（采矿工程专业论文）基于神经网络方法的巷道稳定性分类研究.pdf

摘要 摘要 巷道固岩稳定性分类是岩体工程中的重要问题，也是进行合理巷道支护设计的 基础。随着矿山开采的逐渐加深，巷道稳定性问题日益突出，矿山压力逐渐加大， 严重威胁着矿山的安全生产。因而，围岩稳定性的判定对矿山具有十分重要的意 义。随着各种新方法、新技术在采矿领域中的应用，巷道围岩稳定性分类也出现出 了多种方法，包括最近研究比较多的智能方法，如基于人工神经网络的巷道围岩稳 定性分类方法，巷道围岩稳定性的模糊聚类方法基于灰色系统理论围岩稳定性分类 法等。相比之下较人工神经网络而言，其他方法都有着不同程度的局限性，结果的 可靠性也相对较弱。 本文从b p 神经网络方法出发，利用其处理非线性问题能力强的特点建立一种 较系统的围岩稳定性分类方法。 主要的内容有： 1 对巷道围岩稳定性分类的现状作了分析，并分析了影响巷道围岩稳定性的主 要因素。 2 针对经典b p 网络收敛速度慢和隐层节点结构难以确定的问题，利用改进的 b p 算法给出确定隐层节点数的方法。 3 实现了面相对象的b p 神经网络设计，并建立了可视化围岩稳定性分类的 b p 神经网络系统。 4 在理论和实践的基础上，分析了荆各庄矿的巷道稳定性影响因素并在开滦粥 各庄矿采集大量有关数据，确定了分类指标体系。 5 利用实现的b p 神经网络系统建立了巷道稳定性分类模型，用1 4 组谢练样 本对此模型进行了训练，用7 组样本作为验证样本对此通用模型进行了验证。 软岩巷道围岩稳定性影响因素复杂多变，恧且具有很大的模糊性，用其他方法 来实现围岩稳定性分类存在很大的困难。验证结果表明了：围岩稳定性的分类方法 很多，各种方法考虑的因素不一，判别结果出入较大，怎样很好的解决这些问题， b p 神经网络提供了一种新的解决方法，b p 神经网络方法不仅能够对信息进行并行 处理，而且具有存储记忆联想性和通过模型调练获取判断识鄹模糊性知识的能力。 有很好的推广性及通用性。采用b p 神经网络对围岩稳定性识别是可行的，最终识 别结果是可靠的。 河北理工人学硕士学位论文 图1 5 表6 参5 9 关键词：巷道稳定性；b p 神经网络；分类 分类号： t d 8 8 摘要 a b s t r a c t s m r o u n d i n gr o c k 蜥l i t ye v a l u a t i o ni sm 勰si m p o n a n ti s s u e ，a n da l s oar e 嬲o m l b l e b 船i sf o r 也ed 船i 驴o fs t f e e ts i l p p o r t w i t i lt h e 驴l d l l a ld 删n go f 也ee x p l o i t a t i o f m i n e s ，m i i l es t j l b i l i t yi s s u e sh a v eb c c o m em o 她a c u t e ，w h e r et h ep r e 韶l l 糟毋d u a l l y 硫：r e 蝴d ，p o 血ga r i o 璐t 岫tt ot h es a f d ：) ，o fm i mp r o d u c t i o l l t l 脚，m es t a b i l i t yo f s 哪u n d i n gr o c ks i 咖6 mt df h em i n w i t l lt 量l ea p p l i c a t i o fn e wm e m o d s 蛆d w t e c h n o l o g i 船i nt h em i n i n ga r e a s ，s i 珈l m i l gr o c ks 诅b i l i t yc l a s s i f i 蛀o ni l a sav 翻e t yo f m c i o d s ，i l l c l u d i l l gt h el 砷e s tr c s 船坞hm o 他i n t e m g tm e m o d s ，s u c h 删6 c i a l 耻啪l m 舡0 r kb 嬲c do nt l l ep i l l a 墙s 岫m l d i n gm c ks t a b i l i t ) rc l 蟹s i f i c a t i o nr c m o v 髓t h c 锄1 b i g u 时g u r r o m l d i i l gr o c ks t a b i l i t ) ro n 廿l eb 舔i so f c l l l s t e r i gm e t i 州sg r e ys y s t c mt l l e o r y s u r m u n d i n gm c ks t a b i l i 够c l 篮s i 矗c a t i o n s c o n 慨c tt oa n i f i c i a ln e u r a l 眦帅旧r k s ，o t h 盯 m e m o d sh a v ev a r y i n gd 艇田so f l i m i t a t i o 璐，廿l cr e s u bo f t h er e l i a b i l i t ) ri s 北l a d v e l yw e a l 【 1 1 l i sp a p e rh 器b e e n 啦蝌e d 曲m t h c b pn e m ln e t w o r l c ，u s i i l g i 协c 啦b i l 耐t od e a l 嘶mn 0 | l l i n e a rp r o b l e m sc 王l a l t e f i s t i c so ft h es 眦。