CN112329255A - 基于倾向度和未确知测度的岩爆预测方法 - Google Patents
基于倾向度和未确知测度的岩爆预测方法 Download PDFInfo
- Publication number
- CN112329255A CN112329255A CN202011267682.4A CN202011267682A CN112329255A CN 112329255 A CN112329255 A CN 112329255A CN 202011267682 A CN202011267682 A CN 202011267682A CN 112329255 A CN112329255 A CN 112329255A
- Authority
- CN
- China
- Prior art keywords
- index
- rock burst
- rock
- tendency
- stress
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000011435 rock Substances 0.000 title claims abstract description 105
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims abstract description 49
- 239000011159 matrix material Substances 0.000 claims description 7
- 239000013598 vector Substances 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 4
- 230000000996 additive effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000005065 mining Methods 0.000 abstract description 14
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 238000004146 energy storage Methods 0.000 abstract description 2
- 238000013178 mathematical model Methods 0.000 abstract description 2
- 238000009826 distribution Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012067 mathematical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001687 destabilization Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于倾向度和未确知测度的岩爆预测方法,根据岩爆预测理论和特点,及其与岩性、地应力、岩体储能之间的关系,建立了以围岩切向应力系数σθ/σc、强度度应力比σc/σ1、弹性能量指数Wet、弹性应变能We作为岩爆灾害等级评价指标的预测数学模型;提出岩爆倾向度概念确定权重,并结合未确知测度理论,在参考岩爆分级标准基础上,对矿区不同深度岩体进行岩爆倾性预测,得出‑530m至‑550m水平开采时,岩爆倾向较高,为中等岩爆,为矿山安全生产和岩爆治理提供科学的参考。
Description
技术领域
本发明属于地下矿山岩爆灾害预测技术领域,具体涉及一种基于倾向度和未确知测度的岩爆预测方法。
背景技术
目前对岩爆发生机制的研究主要由理论分析与现场探测结合的方法。其理论研究主要有强度理论、刚度理论、能量理论、失稳理论、突变理论以及断裂损伤理论等,并确定了相应的岩爆判据与岩爆分级标准,最常见岩爆判据主要有应力判据、能量判据、临界深度判据等。但由于岩爆发生具有突发性、不确定性等特点,学者们大多应用数学方法与实际工程相结合的方法进行岩爆灾害预测研究,如模糊数学综合评价法、粒子群算法、神经网络算法、支持向量机法、AHP-TOPSIS评判法等。这些数学方法在指标评价分析中发挥了积极的作用,其中有些方法在指标权重确定问题中存在一定的不足,如层次分析法主观性较强;模糊数学综合评判法过度强调极值作用,易忽略有效信息;熵权法依赖于指标变异程度,数据较少的情况下偏差较大;神经网络受样本的容量影响较大。
发明内容
本发明的目的就是针对深部开采岩爆频发影响矿山高效生产这一难题,提供一种保证矿山采场和巷道施工的正常进行、从而提高矿山企业生产的安全性和高效性的基于倾向度和未确知测度的岩爆预测方法。
为实现上述目的,本发明所设计的基于倾向度和未确知测度的岩爆预测方法,包括如下步骤:
1)确定应力指标值体系
根据数值模拟得到不同水平采场及周边围岩的最大主应力σ1指标值、切向应力σθ指标值和弹性应变能We指标值,并将这三项指标值和室内试验所测得的单轴抗压强度Rc指标值和弹性能指数Wet指标值结合,计算得到围岩切向应力系数σθ/σc指标值和强度应力比σc/σ1指标值,即应力指标值体系包括最大主应力σ1指标值、切向应力σθ指标值、弹性应变能We指标值、单轴抗压强度Rc指标值、弹性能指数Wet指标值、围岩切向应力系数σθ/σc指标值和强度应力比σc/σ1指标值;
2)构建评价对象的评价指标体系
令不同深度岩爆对象空间为R,若R中的任一样本集Ri(i=1,2,…n) 与m个影响因素M1,M2,...Mm有关,记集合M=(M1,M2,...Mm)为指标集;并选取步骤1)应力指标值体系中的围岩切向应力系数σθ/σc指标值、强度应力比σc/σ1指标值、弹性能量指数Wet指标值和弹性应变能We指标值作为岩爆灾害等级的评价指标体系;
3)对样本集进行分类
将样本集按研究对象特征分为k类,组成分类集 U={C1,C2,…,Ck},其中Ck为岩爆评价指标的第k个等级,且高于第 k-1个等级,即Ck>Ck-1;
4)确定未确知测度函数和单指标测度矩阵、确定岩爆倾向度
根据单指标测度函数定义及评价指标体系中各评价指标的分类等级计算各评价指标的未确知测度函数和评价对象的单指标测度矩阵;
5)计算多指标综合测度
令wik=p(Ri∈Ck)为待评价样本Ri属于第k个岩爆评价等级Ck的程度,则可由公式(3)求得多指标综合测度:
6)确定评价对象所属等级
设λ为置信度且若C1>C2>…>Ck>…>Cp、λ≥0.5,且
则判定岩爆评价对象Ri为第k0评价等级,判定岩爆评价对象等级后,对岩爆倾向性大小进行顺序排列;
7)预测结果
如果C1>C2>…>Cp,令Cl的分值为Il,则Il>Il+1,且有
记qRi为评价因素Ri未确知重要度,称q={qR1,qR2,…,qRi}未确知重要度向量,按其大小对其岩爆灾害倾向性进行排序。
进一步地,所述步骤4)中,单指标测度函数定义为:令wijk=w(xij∈Ck)为样本集Ri的第j个指标Mj的测量值xij属于第k个分类Ck的程度,wijk即为单指标测度,且wijk应该满足公式(1):
非负有界性0≤w(xij∈Ck)≤1
归一性w(xij∈U)=1
进一步地,所述步骤4)中,岩爆倾向度:根据公式(2)计算预测单元中的第j个因子的岩爆倾向度;
pj为预测单元中的第j个因子的岩爆倾向度;mj为预测单元中第 j个因子实际测量计算值;Lj为第j个因子的标准限值。
与现有技术相比,本发明具有以下优点:根据岩爆预测理论和特点,及其与岩性、地应力、岩体储能之间的关系,建立了以围岩切向应力系数σθ/σc、强度度应力比σc/σ1、弹性能量指数Wet、弹性应变能We作为岩爆灾害等级评价指标的预测数学模型;提出岩爆倾向度概念确定权重,并结合未确知测度理论,在参考岩爆分级标准基础上,对矿区不同深度岩体进行岩爆倾性预测,得出-530m至-550m 水平开采时,岩爆倾向较高,为中等岩爆,为矿山安全生产和岩爆治理提供科学的参考。
附图说明
图1为-517.5m水平开采最大主应力分布云图;
图2为-535m水平开采最大主应力分布云图;
图3为-552.5m水平开采最大主应力分布云图;
图4为-570m水平开采最大主应力分布云图;
图5为采场巷道沿Y=930m方向剖面最大主应力云图;
图6为采场巷道沿Y=940m方向剖面最大主应力云图;
图7为采场巷道沿Y=950m方向剖面最大主应力云图;
图8为采场巷道沿Y=960m方向剖面最大主应力云图;
图9为采场巷道沿Y=970m方向剖面最大主应力云图;
图10为采场巷道沿Y=980m方向剖面最大主应力云图;
图11为采场巷道沿Y=990m方向剖面最大主应力云图;
图12为采场巷道沿Y=1000m方向剖面最大主应力云图;
图13为采场巷道沿Y=1010m方向剖面最大主应力云图;
图14为采场巷道沿Y=1020m方向剖面最大主应力云图;
图15为切向应力系数预测指标单指标侧度函数图;
图16为强度应力比预测指标单指标侧度函数图;
图17为弹性能量指数预测指标单指标侧度函数图;
图18为弹性应变能预测指标单指标侧度函数图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的详细说明。
实施例
1)确定应力指标值体系
如图1~14所示,根据数值模拟得到不同水平采场及周边围岩的最大主应力σ1指标值、切向应力σθ指标值和弹性应变能We指标值,并将这三项指标值和室内试验所测得的单轴抗压强度Rc指标值和弹性能指数Wet指标值结合,计算得到围岩切向应力系数σθ/σc指标值和强度应力比σc/σ1指标值,即应力指标值体系包括最大主应力σ1指标值、切向应力σθ指标值、弹性应变能We指标值、单轴抗压强度Rc指标值、弹性能指数Wet指标值、围岩切向应力系数σθ/σc指标值和强度应力比σc/σ1指标值,如表1;
