CN114169597A - 一种岩爆控制措施实施效果全过程定量评价方法 - Google Patents
一种岩爆控制措施实施效果全过程定量评价方法 Download PDFInfo
- Publication number
- CN114169597A CN114169597A CN202111433371.5A CN202111433371A CN114169597A CN 114169597 A CN114169597 A CN 114169597A CN 202111433371 A CN202111433371 A CN 202111433371A CN 114169597 A CN114169597 A CN 114169597A
- Authority
- CN
- China
- Prior art keywords
- microseismic
- rock burst
- sequence information
- time sequence
- control measure
- 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.)
- Granted
Links
- 239000011435 rock Substances 0.000 title claims abstract description 126
- 238000000034 method Methods 0.000 title claims abstract description 84
- 230000000694 effects Effects 0.000 title claims abstract description 77
- 238000011158 quantitative evaluation Methods 0.000 title claims abstract description 41
- 238000011081 inoculation Methods 0.000 claims abstract description 26
- 238000012544 monitoring process Methods 0.000 claims abstract description 8
- 238000003062 neural network model Methods 0.000 claims abstract description 7
- 230000001186 cumulative effect Effects 0.000 claims description 24
- 238000007781 pre-processing Methods 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 17
- 238000010276 construction Methods 0.000 claims description 10
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 abstract description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 239000003245 coal Substances 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Geophysics And Detection Of Objects (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明公开了一种岩爆控制措施实施效果全过程定量评价方法。通过训练建立未实施控制措施的岩爆孕育全过程微震时序预测神经网络模型；对工程中潜在岩爆区进行微震监测，预测潜在岩爆区未进行岩爆控制措施的微震时序信息；对潜在岩爆区实施控制措施，监测采集获取采取措施后的微震时序信息；构建岩爆控制措施实施效果动态定量评价指数，确定微震时序信息的权重，全过程对比采取控制措施后的与未采取控制措施预测的微震时序信息，进行岩爆控制措施实施效果全过程定量评价。能够对控制措施的优化调整提供较好的参考指标。
Description
技术领域
本发明涉及岩爆灾害控制领域，更具体涉及一种岩爆控制措施实施效果全过程定量评价方法。
背景技术
岩爆是在开挖或开采过程中岩体突然破裂，岩石剧烈弹射的动力现象，同时伴随着大量能量的释放。煤炭开采或岩石开挖使得局部应力集中，超过了岩体自身的承受能力，从而引发岩爆。岩爆是一种危害性极大的灾害，严重威胁人员安全，影响工程进度。因此，在开挖或开采至岩爆发生前，应及时采取控制措施来降低岩爆发生的几率，同时降低岩爆带来的危害，确保岩爆地段的施工安全。