岫d i i l gm c ke g b b l i s l l i i l e n to fam o r e s t a _ b l es y s t 蹦lo f 硒辩s s m e n te v a j 删蛐m e m o d s t h cm a i nc o r l t e n t 勰f o i l o “i l g ： 1 a 删时o fc l a s s i f i 姐t i o nm e t h o dh 鹊b e e na n a l 弘e d ，w ea l s od oa n a l y s i st h c 妇鼬o r 蛐c he 脆c t 硷s u n 圳n d i n gr o c ks t a b m 毗 2 o nt 1 1 ep r o b l 锄吐m ti t ss l o ws p c e dt o 咒嘣a i l la n dd i 施c u n yt o 出瞳c f m i t l l eh i d d l a y e rs t r l l c t u 瞳o ft l 增c l 勰s i cb pn 印o r k ，ii i a v c 岫p r o v e dt h cb pa l g o r i t 量l l n 姗t l l o d sa n d i d 删匆h i d d c nl a ”rs c c t i o np o i n t s 3 p e r f o 咖姗c et 婶to fb pn e u r a l t w o r kh 鹳b c e na c h i e v e d ，a n dv i s u 俎i z a t i 傀 s u 玎o u n d i n gr o c ks t a b i l 时c l a s s i 丘c a t i o ns y s t 哪s b a s e do nb pn c u r a ln c t 、v o r kh 硒b e m c r e a t c d 4 o nt b i e 慨r y 姐dp r a c t i c e ，o nt l l eb a s i so fa i l 趾a l y s i so f 也ep i tm i l l i l l gj i n g g e z h u a n g s t l m ls t a b i l i 姆f 沁t o r s ，越ds o m ef e l e v a n td a t a 强sb 蛳c t e dkj 证g g e z h u 锄go f k a i l u ag 咖叩锄dt h e 蛔d e xs y s i c mh 黔b e e ni d e n t i f i c d 5 b p 啦ln e t w o r ks y 黜mh a sb e e nl i s e dt oe s t 西l i 幽s 诅b i l 畸e v a l u 撕叨m o d e l s ， w h i c hl l s e1 4s a l n m eg r o u p 衄d i l i l l gs 锄p i e st oh 试n e da n d7s a i n p l e s 嬲at e s ts 锄p l ei na m o d e lc e r t i f i c a t i m i l i 河j b 理工大学硕士学位论文 b e c 黜s o f tr o c ks l m u n d i n gm c ks 切b i l 时吣a r ec o m p l i c a t e d 龃dc l l a n g e a b l e ， a i l dh a v eag 他a tv a g n e s s ，i ti sv e i yd i 仿c u l tt ou o t h e rm e m d d st oa c h i e v es t a b i l i t y c l 鹤s i f i c a l i o n t h ct e s tr e s u l t si n d i c a t c st h e ma r em 趾yw a y st oe v a l l 脚et h e 豫i b i l 时o f t l l e s u f r o u n d i n gr o c kw h i c ：hh a v ed i f f b 姗tc o n s i d e r a t i o n h o wt os o i v et h e p m b l e m sb e t 把r ， b pn e u r a ln e t w o r kn e u 棚n e m o r km c t h o d s j l i s tc 缸a d d r e s st l l i si 鹳u ef 斌o n l yc 姐c 铂了 o u tp 删l dp r o c e s s i i l go fi l l f o m l a 舶l l ，b u ta l s oh a st h ec a p i 巧t os t 0 墙铲蛆dm 伽f y l e g e n do fa 臼a 蛐gm o d e lt od e t e 咖i n et h ei d e 砸f i c a l i o n 雠da d o 蛳o f 锄b i g i l i t y h o w l e d g 。