软岩巷道变形灰色神经网络预测模型及应用

摘要

巷道围岩的变形综合反映了开挖引起围岩形态的变化，是判断巷道稳定性最直观的依据。根据现场监测到的历史变形位移值，运用变形预测理论进行建模以对其未来演化规律、发展趋势进行预测，可以及时掌握巷道的变化规律，并根据需要采取必要的控制措施，以最小的代价保证工程的稳定与安全。 本文以云南恩洪煤矿软岩巷道作为研究背景，首先分析了巷道失稳原因，论述了巷道变形失稳的力学机制；并根据围岩的变形监测数据，绘制收敛时间变化曲线图，观察围岩收敛的发展趋势，评价巷道围岩的稳定状态。 其次论述了灰色系统模型和神经网络模型的建立、模型的特征及其建模过程；研究了两者组合的灰色神经网络GNNM(1，1)模型及其优化GNNM(1，1)模型的方法和学习算法。 最后利用MATLAB进行编程，结合恩洪煤矿软岩巷道的历史监测数据，建立最优灰色神经网络GNNM(1，1)模型，并对巷道后期的变形进行预测，将预测值与实测值进行误差对比，分析结果表明GNNM(1，1)模型在预测软岩巷道变形时优于GM(1，1)模型和BP神经网络模型，精度高，误差小，与实测值更接近，能满足实际的需要，具有广阔的工程应用前景。

目录

文摘

英文文摘

声明

绪论

1.1选题背景和研究意义

1.2软岩研究现状及发展方向

1.2.1软岩的研究现状

1.2.2软岩的研究发展方向

1.3软岩的主要研究方法

1.3.1试验方法

1.3.2理论分析方法

1.3.3模型方法及监测技术

1.3.4反分析方法

1.4变形预测理论研究现状

1.4.1传统模型预测方法及数值分析方法

1.4.2时间序列分析

1.4.3灰色理论

1.4.4神经网络预测

1.5本文的主要研究内容

2软岩巷道变形规律

2.1巷道围岩地质概况

2.1.1巷道围岩地质条件

2.1.2巷道节理裂隙调查

2.1.3巷道岩体质量分级评价

2.2巷道变形破坏特征

2.3巷道变形规律

2.3.1围岩的岩性

2.3.2软岩的强膨胀性

2.3.3巷道布置方式

2.3.4地应力的作用

2.3.5温度变化及空气风化作用

2.3.6采动的影响

2.4本章小结

3基于软岩巷道变形监测预报方法研究

3.1概述

3.2灰色系统理论

3.2.1灰色系统理论主要内容与基本原理

3.2.2灰色序列的生成

3.2.3灰色系统理论数据处理的基本方法

3.2.4灰色模型的建立

3.2.5 GM(1，1)模型

3.2.6 GM(1，1)模型的适用范围

3.2.7 GM(1，1)模型的特点

3.2.8 GM(1，1)模型的改进

3.3神经网络模型与预报研究

3.3.1概述

3.3.2 BP网络的结构

3.3.3 BP网络学习规则

3.3.4 BP网络的设计

3.3.5 BP网络的不足与改进

3.4滚动预测

3.5灰色神经网络模型

3.5.1问题的提出

3.5.2 GM(1，1)模型与人工神经网络的组合

3.5.3最优组合灰色神经网络预测模型的建模

3.6本章小结

4软岩巷道现场监测及结果分析

4.1软岩巷道现场监测的目的和意义

4.2巷道软弱围岩变形监测

4.3巷道软弱围岩变形监测数据分析

4.4恩洪煤矿软岩巷道围岩稳定的判据及状态识别

4.4.1有关规范的判据

4.4.2其它判据

4.4.3围岩稳定性分析

4.5本章小结

5工程应用实例

5.1中期预测

5.1.1应用GM(1，1)模型对顶板变形进行中期预测

5.1.2神经网络中期预测过程

5.1.3最优灰色神经网络模型预测

5.2后期预测

5.3本章小结

6结论

6.1结论

6.2展望

致 谢

参考文献

附 录