岩爆控制措施实施后岩爆孕育过程是否得到有效遏制以及控制措施强度是否过量，一直都是岩爆防控研究中关注的重点但又尚未得到解决的难题。岩爆控制效果评价是岩爆支护优化控制设计的基础。通过评价控制措施对岩爆孕育过程的抑制程度，可以动态调整强岩爆支护设计，达到控制岩爆发生的同时尽可能减少控制措施量的投入。目前的岩爆控制措施效果主要通过采取措施后岩爆实际发生情况以及采取措施前后岩爆区监测数据变化进行评价。这种评价方法未能精确反映措施的实施效果，其一，仅通过采取措施后岩爆未发生来评价控制措施实施效果比较片面，岩爆未发生仅能表明控制措施是有效的，但无法评价措施是否过强，无法知道是否存在措施过量；其二，采取措施前后岩爆区监测数据变化情况进行评价并不准确，在不采取控制措施的情况下，监测数据本身会发生变化，即采取措施后监测数据的变化并不全是控制措施带来的效果。
发明内容
本发明的目的就是针对上述评价方法的缺陷，提出一种岩爆控制措施实施效果全过程定量评价方法。
为实现上述目的，本发明提供了如下方案：本发明提供一种岩爆控制措施实施效果全过程定量评价方法，包括以下步骤：
S100：收集同一工程和类似施工方法及地质条件的工程未实施控制措施的岩爆及其孕育全过程微震时序信息案例，构建未实施控制措施的岩爆及其孕育全过程微震时序信息案例库，训练建立未实施控制措施的岩爆孕育全过程微震时序预测神经网络模型；
所述的案例库中未实施控制措施的岩爆孕育全过程微震时序信息为累积视体积、累积微震释放能、累积微震事件数、施密特数对数值和b值随时间演化规律
S200：对工程中潜在岩爆区进行微震监测，实时采集获取岩爆控制措施实施前的微震时序信息；
S300：采用实时采集的岩爆控制措施实施前的微震时序信息和上述岩爆孕育全过程微震时序预测的神经网络模型，预测该潜在岩爆区未进行岩爆控制措施的微震时序信息；
S400：对潜在岩爆区实施控制措施，监测采集获取采取措施后的微震时序信息；
S500：对微震时序信息进行预处理，构建岩爆控制措施实施效果动态定量评价指数，确定微震时序信息的权重，全过程对比采取控制措施后的与未采取控制措施预测的微震时序信息，进行岩爆控制措施实施效果全过程定量评价，步骤如下：
S501：对微震时序信息进行预处理，方法如下：
将微震时序信息累积视体积、累积微震释放能和累积微震事件数按公式(1)进行预处理：
式中，Fi(t)为t时刻微震时序信息预处理后的数据；i＝1、2、3，依次对应微震时序信息累积视体积、累积微震释放能和累积微震事件数；ai(t)为采取岩爆控制措施后t时刻的微震时序信息；pi(t)为预测的未进行岩爆控制措施t时刻的微震时序信息；mi为采取岩爆控制措施时的微震时序信息。
将微震时序信息施密特数对数值和b值按以下情况进行预处理：
(1)若pi(t)≥mi,按公式(2)进行预处理:
(2)若pi(t)<mi,按公式(3)进行预处理:
式中，Fi(t)为t时刻微震时序信息预处理后的数据；i＝4、5，依次对应微震时序信息施密特数对数值和b值；ai(t)为采取岩爆控制措施后t时刻的微震时序信息；pi(t)为预测的未进行岩爆控制措施t时刻的微震时序信息；mi为采取岩爆控制措施时的微震时序信息。
S502：构建岩爆控制措施实施效果动态定量评价指数，具体如下：
岩爆控制措施实施效果动态定量评价指数用于对控制措施实施效果进行评价，岩爆控制措施实施效果动态定量评价指数的计算如下式所示：
Q(t)＝w1*F1(t)+w2*F2(t)+w3*F3(t)+w4*F4(t)+w5*F5(t) (4)
式中，Q(t)为岩爆控制措施实施效果动态定量评价指数，w1、w2、w3、w4和w5分别为累积视体积、累积微震释放能、累积微震事件数、施密特数对数值和b值所对应的权重，w1+w2+w3+w4+w5＝1。
S503：确定微震时序信息的权重，步骤如下：
权重的确定综合考虑区分岩爆区工程岩体质量和施工方法，通过专家经验确定。岩体质量分级依据国家标准《工程岩体分级标准》GB/T50218-2014。岩体等级为Ⅰ级、采用TBM施工时，累积视体积和累计微震释放能的权重相对取较大值。
S504：计算岩爆控制措施实施效果动态定量评价指数，对控制措施实施效果进行全过程实时等级评价，评价标准如下：
当0.7≤Q(t)≤1.0时，t时刻的岩爆控制措施实施效果等级为Ⅰ，无明显效果；
当0.3≤Q(t)＜0.7时，t时刻的岩爆控制措施实施效果等级为Ⅱ，效果一般；
当Q(t)＜0.3时，t时刻的岩爆控制措施实施效果等级为Ⅲ，效果好。
本发明与现有技术相比，具有以下优点：
1、通过对比采取控制措施后的微震时序信息与未采取措施预测的微震时序信息，能够真实反映岩爆控制措施的实施效果。
2、根据岩爆控制措施实施效果动态定量评价指数对控制措施实施效果进行等级评价，从定性上升到定量，评价结果更具体。