nl mg o o dp r l 珊o t i o n a l 锄di n 衄o p e 豫b i l i 锣。t ku 踺o fb pn e u r a l 鹏撕。擅协 e v a l 嘲ts 协b i l 时o f s 哪l d i n gr o c ki sf b 鹞i b l e ，t h l 岫m a l e 她s l l l ti sa i i a b l e f i g 吡e1 5 ：t a b k6 ：鼬南r e n c e5 9 k e y w o r d s ：t u n n e ls 拄出i l i 吼 b pn n ， c l 器s 洒c a l i o n c h i m b o o k sc a t a l o g ：t d 踮 一i v 。 独创性说明 本人郑重声明：所呈交的论文是我个人在导师指导下进行的研究工 作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得 河北理工大学或其他教育机构的学位或证书所使用过的材料。与我一同 工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表 示了谢意。 签名：日期：弼年驴月媚 关于论文使用授权的说明 本人完全了解河北理工大学有关保留、使用学位论文的规定， 即：学校有权保留送交论文的复印件，允许论文被查阅和借阅；学 校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复 制手段保存论文。 签名： ( 保密的论文在解密后应遵循此规定) 导师签名：盔蜩 日期：2 递年兰月! 晤 引言 引言 近些年来，煤矿“五大”自然灾害中，巷道事故尤其是顶板事故，无论在矿井 生产还是矿井建设过程中都是多发性的事故，对矿井的安全生产，造成危害性极 大。因此，研究巷道围岩稳定性控制( 围岩稳定性分类) ，在煤矿生产中具有十分 重要的意义。随着煤炭科技的发展，世界上一些主要产煤国家。如前苏联、波兰、 德国等，均提出了他们自己的巷道围岩分类方案，并用作巷道支护设计规范的依 据。我国在巷道围岩稳定性控制方面也作了大量研究工作，取得了可喜的进展。 多年来许多专家学者对于人工智能方法如何在巷道围岩稳定性分类方面进行应 用，做了大量的研究工作，并取得了丰硕的成果。应用现代数学方法如模糊数学、 灰色理论等将稳定性分类定量化是巷道围岩稳定性分类一种重要的研究方法。就具 体方法而言，有线性加权平均模糊综合评判、模糊模式识别、模糊贴近度、灰色关 联分析及灰色聚类分析等这些方法在巷道围岩稳定性分类中得到广泛应用。但是这 些方法各有优缺点，目前尚未有公认的最佳评判方法。 近年来神经网络方法已应用于岩体结构类型及采场顶板安全等级的划分等方 面，与其它方法相比，神经网络方法在处理具有交叉性指标问题及划分结果的客观 性上具有明显的优越性。利用已训练好的网络进行围岩稳定性分类时，训练前对围 岩指标数据作同样预先处理，在此基础上建立了用于围岩稳定性分类的神经网络模 型，并通过工程实例验证了该方法的可行性和有效性。 然而，对于这种方法在采矿域的应用研究仍有许多缺点和不足。众所周知的基 于人工神经网络的巷道围岩稳定性分类法大部分是采用9 0 年代早期甚至是8 0 年代 的神经网络模型，如标准b p 神经网络模型，而改进的b p 神经网络模型应用的较 少。 随着电脑的普及和科学技术的发展，面向对象的程序设计方法已逐渐变锝流行 起来。 鉴于此，实现了面相对象的b p 神经网络设计，并建立了可视化围岩稳定性分 类的b p 神经网络系统。并以荆各庄矿为实例进行了验证，结果证明这种方法的可 行性。 河北理工大学硕士学位论文 1 绪论 1 i 围岩稳定性分类方法现状 为了适应我国煤炭生产的发展，加速巷道支护改革，提供巷道设计与支护的科 学依据，在进行了大量的理论研究，科学实验和现场调研的基础上，我国的采矿学 者提出了我国缓倾斜、倾斜煤层回采巷道围岩稳定性分类方案【l l ， 1 9 鼹年经 煤炭工业部批准在全国统配煤矿中试用，为我国煤矿巷道围岩稳定性分类提供了 个科学依据，并在以上工作基础上，对待分类巷道硇岩稳定性的类鄹迸行估计。对 围岩稳定性分类的研究，国内外学者做了大量的工作【2 】【3 】。 巷道固岩稳定性分类的目的在于恰当地评价巷道在所处围岩及应力环境条件下 巷道的稳定性程度，对不稳定巷道采取有效支护措施去减少巷道顶板事故以及片帮 事故的损失。