表1 岩爆应力指标值汇总
2)构建评价对象的评价指标体系
选取步骤1)应力指标值体系中的围岩切向应力系数σθ/σc指标值、强度应力比σc/σ1指标值、弹性能量指数Wet指标值和弹性应变能We指标值作为岩爆灾害等级的评价指标体系;
3)对样本集进行分类
参考近年来岩爆判据成果,确定岩爆评价指标分级标准,构建各单指标测度及多指标综合测度的集合为U={C1,C2,C3,C4},即将岩爆评价指标分为I、II、III、IV四个等级,即无岩爆(C1)、弱岩爆(C2)、中等岩爆(C3)、强烈岩爆(C4),具体见表2;
表2 岩爆评价指标分级标准
4)确定未确知测度函数和单指标测度矩阵、确定岩爆倾向度
结合单指标测度函数及各评价指标的分级标准,利用线性分布关系对岩爆倾向性指标构造单指标测度函数,得到各参数的未确知测度函数(见图15~18),进而可得出各个评价对象的单指标测度矩阵如下:
其中,单指标测度:令wijk=w(xij∈Ck)为样本集Ri的第j个指标Mj的测量值xij属于第k个分类Ck的程度,wijk即为单指标测度,且wijk应该满足公式(1):
非负有界性0≤w(xij∈Ck)≤1
归一性w(xij∈U)=1
岩爆倾向度:根据计算得出的岩爆单指标测度评价矩阵以及利用岩爆倾向度计算公式可计算出不同深埋水平各岩爆倾向度即权重;
pj为预测单元中的第j个因子的岩爆倾向度;mj为预测单元中第 j个因子实际测量计算值;Lj为第j个因子的标准限值(以第II级为标准)。
以R3为例,得出R3的各指标岩爆倾向度为:wr3={0.1753,0.2621, 0.2900,0.2726},同理,可得到其他深埋水平的各岩爆倾向度;
5)计算多指标综合测度
令wik=p(Ri∈Ck)为待评价样本Ri属于第k个岩爆评价等级Ck的程度,则可由公式(3)求得多指标综合测度:
6)确定评价对象所属等级
设λ为置信度且若C1>C2>…>Ck>…>Cp、λ≥0.5,且
则判定岩爆评价对象Ri为第k0评价等级,判定岩爆评价对象等级后,对岩爆倾向性大小进行顺序排列;
根据置信度判别规则,取置信度为0.5,有λ=0.5。对于对象R4由多指标综合测度向量和置信度准则公式有: 0.0436+0.4172+0.5392>λ=0.5,可得k0=3,可以判断出-530m水平开采矿体岩爆倾向等级为III级,同样地,可以得到其他水平矿体的岩爆倾向等级,详见表3。
表3 岩爆评价结果汇总
由表3可知,-510m以上无岩爆倾向,随着开采深度增加,岩爆倾向越来越明显,其中弱岩爆倾向有四处,中等岩爆倾向有两处,分别在-530m和-550m水平,因此,根据岩爆现象,在开采-530m至 -550m水平矿体时,采区会出现弱~中等岩爆的可能,采场及周边围岩极有可能出现变形并发展的迹象,局部区域岩体可能会有一定的岩片松脱和弹射现象,并会伴随轻微~强的声发射现象出现。因此,在该区域进行采矿时应布置监测点,完善地压监测系统,加强地压监控和预警。
7)评价结果
除了要判断Ri属于哪个评价等级外,有时需要对Ri的岩爆倾向性大小程度排出顺序。如果C1>C2>…>Cp,令Cl的分值为Il,则Il>Il+1,且有
记qRi为评价因素Ri未确知重要度,称q={qR1,qR2,…,qRi}未确知重要度向量,按其大小可以对其岩爆灾害倾向性进行排序。
根据未确知重要度公式可知:如果C1>C2>C3>C4,令C1=4,C2=3, C3=2,C4=1计算其相对重要度,则有q={qR1,qR2,…,qRi}={3.5467, 2.8346,2.6675,2.5043,2.9454,2.4890,3.2768,2.6900},对各深度水平采场的岩爆倾向性按重要度排序,则危险程度从大到小依次为R6、R4、R3、R8、R2、R5、R7、R1。因此,由计算结果可知在不同深度水平中,-550m水平岩爆倾向较为突出,且围岩稳定的临界重要度数值大小趋近于3,即重要度大于3时,无岩爆现象,重要度小于3时,会出现岩爆现象。
Claims (3)
1.一种基于倾向度和未确知测度的岩爆预测方法,其特征在于:预测方法包括如下步骤:
1)确定应力指标值体系
根据数值模拟得到不同水平采场及周边围岩的最大主应力σ1指标值、切向应力σθ指标值和弹性应变能We指标值,并将这三项指标值和室内试验所测得的单轴抗压强度Rc指标值和弹性能指数Wet指标值结合,计算得到围岩切向应力系数σθ/σc指标值和强度应力比σc/σ1指标值,即应力指标值体系包括最大主应力σ1指标值、切向应力σθ指标值、弹性应变能We指标值、单轴抗压强度Rc指标值、弹性能指数Wet指标值、围岩切向应力系数σθ/σc指标值和强度应力比σc/σ1指标值;
2)构建评价对象的评价指标体系
令不同深度岩爆对象空间为R,若R中的任一样本集Ri(i=1,2,…n)与m个影响因素M1,M2,...Mm有关,记集合M=(M1,M2,...Mm)为指标集;并选取步骤1)应力指标值体系中的围岩切向应力系数σθ/σc指标值、强度应力比σc/σ1指标值、弹性能量指数Wet指标值和弹性应变能We指标值作为岩爆灾害等级的评价指标体系;