3、通过对累积视体积、累积微震释放能、累积微震事件数、施密特数对数值和b值五个参数进行不同形式的预处理，然后进行加权综合分析，能够定量的评价岩爆控制措施的实施效果。
4、基于不同时刻的微震时序信息，可对潜在岩爆区采取全过程实时评价，根据评价结果可及时对控制措施进行优化调整。
附图说明
图1为本发明实施岩爆控制措施实施效果全过程定量评价方法流程图。
图2为本发明实施岩爆控制措施实施效果全过程定量评价方法中进行采取控制措施后与未采取控制措施的预测微震时序信息的对比分析流程示意图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳的实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。
需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
图1示出了本发明实施岩爆控制措施实施效果全过程定量评价方法流程图；图2示出了本发明实施岩爆控制措施实施效果全过程定量评价方法中进行采取控制措施后与未采取控制措施的预测微震时序信息对比分析流程示意图。
如图1和图2所示，本发明一实施例中提供的一种岩爆控制措施实施效果全过程定量评价方法，包括步骤：
S100：收集同一工程和类似施工方法及地质条件的工程未实施控制措施的岩爆及其孕育全过程微震时序信息案例，构建未实施控制措施的岩爆及其孕育全过程微震时序信息案例库，训练建立未实施控制措施的岩爆孕育全过程微震时序预测神经网络模型；
所述的案例库中未实施控制措施的岩爆孕育全过程微震时序信息为累积视体积、累积微震释放能、累积微震事件数、施密特数对数值和b值随时间演化规律；
采用一维卷积神经网络对收集到的未实施控制措施的岩爆孕育全过程微震时序信息进行学习训练，建立微震时序预测模型。通过案例库中岩爆孕育全过程微震时序信息与预测的微震时序信息对比，对微震时序预测模型进行优化，使其对微震时序信息的预测达到满足要求的准确率。
S200：对工程中潜在岩爆区进行微震监测，实时采集获取岩爆控制措施实施前的微震时序信息；微震时序信息同样为累积视体积、累积微震释放能、累积微震事件数、施密特数对数值和b值随时间演化规律；
S300：采用实时采集的岩爆控制措施实施前的微震时序信息和上述岩爆孕育全过程微震时序预测的神经网络模型，预测该潜在岩爆区未进行岩爆控制措施的微震时序信息；
S400：对潜在岩爆区实施控制措施，监测采集获取采取措施后的微震时序信息；
S500：对微震时序信息进行预处理，构建岩爆控制措施实施效果动态定量评价指数，确定微震时序信息的权重，全过程对比采取控制措施后的与未采取控制措施预测的微震时序信息，进行岩爆控制措施实施效果全过程定量评价，方法如下：
S501：对微震时序信息进行预处理，步骤如下：
将微震时序信息累积视体积、累积微震释放能和累积微震事件数按公式(1)进行预处理：
式中，Fi(t)为t时刻微震时序信息预处理后的数据；i＝1、2、3，依次对应微震时序信息累积视体积、累积微震释放能和累积微震事件数；ai(t)为采取岩爆控制措施后t时刻的微震时序信息；pi(t)为预测的未进行岩爆控制措施t时刻的微震时序信息；mi为采取岩爆控制措施时的微震时序信息。
一个实施案例中，采取岩爆控制措施后第1天累积视体积、累积微震释放能和累积微震事件数依次为23061m3、32157J和67个，采取岩爆控制措施后第2天累积视体积、累积微震释放能和累积微震事件数依次为25136m3、37025J和71个；预测的未进行岩爆控制措施第1天累积视体积、累积微震释放能和累积微震事件数依次为29129m3、38675J和78个，预测的未进行岩爆控制措施第2天累积视体积、累积微震释放能和累积微震事件数依次为37236m3、49012J和96个；采取岩爆控制措施时的累积视体积、累积微震释放能和累积微震事件数依次21903m3、30036J和61个。
将微震时序信息施密特数对数值和b值按以下情况进行预处理：
(1)若pi(t)≥mi,按公式(2)进行预处理:
(2)若pi(t)<mi,按公式(3)进行预处理:
式中，Fi(t)为t时刻微震时序信息预处理后的数据；i＝4、5，依次对应微震时序信息施密特数对数值和b值；ai(t)为采取岩爆控制措施后t时刻的微震时序信息；pi(t)为预测的未进行岩爆控制措施t时刻的微震时序信息；mi为采取岩爆控制措施时的微震时序信息。
一个实施案例中，采取岩爆控制措施后第1天施密特数对数值和b值依次为17.7和1.32，采取岩爆控制措施后第2天施密特数对数值和b值依次为17.9和1.28；预测的未进行岩爆控制措施第1天施密特数对数值和b值依次为17.1和1.25，预测的未进行岩爆控制措施第2天施密特数对数值和b值依次为17.0和1.22；采取岩爆控制措施时的施密特数对数值和b值依次为18.1和1.37。
S502：构建岩爆控制措施实施效果动态定量评价指数，具体如下：