现行巷道围岩分类方法主要集单指标法、多指标法和多因素综合单一 指标法等多种。 1 单指标分类法 典型的单指标围岩分类法有普氏分类法、岩芯质量指标r q d 分类法、以岩体弹 性波为基础的综合分类法和岩石结构权值分类法等，它们的共同特点是未考虑原岩 应力的影响，不能全面反映围岩稳定性。 1 ) 普氏围岩分类法1 4 1 嘲 普氏围岩分类法是典型的单指标岩石分类法，其表达式如下： ，2 l o ( 1 ) 式中： 置c 岩石的单轴抗压强度，m p a 。 普氏分类法将厂 7 为硬岩。由于 该方法指单，能直观地反映岩石的强度特性，方法简便，5 0 7 0 年代曾在我国矿 山开采和各种地下工程中广泛应用，至今浅埋工程中仍然在应用。 2 ) 岩芯质量指标五q d 围岩分类法【6 】 美国的迪尔( d e e r e ，d u ) 等人于1 9 6 7 年提出，根据钻探时的岩心完好程度来判断 断岩体的质量，对于岩体进行分类。这种分类法是以在钻探过程中长度超过1 0 c m 的岩芯总长度与钻孔长度之比冠q d 作为评价岩体质量的指标。 一2 l 绪论 r d d ：娶1 0 0 ( 2 )r d d = 丝1 0 0 ( 2 ) 三 式中： 卜岩芯单节长度，c m ； 工钻孔长度，c m 。 r 9 d 可以反映岩体节理裂隙的发育程度对围岩物理状态的评价具有参考价 值。r 9 d 指标在钻探过程中可顺便获得方法简便定量容易应用较广。但是矗q d 值没有考虑节理的方向、密实度和充填情况，对原岩应力的影响也同样未能考 虑。所以用r q d 值单独评价围岩的支护难度存在较大误差。 3 ) 以弹性波为基础的围岩分类法 由于弹性波速度对岩体节理裂隙反应敏感，所以可用它来评价岩体的整体性。 岩体完整性系数胁、可用下式表示： 勋= 】2 ( 3 ) r 芦 式中： k 岩体声波速度，i r 以： y 0 岩块声波速度，m s 。 这种分类法的实质是用岩体与岩块弹性波速度的差异来定量评价岩体强度。它 充分考虑了结构面对岩体强度的影响。这种分类法的优点是既简便，又有定量数 据曾在国外获得较广泛的运用。但原岩应力因素等仍是匿岩分类的官点，因而近 年来并不主张用弹性波速惟一指标的这种分类法，而是将其作为围岩分类的一个指 标。 4 ) 岩石结构权值( 兄踩) 围岩分类法 岩石结构权值分类法主要考虑地质参数和结构参数两大医素。媳质参数包括： 岩石类型，节理形态( 平均节理间距) ，节理方向( 倾向与走向) ，不连续面类 型，大型断层、剪切面及褶皱，岩石材料特性，风化变质程度；结构参数包括：巷 道断面尺寸，掘进方向、方法。船r 通过累计每个参数的数值得到。 这种分类法考虑的因素过于复杂，有些参数很难获得；进行权值分配时，带有 主观性，实际应用中有不少困难，而且没有考虑围岩应力的影响。因此只能适用于 浅埋隧道。 2 多指标分类法 3 河托理工大学硕士学位论文 围岩稳定性分类是为巷道支护设计服务的。多指标分类法除考虑岩体强度及结 构面特征之外，还考虑了原岩应力的影响。 多指标分类法有岩体质量系数q 分类法，围岩稳定性指数分类法，锚喷支护围 岩分类法，工程岩体分级标准围岩分类法和煤矿巷道松散岩层围岩分类法等。 1 ) 岩体质量系数q 围岩分类法 岩体质量系数q 分类法全面考虑了影响地下工程围岩稳定的因素，提出用一个 综合指标q 来反映各因素的综合作用，并根据观测资料建立分类表。q 的表达式为 q _ 【警】【扣盖】( 4 )j nj nb k 式中： 勘节理组数； 西节理粗糙度： 砌节理蚀变程度： j 伽裂隙水影响系数； 髓原岩应力影响系数。 这种分类法涉及的资料多数基于地质调查，考虑了应力场状况，使其分类科学 性提高了一步。但由于分类涉及的因素太多，而且其指标的确定又具有较大的随意 性，因而这种方法在实际应用中受到了限制。 2 ) 围岩稳定性指数分类法 围岩稳定性指数为自重应力与岩石单向抗压强度之比。其表达式为 s o c ( 5 ) 式中： s 岩稳定性指数； h 自重应力，m p a ； 岩石单向抗压强度，m p a 。 s ，其中 ，表示样本被考虑的第，个因素，v ，表示样本 评判为_ ，级。因素权重集表示为一= 口l ，口： ，代表各因素对岩体的影响程 度，可从统计资料中或由专家分类获得，它满足口。= l 及口。o 。 又设样本x 第_ ，个因素的单因素评价为r ，= ( 0 ，0 ：，。) ，可得m 个因素 的总评价矩阵： 置= l，1 2 r 2 1 l2 式中： 月因子集u 到决断集y 的一个模糊关系； 因子“。对v ，的隶属度。 再由一和r 做模糊复合变换，得综合评判口= 一r = ( 6 l ，6 2 ，以) ，其 中6 f 2 叱+ ( 口，一0 ) ，扩，n + 是v ，n 运算的一种推广，下面是常用的四种运算方 法列表，见表1 。 一8 一 l 绪论 囊1 模糊运算方法 t a b l c lf u z 珂o p e 嘲i 硼m e t t m d 运算符号运算法则备注 ( v ， )口v 6 = m 驭 口，6 口 6 = m a x 仁，6 主因素决定型 ( v ， + ) ( v ，q口v 6 = m a x 缸，6 口6 = 口6 主因素突出型 ( 。