3)对样本集进行分类
将样本集按研究对象特征分为k类,组成分类集U={C1,C2,…,Ck},其中Ck为岩爆评价指标的第k个等级,且高于第k-1个等级,即Ck>Ck-1;
4)确定未确知测度函数和单指标测度矩阵、确定岩爆倾向度
根据单指标测度函数定义及评价指标体系中各评价指标的分类等级计算各评价指标的未确知测度函数和评价对象的单指标测度矩阵;
5)计算多指标综合测度
令wik=p(Ri∈Ck)为待评价样本Ri属于第k个岩爆评价等级Ck的程度,则可由公式(3)求得多指标综合测度:
6)确定评价对象所属等级
设λ为置信度且若C1>C2>…>Ck>…>Cp、λ≥0.5,且
则判定岩爆评价对象Ri为第k0评价等级,判定岩爆评价对象等级后,对岩爆倾向性大小进行顺序排列;
7)预测结果
如果C1>C2>…>Cp,令Cl的分值为Il,则Il>Il+1,且有
记qRi为评价因素Ri未确知重要度,称q={qR1,qR2,…,qRi}未确知重要度向量,按其大小对其岩爆灾害倾向性进行排序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011267682.4A CN112329255A (zh) | 2020-11-13 | 2020-11-13 | 基于倾向度和未确知测度的岩爆预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011267682.4A CN112329255A (zh) | 2020-11-13 | 2020-11-13 | 基于倾向度和未确知测度的岩爆预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112329255A true CN112329255A (zh) | 2021-02-05 |
Family
ID=74318343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011267682.4A Pending CN112329255A (zh) | 2020-11-13 | 2020-11-13 | 基于倾向度和未确知测度的岩爆预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112329255A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112949202A (zh) * | 2021-03-19 | 2021-06-11 | 交通运输部科学研究院 | 一种基于贝叶斯网络的岩爆概率预测方法 |
CN117272644A (zh) * | 2023-09-21 | 2023-12-22 | 安徽理工大学 | 基于钻孔参数的岩爆倾向性预测方法及系统 |
-
2020
- 2020-11-13 CN CN202011267682.4A patent/CN112329255A/zh active Pending
Non-Patent Citations (1)
Title |
---|
赵文斌等: "《基于倾向度和未确知测度理论深部开采岩爆预测》", 《矿业研究与开发》, 31 December 2019 (2019-12-31), pages 40 - 45 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112949202A (zh) * | 2021-03-19 | 2021-06-11 | 交通运输部科学研究院 | 一种基于贝叶斯网络的岩爆概率预测方法 |
CN117272644A (zh) * | 2023-09-21 | 2023-12-22 | 安徽理工大学 | 基于钻孔参数的岩爆倾向性预测方法及系统 |
CN117272644B (zh) * | 2023-09-21 | 2024-03-05 | 安徽理工大学 | 基于钻孔参数的岩爆倾向性预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109034582B (zh) | 基于云模型和组合赋权的隧道穿越断层突水突泥风险评价方法 | |
Zhou et al. | Prediction of rock burst classification using cloud model with entropy weight | |
Hudaverdi | Application of multivariate analysis for prediction of blast-induced ground vibrations | |