岩爆控制措施实施效果动态定量评价指数用于对控制措施实施效果进行评价，岩爆控制措施实施效果动态定量评价指数的计算如下式所示：
Q(t)＝w1*F1(t)+w2*F2(t)+w3*F3(t)+w4*F4(t)+w5*F5(t) (4)
式中，Q(t)为岩爆控制措施实施效果动态定量评价指数，w1、w2、w3、w4和w5分别为累积视体积、累积微震释放能、累积微震事件数、施密特数对数值和b值所对应的权重，w1+w2+w3+w4+w5＝1。
S503：确定微震时序信息的权重，步骤如下：
权重的确定综合考虑区分岩爆区工程岩体质量和施工方法，通过专家经验确定。岩体质量分级依据国家标准《工程岩体分级标准》GB/T50218-2014。岩体等级为Ⅰ级、采用TBM施工时，累积视体积和累计微震释放能的权重相对取较大值。
一个实施案例中，w1、w2、w3、w4和w5分别为0.25、0.25、0.2、0.15和0.15；通过上述信息和公式(4)获取的采取岩爆控制措施后第1天岩爆控制措施实施效果动态定量评价指数Q(1天)为0.295，采取岩爆控制措施后第2天岩爆控制措施实施效果动态定量评价指数Q(2天)为0.319。
S504：计算岩爆控制措施实施效果动态定量评价指数，对控制措施实施效果进行全过程实时等级评价，评价标准如下：
当0.7≤Q(t)≤1时，t时刻的岩爆控制措施实施效果等级为Ⅰ，无明显效果；
当0.3≤Q(t)＜0.7时，t时刻的岩爆控制措施实施效果等级为Ⅱ，效果一般；
当Q(t)＜0.3时，t时刻的岩爆控制措施实施效果等级为Ⅲ，效果好；
一个实施案例中，采取岩爆控制措施后第1天岩爆控制措施实施效果好，岩爆控制措施后第2天岩爆控制措施实施效果一般。由此可见，基于本发明的操作流程，能够对岩爆控制措施实施效果进行全过程定量实时评价。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (5)
1.一种岩爆控制措施实施效果全过程定量评价方法，其特征在于，包括以下步骤：
S100：收集同一工程和类似施工方法及地质条件的工程未实施控制措施的岩爆及其孕育全过程微震时序信息案例，构建未实施控制措施的岩爆及其孕育全过程微震时序信息案例库，训练建立未实施控制措施的岩爆孕育全过程微震时序预测神经网络模型；
所述的案例库中未实施控制措施的岩爆孕育全过程微震时序信息为累积视体积、累积微震释放能、累积微震事件数、施密特数对数值和b值随时间演化规律
S200：对工程中潜在岩爆区进行微震监测，实时采集获取岩爆控制措施实施前的微震时序信息；
S300：采用实时采集的岩爆控制措施实施前的微震时序信息和上述岩爆孕育全过程微震时序预测的神经网络模型，预测该潜在岩爆区未进行岩爆控制措施的微震时序信息；
S400：对潜在岩爆区实施控制措施，监测采集获取采取措施后的微震时序信息；
S500：对微震时序信息进行预处理，构建岩爆控制措施实施效果动态定量评价指数，确定微震时序信息的权重，全过程对比采取控制措施后的与未采取控制措施预测的微震时序信息，进行岩爆控制措施实施效果全过程定量评价。
2.根据权利要求1所述的岩爆控制措施实施效果全过程定量评价方法，其特征在于：步骤S500中对微震时序信息进行预处理，方法如下：
将微震时序信息累积视体积、累积微震释放能和累积微震事件数按公式(1)进行预处理：
式中，Fi(t)为t时刻微震时序信息预处理后的数据；i＝1、2、3，依次对应微震时序信息累积视体积、累积微震释放能和累积微震事件数；ai(t)为采取岩爆控制措施后t时刻的微震时序信息；pi(t)为预测的未进行岩爆控制措施t时刻的微震时序信息；mi为采取岩爆控制措施时的微震时序信息；
将微震时序信息施密特数对数值和b值按以下情况进行预处理：
(1)若pi(t)≥mi，按公式(2)进行预处理：
(2)若pi(t)<mi,按公式(3)进行预处理：
式中，Fi(t)为t时刻微震时序信息预处理后的数据；i＝4、5，依次对应微震时序信息施密特数对数值和b值；ai(t)为采取岩爆控制措施后t时刻的微震时序信息；pi(t)为预测的未进行岩爆控制措施t时刻的微震时序信息；mi为采取岩爆控制措施时的微震时序信息。
3.根据权利要求2所述的岩爆控制措施实施效果全过程定量评价方法，其特征在于：所述构建岩爆控制措施实施效果动态定量评价指数，具体过程如下：
岩爆控制措施实施效果动态定量评价指数用于对控制措施实施效果进行评价，岩爆控制措施实施效果动态定量评价指数的计算如下式所示：
Q(t)＝w1*F1(t)+w2*F2(t)+w3*F3(t)+w4*F4(t)+w5*F5(t) (4)
式中，Q(t)为岩爆控制措施实施效果动态定量评价指数，w1、w2、w3、w4和w5分别为累积视体积、累积微震释放能、累积微震事件数、施密特数对数值和b值所对应的权重，w1+w2+w3+w4+w5＝1。
4.根据权利要求3所述的岩爆控制措施实施效果全过程定量评价方法，其特征在于：所述确定微震时序信息的权重，具体过程如下：