，n )口0 6 = m j n 妇+ 6 ，1 ) 口 6 = m i l l 口，6 主因素突出型 ( 。，)口。西= m i n 妇+ 良1 口6 = 口6 加权平均型 模糊数学分类法的优点是它把模糊的概念引进了围岩分类中，这似乎更符合实 际情况，因为表征岩体质量的各个数据指标( 特征值) 的变化具有连续性，它给出 某段岩体在某种程度上属于哪一类岩体，这实际上体现了岩体质量的动态分级。其 缺点是存在着隶属度、权值难以确定，评判模型选择不同影响评判结果等缺陷。 6 灰色理论用于岩体分类1 1 4 j 自我国著名学者邓聚龙先生于1 9 8 2 年创立灰色系统理论以来，灰色系统理论的 应用已渗透到了科学技术研究的各个领域，在岩石分类中也有了较大的应用。灰色 理论用于岩体分类实质上用的是灰色关联分析原理。 设岩体分类指标有州个，分类级别为c 个，样本肼个指标数值向量为工= ( 五， x 2 一，靠) ，分类标准第厅类指标值向量为k = ( 儿l ，乩2 ，) ( y 1 ，y 肿可由各单因素在各等级中的中值获得) 。则x 与k 第f 个分类指标 的绝对差为 ( f ) = i x ( f ) 一魏( 叫，样本向量了与标准向量e 在第f 个指标的近似程度 可用关联系数表示为： 2 雩筹署 式中： n p 呼n 一( f ) 为两级最小差； i 。警m a ( 矿为两级最大差； p 分辨系数，取值范围( o ，1 ) 。 若分类指标权重为缈= ( 暇，h - ) ，则样本x 对第 类的关联度为： “( x ，n ) = w i 卣( 墨炸) ( 1 0 ) - 9 一 河北理工大学硕士学位论文 比较样本与各级别标准向量关联度的大小，即可判断出岩体的所属类别。 岩体分类问题属于多因素评价归类问题，由于岩体的复杂性、各分类因素影响 关系的不确定性，以及测试内容和评价标准的非唯一性，都给工程岩体质量的定量 评价和分类带来困难，雨灰色理论能很好的解决这些问题。 岩体稳定性分类从产生至今己取得了极大的发展，但还有很多难题一直都未能 彻底解决，如分类因素如何选取问题，岩体稳定性和各因素问函数关系问题( 或用 何种方法对该函数进行逼近问题) 等。传统的分类法一般都是通过对大量数据进行 回归分析，聚类分析等统计方法来求得分类模式，应用起来比较麻烦，且得出来的 结果普适性也不是很好。模糊数学和灰色理论在岩体分类中的应用满足了特定工程 往往要求专门的分类模式的要求，但其准确性和使用的简便性尚待商榷。而人工神 经网络韵出现和广泛应用，使岩体的稳定性分类又多了一种简便途径。 1 2 神经网络的发展概况及应用于囤岩分类 人工神经网络( 简称神经网络) 的研究始于2 0 世纪4 0 年代，当时美国神经网 络学家w a 蛐m c c l m o c h 和数学家w a h 盱p i t c s 著文指出，脑细胞的活动象断通开 关，这些细胞可以按各种方式相互组合，进行各种逻辑计算。这给人工神经网络的 发展提供了理论基础。到了5 0 年代，随着计算机硬件和软件的进步，迎来了计算机 模拟的时代，这使得有关神经系统功能的理论可以进行模拟实验，拓宽了研究的路 子。在随后的十几年间，先后出现了多种重要的感知器模型( 神经网络的简单形 式) 。b 啪a r dw i d r o w 和m a r c i 锄h a f f 的自适应线性单元( a d a l 玳e ) ( 1 9 5 7 ) 网络模型就是其中的一种。和a d a i e 模型相对应得学习算法是w i d r o w h a f f 算 法，网络通过训练后，可成功地用于抵消通信中的回波和噪声，也可用于天气预 报，成为第一个用于实际问题的神经网络。而后，随着r d s e n b k i t t 模型( 1 9 6 2 ) 和 s t e p h e ng r o s s b e r g 的a v a l a 眦h e 模型( 1 9 6 7 ) 的提出，把人工神经网络的研究推向第 一次高潮。 神经阿络的真正大发展是在8 0 年代以后。随着h o p f i e l d 和b p 等模型的提出， 神经网络取得了前所未有的成功，在此期间，g r o s s b e r g 对神经网络进行了严格的数 学分析，h o p f i e l d 也对他的网络引用了物理力学的分析方法，再加上多层网络训练 问题的解决和统计训练方法的引入，所有这些都给神经网络增添了新的活力。进入 9 0 年代以后，神经网络日益发展完善，使它在许多领域都得到了广泛的应用。目 前，神经网络己涉及人工智能、认知科学、神经科学、图像处理、语言学和控制学 1 0 1 绪论 等领域。尤其是神经网络与模糊数学的结合，在智能控制和非线性系统的仿真方面 己显出了数字计算机所无法比拟的优越性。 误差的反向传播算法( b a c k p m p a g a t i o n ，缩写为b p ) 是神经网络学习算法中最 有影响的算法之一，它的提出和完善不但解决了前人设想的多层网络的学习问题， 而且极大地推动了多层前馈网络理论与应用研究的深入和发展。用b p 算法进行学 习的网络俗称b p 网络。