WO2020125682A1 (zh) | 一种应用随钻数据计算岩石强度的方法和系统 | |
CN113222347B (zh) | 露天爆破安全风险灰色系统评估方法 | |
CN112329255A (zh) | 基于倾向度和未确知测度的岩爆预测方法 | |
CN109934398A (zh) | 一种钻爆法施工隧道瓦斯危险等级预测方法和装置 | |
Kulatilake et al. | New prediction models for mean particle size in rock blast fragmentation | |
CN110717689A (zh) | 一种露天矿矿岩台阶岩体可爆性分级评价方法 | |
CN110889440A (zh) | 基于主成分分析和bp神经网络的岩爆等级预测方法及系统 | |
CN110751397A (zh) | 一种边坡监测系统评价方法 | |
CN111914943B (zh) | 倾倒式岩溶危岩稳定综合判别的信息向量机方法及装置 | |
Li et al. | Rockburst tendency prediction based on an integrating method of combination weighting and matter-element extension theory: A case study in the Bayu Tunnel of the Sichuan-Tibet Railway | |
CN115130375A (zh) | 一种岩爆烈度预测方法 | |
CN113821977A (zh) | 一种用于tbm隧道施工的岩爆风险评估系统及方法 | |
Huang et al. | An improved KNN-based slope stability prediction model | |
Hu et al. | Hazard degree identification of goafs based on scale effect of structure by RS-TOPSIS method | |
Zhu et al. | Evaluation of deep coal and gas outburst based on RS-GA-BP | |
Ai et al. | Crack detection and evolution law for rock mass under SHPB impact tests | |
Wang et al. | Rock burst evaluation using the CRITIC algorithm-based cloud model | |
CN107123058A (zh) | 一种边坡稳定性分析方法 | |
Chen et al. | A new evaluation method for slope stability based on TOPSIS and MCS | |
CN113901939B (zh) | 基于模糊修正的冲击地压危险等级预测方法、存储介质及设备 | |
Xiong et al. | Comprehensive analysis of stability of coal seam composite roof based on analytic hierarchy process | |
Gao et al. | An Evaluation Method of Rock Brittleness Based on the Prepeak Crack Initiation and Postpeak Stress Drop Characteristics |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210623 Address after: 436050 Chengchao Iron Mine, No.1, Chengchao street, Zelin Town, Echeng District, Ezhou City, Hubei Province Applicant after: WUGANG RESOURCE GROUP CHENGCHAO MINING INDUSTRY Co.,Ltd. Address before: No. 107, Jianshe 6th Road, Qingshan District, Wuhan City, Hubei Province 430080 Applicant before: WUGANG RESOURCE GROUP Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210205 |
|
RJ01 | Rejection of invention patent application after publication |