权重的确定综合考虑区分岩爆区工程岩体质量和施工方法，通过专家经验确定；岩体质量分级依据国家标准《工程岩体分级标准》GB/T50218-2014；岩体等级为Ⅰ级、采用TBM施工时，累积视体积和累计微震释放能的权重相对取较大值。
5.根据权利要求4所述的岩爆控制措施实施效果全过程定量评价方法，其特征在于：计算岩爆控制措施实施效果动态定量评价指数，对控制措施实施效果进行全过程实时等级评价，评价标准如下：
当0.7≤Q(t)≤1.0时，t时刻的岩爆控制措施实施效果等级为Ⅰ，无明显效果；
当0.3≤Q(t)＜0.7时，t时刻的岩爆控制措施实施效果等级为Ⅱ，效果一般；
当Q(t)＜0.3时，t时刻的岩爆控制措施实施效果等级为Ⅲ，效果好。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111433371.5A CN114169597B (zh) | 2021-11-29 | 2021-11-29 | 一种岩爆控制措施实施效果全过程定量评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111433371.5A CN114169597B (zh) | 2021-11-29 | 2021-11-29 | 一种岩爆控制措施实施效果全过程定量评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114169597A true CN114169597A (zh) | 2022-03-11 |
| CN114169597B CN114169597B (zh) | 2024-06-28 |
Family
ID=80481463
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111433371.5A Active CN114169597B (zh) | 2021-11-29 | 2021-11-29 | 一种岩爆控制措施实施效果全过程定量评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114169597B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117307249A (zh) * | 2023-08-30 | 2023-12-29 | 中铁四局集团有限公司 | 一种隧道岩爆实时智能预警方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110107308A (zh) * | 2019-04-30 | 2019-08-09 | 中国科学院武汉岩土力学研究所 | 一种发生在隧洞tbm刀盘内岩爆的等级确定方法 |
| CN110456413A (zh) * | 2019-07-15 | 2019-11-15 | 中国科学院武汉岩土力学研究所 | 预判岩爆类型的方法 |
| CN111123355A (zh) * | 2020-01-07 | 2020-05-08 | 山东大学 | 一种基于微震监测数据的岩爆预测方法及系统 |
| US20200217979A1 (en) * | 2019-01-08 | 2020-07-09 | King Fahd University Of Petroleum And Minerals | Observation-driven method based on iir wiener filter for microseismic data denoising |
-
2021
- 2021-11-29 CN CN202111433371.5A patent/CN114169597B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200217979A1 (en) * | 2019-01-08 | 2020-07-09 | King Fahd University Of Petroleum And Minerals | Observation-driven method based on iir wiener filter for microseismic data denoising |
| CN110107308A (zh) * | 2019-04-30 | 2019-08-09 | 中国科学院武汉岩土力学研究所 | 一种发生在隧洞tbm刀盘内岩爆的等级确定方法 |
| CN110456413A (zh) * | 2019-07-15 | 2019-11-15 | 中国科学院武汉岩土力学研究所 | 预判岩爆类型的方法 |
