对应的各等级概率密度为mi 和mj,计算指标Ii 和Ij 之间的Jousselme距离dij (Shen et al.,2019),表示为
式中:mi 和mj为2个向量内积。
由指标间的距离可以计算指标Ii 和Ij 的信任度,表示为
指标Ii 相对于指标Ij 的可信度为
将各指标的可信度进行归一化处理,得到指标权重,表示为
3 模型验证
3.1 构建岩爆倾向等级评价指标体系
内因和外因共同作用造成岩爆灾害。其中,内因是指岩石的物理力学性质,外因是指不同的开挖方式造成岩石应力重分布。目前,关于岩爆等级评价指标的选择国内外没有统一的理论标准,因此本文在参考大量岩爆实例和已有岩爆判据(Wang et al.,2020;Russenes,1974)的基础上,选择4个评价指标:(1)应力系数,即岩石最大切向应力与单轴抗压强度之比σθ/σc,比值大小代表岩体的强度条件,而岩爆灾害多发生于硬岩条件下;(2)脆性系数,即岩石单轴抗压强度与抗拉强度之比σc/σt,比值大小代表岩体的稳定性条件,稳定性越差则岩爆程度越严重;(3)弹性应变指数Wet,反映了岩石储存弹性变形势能的能力,数值越大则发生岩爆灾害的倾向性越大;(4)岩石完整性系数kv,岩石完整性越好,越容易储存应变能量,发生岩爆灾害的倾向性也越大。
Knowledge-based and data-driven fuzzy modeling for rockburst prediction
1
2013
... 多年来,众多学者对岩爆预测展开了诸多研究.早期岩爆预测研究只考虑单一因素的影响,如:岩石刚度、强度和能量等,且国内外学者提出了不同的判据,如:Russense判据(张镜剑等,2008)和Kidybinski判据(Kidybinski,1981)等.然而,岩爆发生受多种因素共同制约,单一判据具有片面性.随着岩爆灾害研究工作的深入,岩爆发生的影响因素与岩爆倾向等级的非线性关系逐渐引起学者们的关注,新的数学方法及智能算法模型开始应用到岩爆预测过程中.数学方法主要有模糊综合评判法(Adoko et al.,2013;王元汉等,1998)、物元可拓理论(张乐文等,2010)、灰色系统理论(裴启涛等,2013)、功效系数法(王迎超等,2014)和云模型(王迎超等,2015)等.智能算法主要有BP神经网络(孙臣生,2019)、人工神经网络(张光存等,2013)、深度神经网络(田睿等,2020)和随机森林方法(Dong et al.,2013)等. ...
Judgment indexes and classification criteria of rock-burst with the extension judgment method
0
2009
Prediction of rockburst classification using random forest
1
2013
... 多年来,众多学者对岩爆预测展开了诸多研究.早期岩爆预测研究只考虑单一因素的影响,如:岩石刚度、强度和能量等,且国内外学者提出了不同的判据,如:Russense判据(张镜剑等,2008)和Kidybinski判据(Kidybinski,1981)等.然而,岩爆发生受多种因素共同制约,单一判据具有片面性.随着岩爆灾害研究工作的深入,岩爆发生的影响因素与岩爆倾向等级的非线性关系逐渐引起学者们的关注,新的数学方法及智能算法模型开始应用到岩爆预测过程中.数学方法主要有模糊综合评判法(Adoko et al.,2013;王元汉等,1998)、物元可拓理论(张乐文等,2010)、灰色系统理论(裴启涛等,2013)、功效系数法(王迎超等,2014)和云模型(王迎超等,2015)等.智能算法主要有BP神经网络(孙臣生,2019)、人工神经网络(张光存等,2013)、深度神经网络(田睿等,2020)和随机森林方法(Dong et al.,2013)等. ...
Integrated prediction for rockburst of underground powerhouse of Houziyan hydropower station
0
2016
Bursting liability indices of coal
1
1981
... 多年来,众多学者对岩爆预测展开了诸多研究.早期岩爆预测研究只考虑单一因素的影响,如:岩石刚度、强度和能量等,且国内外学者提出了不同的判据,如:Russense判据(张镜剑等,2008)和Kidybinski判据(Kidybinski,1981)等.然而,岩爆发生受多种因素共同制约,单一判据具有片面性.随着岩爆灾害研究工作的深入,岩爆发生的影响因素与岩爆倾向等级的非线性关系逐渐引起学者们的关注,新的数学方法及智能算法模型开始应用到岩爆预测过程中.数学方法主要有模糊综合评判法(Adoko et al.,2013;王元汉等,1998)、物元可拓理论(张乐文等,2010)、灰色系统理论(裴启涛等,2013)、功效系数法(王迎超等,2014)和云模型(王迎超等,2015)等.智能算法主要有BP神经网络(孙臣生,2019)、人工神经网络(张光存等,2013)、深度神经网络(田睿等,2020)和随机森林方法(Dong et al.,2013)等. ...
Research on Tunnel Rockburst Prediction Method Based on Combination Weight Ideal Point Method-Database
0
2020
Grey evaluation rockburst prediction model based on normal whitening weight function
0
2019
A PSO-RBF neural network model for rockburst tendency prediction
0
2020
Study on construction risk of shield tunnel under-passing existing railway by fuzzy comprehensive evaluation
0
2018
Grading prediction model of rockburst based on rough set-multidiensional normal cloud
0
2019
Rockburst prediction of multi-dimensional cloud model based on improved hierarchical analytic method and critic method
0
2021
Rockburst prediction based on a modified grey
0
2013
Analysis of Rock Spalling for Tunnels in Steep Valley Sides
1
1974
... 内因和外因共同作用造成岩爆灾害.其中,内因是指岩石的物理力学性质,外因是指不同的开挖方式造成岩石应力重分布.目前,关于岩爆等级评价指标的选择国内外没有统一的理论标准,因此本文在参考大量岩爆实例和已有岩爆判据(Wang et al.,2020;Russenes,1974)的基础上,选择4个评价指标:(1)应力系数,即岩石最大切向应力与单轴抗压强度之比σθ/σc,比值大小代表岩体的强度条件,而岩爆灾害多发生于硬岩条件下;(2)脆性系数,即岩石单轴抗压强度与抗拉强度之比σc/σt,比值大小代表岩体的稳定性条件,稳定性越差则岩爆程度越严重;(3)弹性应变指数Wet,反映了岩石储存弹性变形势能的能力,数值越大则发生岩爆灾害的倾向性越大;(4)岩石完整性系数kv,岩石完整性越好,越容易储存应变能量,发生岩爆灾害的倾向性也越大. ...
Equipment management performan-ce assessment based on cloud model and evidence theory
A prediction model of rock burst in tunnel based on the improved MATLAB-BP neural network
0
2019
Prediction of intensity classification of rockburst based on deep neural network
0
2020
Prediction of rockburst based on multidimensional connection cloud model and set pair analysis
1
2020
... 内因和外因共同作用造成岩爆灾害.其中,内因是指岩石的物理力学性质,外因是指不同的开挖方式造成岩石应力重分布.目前,关于岩爆等级评价指标的选择国内外没有统一的理论标准,因此本文在参考大量岩爆实例和已有岩爆判据(Wang et al.,2020;Russenes,1974)的基础上,选择4个评价指标:(1)应力系数,即岩石最大切向应力与单轴抗压强度之比σθ/σc,比值大小代表岩体的强度条件,而岩爆灾害多发生于硬岩条件下;(2)脆性系数,即岩石单轴抗压强度与抗拉强度之比σc/σt,比值大小代表岩体的稳定性条件,稳定性越差则岩爆程度越严重;(3)弹性应变指数Wet,反映了岩石储存弹性变形势能的能力,数值越大则发生岩爆灾害的倾向性越大;(4)岩石完整性系数kv,岩石完整性越好,越容易储存应变能量,发生岩爆灾害的倾向性也越大. ...
Model for classification and prediction of rock burst intensity in a deep underground engineering with rough set and efficacy coefficient method
0
2014
A normal cloud model-based study of grading prediction of rockburst intensity in deep underground engineering
0
2015
Method of fuzzy comprehensive evaluations for rockburst prediction
0
1998
Prediction and classification of strain mode rockburst based on five-factor crierion and combined weight-ideal point method
0
2017
Prediction model of rockburst intensity classification based on combined weighting and attribute interval recognition theory
0
2020
rockburst intensity grade based on index distance and uncertainty measure
0
2017
Rockburst criterion based on artificial neural networks and nonlinear regression
0
2013
Rock burst and its criteria and control
0
2008
Application of extension evaluation based on rough set in rockburst prediction
0
2010
Method of identifying rockburst grades based on Gaussian process machine learning
0
2011
A comprehensive assessment model for severity degree of dam failure impact based on attribute interval recognition theory
... 多年来,众多学者对岩爆预测展开了诸多研究.早期岩爆预测研究只考虑单一因素的影响,如:岩石刚度、强度和能量等,且国内外学者提出了不同的判据,如:Russense判据(张镜剑等,2008)和Kidybinski判据(Kidybinski,1981)等.然而,岩爆发生受多种因素共同制约,单一判据具有片面性.随着岩爆灾害研究工作的深入,岩爆发生的影响因素与岩爆倾向等级的非线性关系逐渐引起学者们的关注,新的数学方法及智能算法模型开始应用到岩爆预测过程中.数学方法主要有模糊综合评判法(Adoko et al.,2013;王元汉等,1998)、物元可拓理论(张乐文等,2010)、灰色系统理论(裴启涛等,2013)、功效系数法(王迎超等,2014)和云模型(王迎超等,2015)等.智能算法主要有BP神经网络(孙臣生,2019)、人工神经网络(张光存等,2013)、深度神经网络(田睿等,2020)和随机森林方法(Dong et al.,2013)等. ...
基于改进MATLAB-BP神经网络算法的隧道岩爆预测模型
1
2019
... 多年来,众多学者对岩爆预测展开了诸多研究.早期岩爆预测研究只考虑单一因素的影响,如:岩石刚度、强度和能量等,且国内外学者提出了不同的判据,如:Russense判据(张镜剑等,2008)和Kidybinski判据(Kidybinski,1981)等.然而,岩爆发生受多种因素共同制约,单一判据具有片面性.随着岩爆灾害研究工作的深入,岩爆发生的影响因素与岩爆倾向等级的非线性关系逐渐引起学者们的关注,新的数学方法及智能算法模型开始应用到岩爆预测过程中.数学方法主要有模糊综合评判法(Adoko et al.,2013;王元汉等,1998)、物元可拓理论(张乐文等,2010)、灰色系统理论(裴启涛等,2013)、功效系数法(王迎超等,2014)和云模型(王迎超等,2015)等.智能算法主要有BP神经网络(孙臣生,2019)、人工神经网络(张光存等,2013)、深度神经网络(田睿等,2020)和随机森林方法(Dong et al.,2013)等. ...
基于深度神经网络的岩爆烈度分级预测研究
1
2020
... 多年来,众多学者对岩爆预测展开了诸多研究.早期岩爆预测研究只考虑单一因素的影响,如:岩石刚度、强度和能量等,且国内外学者提出了不同的判据,如:Russense判据(张镜剑等,2008)和Kidybinski判据(Kidybinski,1981)等.然而,岩爆发生受多种因素共同制约,单一判据具有片面性.随着岩爆灾害研究工作的深入,岩爆发生的影响因素与岩爆倾向等级的非线性关系逐渐引起学者们的关注,新的数学方法及智能算法模型开始应用到岩爆预测过程中.数学方法主要有模糊综合评判法(Adoko et al.,2013;王元汉等,1998)、物元可拓理论(张乐文等,2010)、灰色系统理论(裴启涛等,2013)、功效系数法(王迎超等,2014)和云模型(王迎超等,2015)等.智能算法主要有BP神经网络(孙臣生,2019)、人工神经网络(张光存等,2013)、深度神经网络(田睿等,2020)和随机森林方法(Dong et al.,2013)等. ...
深埋地下工程岩爆烈度分级预测的RS-功效系数模型
1
2014
... 多年来,众多学者对岩爆预测展开了诸多研究.早期岩爆预测研究只考虑单一因素的影响,如:岩石刚度、强度和能量等,且国内外学者提出了不同的判据,如:Russense判据(张镜剑等,2008)和Kidybinski判据(Kidybinski,1981)等.然而,岩爆发生受多种因素共同制约,单一判据具有片面性.随着岩爆灾害研究工作的深入,岩爆发生的影响因素与岩爆倾向等级的非线性关系逐渐引起学者们的关注,新的数学方法及智能算法模型开始应用到岩爆预测过程中.数学方法主要有模糊综合评判法(Adoko et al.,2013;王元汉等,1998)、物元可拓理论(张乐文等,2010)、灰色系统理论(裴启涛等,2013)、功效系数法(王迎超等,2014)和云模型(王迎超等,2015)等.智能算法主要有BP神经网络(孙臣生,2019)、人工神经网络(张光存等,2013)、深度神经网络(田睿等,2020)和随机森林方法(Dong et al.,2013)等. ...
基于正态云模型的深埋地下工程岩爆烈度分级预测研究
1
2015
... 多年来,众多学者对岩爆预测展开了诸多研究.早期岩爆预测研究只考虑单一因素的影响,如:岩石刚度、强度和能量等,且国内外学者提出了不同的判据,如:Russense判据(张镜剑等,2008)和Kidybinski判据(Kidybinski,1981)等.然而,岩爆发生受多种因素共同制约,单一判据具有片面性.随着岩爆灾害研究工作的深入,岩爆发生的影响因素与岩爆倾向等级的非线性关系逐渐引起学者们的关注,新的数学方法及智能算法模型开始应用到岩爆预测过程中.数学方法主要有模糊综合评判法(Adoko et al.,2013;王元汉等,1998)、物元可拓理论(张乐文等,2010)、灰色系统理论(裴启涛等,2013)、功效系数法(王迎超等,2014)和云模型(王迎超等,2015)等.智能算法主要有BP神经网络(孙臣生,2019)、人工神经网络(张光存等,2013)、深度神经网络(田睿等,2020)和随机森林方法(Dong et al.,2013)等. ...
岩爆预测的模糊数学综合评判方法
2
1998
... 多年来,众多学者对岩爆预测展开了诸多研究.早期岩爆预测研究只考虑单一因素的影响,如:岩石刚度、强度和能量等,且国内外学者提出了不同的判据,如:Russense判据(张镜剑等,2008)和Kidybinski判据(Kidybinski,1981)等.然而,岩爆发生受多种因素共同制约,单一判据具有片面性.随着岩爆灾害研究工作的深入,岩爆发生的影响因素与岩爆倾向等级的非线性关系逐渐引起学者们的关注,新的数学方法及智能算法模型开始应用到岩爆预测过程中.数学方法主要有模糊综合评判法(Adoko et al.,2013;王元汉等,1998)、物元可拓理论(张乐文等,2010)、灰色系统理论(裴启涛等,2013)、功效系数法(王迎超等,2014)和云模型(王迎超等,2015)等.智能算法主要有BP神经网络(孙臣生,2019)、人工神经网络(张光存等,2013)、深度神经网络(田睿等,2020)和随机森林方法(Dong et al.,2013)等. ...
... 多年来,众多学者对岩爆预测展开了诸多研究.早期岩爆预测研究只考虑单一因素的影响,如:岩石刚度、强度和能量等,且国内外学者提出了不同的判据,如:Russense判据(张镜剑等,2008)和Kidybinski判据(Kidybinski,1981)等.然而,岩爆发生受多种因素共同制约,单一判据具有片面性.随着岩爆灾害研究工作的深入,岩爆发生的影响因素与岩爆倾向等级的非线性关系逐渐引起学者们的关注,新的数学方法及智能算法模型开始应用到岩爆预测过程中.数学方法主要有模糊综合评判法(Adoko et al.,2013;王元汉等,1998)、物元可拓理论(张乐文等,2010)、灰色系统理论(裴启涛等,2013)、功效系数法(王迎超等,2014)和云模型(王迎超等,2015)等.智能算法主要有BP神经网络(孙臣生,2019)、人工神经网络(张光存等,2013)、深度神经网络(田睿等,2020)和随机森林方法(Dong et al.,2013)等. ...
岩爆及其判据和防治
1
2008
... 多年来,众多学者对岩爆预测展开了诸多研究.早期岩爆预测研究只考虑单一因素的影响,如:岩石刚度、强度和能量等,且国内外学者提出了不同的判据,如:Russense判据(张镜剑等,2008)和Kidybinski判据(Kidybinski,1981)等.然而,岩爆发生受多种因素共同制约,单一判据具有片面性.随着岩爆灾害研究工作的深入,岩爆发生的影响因素与岩爆倾向等级的非线性关系逐渐引起学者们的关注,新的数学方法及智能算法模型开始应用到岩爆预测过程中.数学方法主要有模糊综合评判法(Adoko et al.,2013;王元汉等,1998)、物元可拓理论(张乐文等,2010)、灰色系统理论(裴启涛等,2013)、功效系数法(王迎超等,2014)和云模型(王迎超等,2015)等.智能算法主要有BP神经网络(孙臣生,2019)、人工神经网络(张光存等,2013)、深度神经网络(田睿等,2020)和随机森林方法(Dong et al.,2013)等. ...
基于粗糙集的可拓评判在岩爆预测中的应用
1
2010
... 多年来,众多学者对岩爆预测展开了诸多研究.早期岩爆预测研究只考虑单一因素的影响,如:岩石刚度、强度和能量等,且国内外学者提出了不同的判据,如:Russense判据(张镜剑等,2008)和Kidybinski判据(Kidybinski,1981)等.然而,岩爆发生受多种因素共同制约,单一判据具有片面性.随着岩爆灾害研究工作的深入,岩爆发生的影响因素与岩爆倾向等级的非线性关系逐渐引起学者们的关注,新的数学方法及智能算法模型开始应用到岩爆预测过程中.数学方法主要有模糊综合评判法(Adoko et al.,2013;王元汉等,1998)、物元可拓理论(张乐文等,2010)、灰色系统理论(裴启涛等,2013)、功效系数法(王迎超等,2014)和云模型(王迎超等,2015)等.智能算法主要有BP神经网络(孙臣生,2019)、人工神经网络(张光存等,2013)、深度神经网络(田睿等,2020)和随机森林方法(Dong et al.,2013)等. ...