b p 算法本质上是一种梯度下降法，收敛速率慢是这类算法 的主要问题。近年对b p 网络的研究也主要集中在为提高其性能而对算法的改进 上，当然在其他方厩如网络的应用条件研究和网络结构的构造研究上发展也很快。 对传统梯度下降法的修正和改进目前主要采用两种方法：一是修正下降方向，如共 扼梯度法、d a v i d o n - f l e t c h 小p o w e u 法等；二是修正增量步长，如j o b s 的冲量法、 自适应学习率法等。 在进行各种地质工程建设中，都要遇到大量的地质数据，由于客观或主观的原 因，这些数据信息大都具有很大的模糊性和随机性，要对这些数据运用常规的数学 手段进行处理，难度相当大，处理结果也可能不大符合实际情况。且可供分析选择 的变量个数也很多，各变量间的关系又错综复杂，往往事先难以确定他们间的相互 关系。一般的做法是只能在提出若干假设的前提下，建立一简化的数学模型，即假 设所研究的变量间有某种线性或非线性关系。显然这种假设是没有严格的理论指导 的，而只是一种经验的推则。 神经网络通过简单的线性或非线性函数进行数次复合。可以近似任意复杂的函 数。它通过大量的样本训练，反复地调整权值，可建立输入变量与输出变量之间的 非线性关系。它不用建立明确的数学模型，不用显式地表示出地质变量之间的关系 ( 由于各种原因，要明确地表示这种关系往往是不可能的) ，只需通过神经网络就 能“隐式”地表示出各变量间的关系。这极大地方便了地质工程数据的处理。 地下工程围岩稳定性分类是进行工程建设和制定相应的工程措旖的重要依据。 围岩稳定性受许多因素控制，与各因素间呈复杂的非线性映射关系；且各因素问关 系又错综复杂，具有很强的模糊性和随机性。这正好适合用神经网络来处理。围岩 分类问题也即模式识别问题( 一种广义的函数映射关系) ，用神经网络来处理可以 克服用统计方法结果相对粗糙的弱点，又不受试验条件的限制，操作简单方便，有 较好的经济效益。 人工神经网络现正值蓬勃发展阶段，它在各个领域取得的巨大成功令人瞩目。 也正因为它处于发展阶段，其不成熟的地方也一样令人注目，如对特定的问题，按 河北理工大学硕士学位论文 何种规则构造网络拓扑结构为最优；作为广泛应用的多层前向b p 网络，其隐层层 数和隐层单元数该如何确定，该对b p 学习算法作怎样的改进才能使网络收敛较快 和避免收敛于局部极小点等。所有这些问题的解决，都将对人工神经网络的发展起 到极大的推动作用【l 辄1 6 1 【。 在我国，人工神经网络用于地质工程数据分析是近几年来的事情，但发展非常 迅速。有很多人( 如冯夏庭等) 在这方面做了许多工作，但大多数都是试探性的。 如要充分发掘人工神经网络在这方面的潜能，还存在很多方面的不足，有待于更深 层次的研究。 1 3 本文研究内容及研究方法 1 3 1 研究内容 1 巷道围岩稳定性影响因素分析及分类指标确定： 2 神经网络的性能分析及改进： 3 巷道围岩稳定性分类的神经网络模型的建立、训练： 4 应用开滦荆各庄煤矿巷道围岩实测数据对模型进行验证。 1 3 2 研究方法 1 在理论和实践的基础上对影响开滦荆各庄巷道围岩稳定性的因素进行分析， 确定分类指标； 2 采用经验公式确定b p 神经网络模型隐层结点数，找出最佳的神经网络分类 模型结构； 3 采用v b 6 o 进行编程，实现巷道围岩稳定性分类的可视化b p 神经网络系 统。 4 以唐山开滦荆各庄矿为例，对此方法进行了验证。 2 软岩巷道围岩破坏类型和影响巷道围岩稳定性因素分析 2 软岩巷道围岩破坏类型和影响巷道围岩稳定性因素分析 2 1 软岩巷道围岩破坏类型 巷道围岩由于开挖应力重新分布雨出现变形，在一定条件下，变形发展导致巷 道围岩破坏失稳。国内外曾有许多学者和研究单位从事过围岩破坏形态和机理的研 究。例如普氏，康姆瑞尔( k 蚴l l o ) ，勒布希维兹( r a b c e 、 ，i c z ，l v ) 和 费特( f e d c r ，g ) ，霍尹尔( h e u c r ，& e ) 和亨德仑( h o n 出d n ，a j ) 等，以及 我国解放军某部队、铁道科学院西南分院等。然而，目前还缺少系统论述围岩破坏 类型的分类法。 围岩破坏形态多种多样而且在围岩的不同部位不同破坏阶段，其破坏机理也 不相同。下面按破坏形态、破坏过程及其成因，大体划分成如下六类围岩破坏类 型。 1 局部落石破坏 即使在稳定的围岩中，也不能捧除围岩中出现局部的落石，这种破坏主要是由 地质和施工原因造成的。例如岩体结构面和临空面的不利组合、结构面的风化潮 解，施工中的爆破松动作用，以及开挖面的不规则形状等。就其受力原因来说，落 石破坏主要是由于围岩自重所造成，围岩应力属次要因素，一般情况下，围岩应力 还有利于阻止落石形成。就其破坏部位来说，主要位于洞顶，其次位于两侧。其破 坏形式表现为岩块沿弱面拉断或滑移，落石坍落或滑落。 2 拉断破坏 围岩由于受拉而出现的破坏称为拉断破坏，这种破坏在抗拉强度极低的土体、 破碎岩石和软弱面结构中更容易产生。围岩拉断破坏一般具有拉裂破坏和折断破坏 两种形式。 当侧压系数球l 时，因为在顶部最易出现拉应力，并在围岩自重作用下因径向 受拉而出现冒顶塌落。这种破坏主要发生在顶部平缓的巷道中因此矩形和梯形断 面的巷道容易出现拉裂破坏。由于拉裂是沿结构面发生的，所以冒落的形状是不规 则和不光滑的。 当玲l 时，巷道两侧虽然处于受压状态，但对脆性岩石或垂直节理发育的岩 体，在垂直压力作用下。围岩侧壁可能会出现垂直向拉裂。 1 3 河北理工大学硕士学位论文 围岩折断破坏是拉断破坏的另一种表现形式。它主要出现在层状岩体中。当巷 道顶部和底部有水平成层的岩体时。则往往出现向下或向上的挠曲折断破坏；当巷 道侧壁有垂直向层状岩体时，则侧壁容易出现凸帮折断破坏。尤其是薄层岩体，最 易出现折断破坏。 3 重剪破坏 围岩沿弱面破坏，除表现为上述局部落石破坏和折断破坏外，还常表现为重剪 破坏。所谓重剪破坏是指由于弱面中的剪应力超过弱面抗剪强度而造成的剪切破 坏，此时岩体中的剪应力尚未超过岩石抗剪强度，所以破坏只沿着弱面发生。因此 重剪破坏主要出现在岩性坚硬、弱面发育的岩体中。重剪破坏与落石破坏不同，它 主要是由围岩应力引起的，因此破坏部位受原岩应力场及弱面强度、密度、方位和 组数支配。破坏范围要比落石破坏范围大得多。围岩自重对重剪破坏也有作用，尤 其当围岩中夹有软弱夹层和破碎带时，由自重引起的破坏范围还可能很大。 4 剪切破坏与复合破坏 剪切破坏是弱岩围岩中最常见的破坏形式。在高应力作用下，坚硬完整的岩体 也会出现这种破坏。 永1 时，围岩中剪切破坏出现在巷道两侧，它是围岩出现严重片帮、冒顶的第 一阶段。侧壁剪坏后，若不采取有效的支护措施，则随着洞形的恶化，破坏就会从 侧壁发展到顶部，出现拉断或新的剪切破坏，被称为复合破坏。现场观察和模型试 验表明，岩性不同复合破坏形式也不同。对于脆性岩体，围岩最终破坏往往表现为 严重片帮、冒顶；而对于流变性岩体，围岩破坏则主要表现为围岩从四周向洞内蠕 动。前者称为冒落型破坏，后者为挤压型破坏( 或压缩型破坏) 。 5 岩爆破坏 岩爆是围岩的一种特殊破坏形态，表现为开挖围岩岩体被突然抛落。产生岩爆 的原因是岩体内储存的弹性能被突然释放。因此产生岩爆的条件必须是岩体中应力 超过强度且受力后大部分能积聚成应变能。岩爆是岩体中积聚的应变能突然而猛烈 地全部释放时的脆性断裂( 拉裂和脆性剪断) 。如果岩体具备某种形式的塑性应 交，能使应变能逸散，虽然处于高应力作用下，也不会发生岩爆。通常在埋深较大 的采矿巷道和整体较好的脆性岩体中，最易出现岩爆现象。但埋深并不是发生岩爆 的必要条件，在埋深不大的巷道中，只要积聚岩体弹性能，并能突然释放，都可能 出现岩爆现象。 6 潮解膨胀破坏 1 4 2 软岩巷道围岩破坏类型和影响巷道围岩稳定性因素分析 潮解膨胀破坏是由于围岩遇水而引起的破坏，表现为岩体软化崩解或强烈膨 胀。但某些潮解膨胀岩体在天然状态下含有很高的水分，尤其是在地下水位以下的 膨胀性岩体，只要不发生风干脱水作用，在水的作用下不会发生膨胀变形，表明风 干脱水对形成围岩潮解膨胀的重要作用。 潮解膨胀岩层的主要岩石类型由泥岩、粘土岩、页岩、凝灰岩、泥灰岩和硬石 膏等。膨胀性岩层含有大量的活动型矿物蒙脱石，吸水后可扩大体积几倍到几十 倍，因而具有强烈的膨胀性。 潮解膨胀岩层具有流变性，易风化潮解、遇水泥化、软化而丧失围岩强度。加 速支护，尽快封闭围岩，这是防止潮解膨胀破坏的有效措施。 2 2 影响巷道围岩稳定性因素分析 通过以上关于围岩变形和破坏的分析可以看出，影响巷道稳定性及围岩压力的 因素很多，主要分为两个方面：自然因素和工程技术因素。 2 2 1 自然因素 1 巷道埋深 巷道埋深是确定巷道围岩稳定性的基本因素之一，直接决定自重应力的大小。 当巷道围岩处于弹性状态时围岩变形量不大。围岩变形量与自重应力即巷道埋深 成线性关系。对于圆形巷道，当属岩应力超过极限状态产生塑性变形甚至围岩破坏 时，围岩变形量与自重应力成幂指数关系。总之，随着矿井开采深度的加大，岩体 强度明显降低，围岩移近量将不断增加。由于采深增加，巷道周边的集中应力超过 了围岩的自身强度，致使巷遵变形加劂，巷道周边塑性区范囝扩大，从雨使巷道塑 性区范围内岩石内聚力和内摩擦角迅速下降，引起巷道失稳。此外，巷道埋藏深度 增加，使地湿升高。而温度升高会促使岩焉由脆性向塑性转化，也容易使巷道围岩 产生塑性变形。因此，巷道维护更加困难。 2 ，围岩强度 岩石块体自身质量的好坏表现在它的强度、变形和均一性方面，其中强度是虽 主要的所以围岩强度是决定巷道变形与破坏的主要因素。存在软弱岩石或膨胀性 岩石的巷道，不仅变形与破坏的速度加快，而且变形与破坏的形式也趋于多元化。 统计资料表明，在一5 0 0 m 水平以下，软岩巷道的破坏率占5 6 ，而在所有变形破坏 巷道中，软岩巷道占8 4 。 - 1 5 河北理工大学硕士学位论文 由于岩体强度和变形特性测量技术的复杂和昂贵，所以一般都以岩块强度和变 形特性来表示岩石质量。为了方便使用，我们用两种方法表示围岩强度，即单轴抗 压强度法和普氏系数法。 3 地下水 地下水对围岩质量的影响，主要是促使围岩的工程性质发生变化，通过水力 的、物理的及化学的作用形式实现，地下水活动对围岩的影响表现在： 1 ) 增加围岩支护结构上的支承压力； 2 ) 使围岩强度降低，造成围岩变形或失稳破坏； 3 ) 长期作用可加速围岩的溶蚀； 4 ) 可能产生渗漏泉涌，影响巷道的正常使用。 巷道围岩中含水较大时，将会加快和加剧巷道的变形和破坏。对于节理发育的 坚硬岩层，水使受节理剪切的破碎岩块之问的摩擦系数减小，容易造成个别岩块滑 动和冒落。同时，岩石受水后普遍有软化现象，使其强度降低。对于泥质类软岩， 遇水后会出现泥化、崩解、膨胀、碎裂等现象。从而可造成围岩产生很大的塑性变 形。 4 岩体的完整性 岩体中因原生或后期构造变动、风化作用等形成的各种软弱结构面，经常是造 成巷道围岩失稳的主要原因。例如经长期风化或地下水作用，结构面充填有水理作 用差的粘性土、经变形揉碎的糜棱岩、破碎带和软弱夹层等，最易引起围岩失稳。 因此应先注意对结构面的类型及特征进行分析。此外，结构面形状、结构面的组数 和阃距、张开程度、充填特征和结构面的糖糙程度等都影响围岩的稳定 岩体工程性质的好坏，在很大程度上取决于受到各种地质因素和地质条件影响 而形成的各种软弱结构面( 即节理) 和其间的充填物。以及它们本身的空间分布状 态，包括结构面的组数、间距及岩体单位体积中的节理数( ) 。它们直接削弱了 围岩的稳定性，所以围岩的完整性指标是表征围岩工程性质的重要参数 5 围岩地应力 围岩地应力包括自重应力、构造应力和采掘应力三部分。自重应力由围岩体的 自重所引起的，可以用，。表示，z 为上覆岩层的平均容重，基本上可以认为是常 量。因此，自重应力可以用巷道埋深表示。由于构造应力难于测量和确定它对围 岩稳定性的影响程度，可不予考虑。 6 岩层倾角 - 1 6 2 软岩巷道围岩破坏类型和影响巷道围岩稳定性因素分析 岩层倾角不同，巷道受压强度和方向不同，巷道变形与破坏的特征不同。通常 在缓倾或水平岩层中的巷道，顶板多出现对称性下沉，而两帮变形均匀。在倾斜或 急倾斜岩层中的巷道则常出现非对称式变形与破坏，且两帮变形比顶板变形量大。 7 时间的影响 由于许多岩石尤其是软岩具有流变性，所以即使巷道处于不变的静载荷作用 下，随时间的增长变形也会缓慢地增加。当岩石流变到一定程度时，围岩原有的承 载结构被破坏，巷道变形随之会加剧。 2 2 2 工程技术因素 1 巷道断面 巷道断面的大小与巷道围岩变形量有密切关系。即巷道宽度增加，顶底板移近 量增加；巷道高度增加，两帮移近量也增加。 2 巷道布置 巷道布置于采动影响带，受采动影响，巷道变形明显加快。而巷道受初次采动 影响产生的变形又明显比受二次采动产生的变形大。 3 巷道爆破方式 采用钻眼爆破破岩，爆轰波对围岩具有一定的破坏作用。尤其对软岩，放炮产 生的爆轰波，可使围岩产生l 1 5 m 的松动圈，直接破坏了围岩的整体结构，降低了 围岩的强度。 4 支护方式与支护结构 该矿深部巷道采用以下三种支护方式：砌碹支护、锚喷支护和马蹄形棚喷混凝 土联合支护a 从现场情况看砌碹巷道比锚喷巷道破坏率高，单一支护巷道比联合 支护巷道破坏率高，一次支护成巷又比二次支护成巷破坏率高。 1 7 河北理工大学硕士学位论文 图l 巷道稳定性影响因素分析 f i 9 1a n a l y s i so f 雠岫也a te 胁s t a b i 姆o f 删lr o c ko f l 锄删a y - 1 8 3b p 神经网络概念及原理 3b p 神经网络概念及原理 3 1b p 神经网络 人工神经网络是8 0 年代之后迅速发展起来的一门新兴学科。它是模仿生物神经 系统的信息传递和反射功能来获得处理事物的“智能”的一种信息处理系统。美国 神经网络学家i k h tn i e l s 曾为人工神经网络给出以下定义：人工神经网络是由多 个非常简单的处理单元彼此按某种方式连接而成的计算机系统，该系统是靠其状态 对外部输入信息的动态响应来处理信息的。可见人工神经网络的信息处理功能是依 靠计算机的强大处理能力来实现的，但它又不同于一般的计算机系统。它没有预先 确定的、串行的运算操作，也没有确定的存储器。它由许多互连的简单处理单元组 成，学习达到平衡后。由各个神经元的权值组成的整个网络的分布状态，就是所求 的结果。网络学习的过程也就是各神经元权值的调整过程。 人工神经网络( a n i f i c 蛐n c u r a ln c t 、一r o r k s ，a n n ) 是对人类大脑系统的一阶特 性的一种描述，是由大量的处理单元通过适当的方式互连构成，是一个大规模的非 线性自适应系统。1 9 8 8 年， k h t _ n i e l s 曾经给人工神经网络下了如下定义：人工 神经网络是一个并行、分布处理结构，它由处理单元及称为连接的无向信号通道互 连而成( p m c e s s i n ge l e m e n t ，p e ) ，具有局部内存，并可以完成局部操作。每个处 理单元有一个单一的输出连接，这个输出可以根据需要分支成希望个数的许多并行 联接，且这些并行联接都输出相同的信号，即相应处理单元的纤毫，信号的大小不 因分支的多小而变化。处理单元的输出信号可以是任何需要的数学模型，每个处理 单元中进行的操作必须是完全局部的。也就是说，它必须仅仅依赖于经过输入联接 到达处理单元的所有输入信号的当前值和存储在处理单元局部内存中