| CN111123355A (zh) * | 2020-01-07 | 2020-05-08 | 山东大学 | 一种基于微震监测数据的岩爆预测方法及系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117307249A (zh) * | 2023-08-30 | 2023-12-29 | 中铁四局集团有限公司 | 一种隧道岩爆实时智能预警方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114169597B (zh) | 2024-06-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109241627B (zh) | 概率分级的动态支护方法及自动设计支护方案的装置 | |
| CN113821977B (zh) | 一种用于tbm隧道施工的岩爆风险评估系统及方法 | |
| CN107784191A (zh) | 基于神经网络模型的异性结构面峰值抗剪强度预测方法 | |
| CN107093013B (zh) | 一种考虑水文指标分布规律的水文情势评价方法 | |
| CN117195594B (zh) | 隧道岩爆等级评估方法、装置、电子设备及存储介质 | |
| 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 | |
| Zhou et al. | Developing a hybrid model of information entropy and unascertained measurement theory for evaluation of the excavatability in rock mass | |
| CN116861704B (zh) | 一种高地应力软岩隧道大变形等级动态快速预测方法 | |
| CN114169597A (zh) | 一种岩爆控制措施实施效果全过程定量评价方法 | |
| Hosseini et al. | An uncertainty hybrid model for risk assessment and prediction of blast-induced rock mass fragmentation | |
| CN110826223A (zh) | 基于综合属性测度的岩爆危险性预测方法、系统及介质 | |
| CN110456413B (zh) | 预判岩爆类型的方法 | |
| CN115545272A (zh) | 冲击地压矿井微震频次和能量长短期智能预测预警方法 | |
| Wang et al. | Rock burst evaluation using the CRITIC algorithm-based cloud model | |
| CN114294062B (zh) | 一种冲击地压时空动态综合预警方法 | |
| Wang et al. | Early warning method for coal and gas outburst prediction based on indexes of deep learning model and statistical model | |
| Dauji | New approach for identification of suitable vibration attenuation relationship for underground blasts | |
| CN112668749B (zh) | 一种基于类标加权极限学习机的煤矿瓦斯预警方法 | |
| CN111209528B (zh) | 一种边坡累计位移分级预警阀值确定方法 | |
| Sari | Estimating strength of rock masses using fuzzy inference system | |
| Qiu et al. | Rockburst prediction based on distance discrimination method and optimization technology-based weight calculation method | |
| CN113139681B (zh) | 一种基于时间序列数据的神经网络冲击地压预测方法 | |
| CN114740089A (zh) | 一种基桩低应变信号采集系统 | |
| CN114692410A (zh) | 基于地应力场反演数值距平分析的矿井动力灾害预估方法 | |
| CN112465347A (zh) | 基于聚类分析与改进神经网络协同预测顶板稳定性的方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |