巷道围岩的变形综合反映了开挖引起围岩形态的变化,是判断巷道岩体工程稳定性最直观的依据。通过预测围岩体的变形,可以事先了解巷道的稳定状态,从而可以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安全。 本课题的研究目的主要是为了解决岩体力学中的传统研究方法所遇到的难以解决的非线性问题,应用人工智能和系统分析技术解决制约岩石数值分析应用的“参数给不准”和“模型给不准”问题。 1) 研究内容 本研究的主要内容有: (1) 阐述神经网络在地下巷道变形预测方面的应用可行性,并就岩石地下工程建模问题进行论述,对网络的性能进行实验分析,选择合适的网络结构。 (2) 采用岩体力学系统的研究方法,研究地下巷道围岩变形的规律与影响因素,分析巷道变形各影响因素之间的关系,应用层次分析法、岩石力学系统方法、偏最小二乘法和主成分分析的方法分析影响变形的关键因素,确定神经网络控制参数,为建立有效的神经网络预测系统提供可靠的依据。 2) 解决的关键性问题 实际系统大都是难以准确建模的非线性系统,如何提高预测的精确性以增强控制系统鲁棒性是非线性系统预测控制研究的重要问题。关键性是如何建立一个较准确的神经网络模型,其中主要包括影响因素(输入参数)的选取与敏感性分析、隐含层结构、神经元数目的确定、传输函数的选取、收敛与稳定性等。 本文就是从这几个方面进行阐述,通过预测问题的分析提出了预测问题必须解决的三个问题(1) 问题的可预测性分析;(2) 预测问题的数据选择问题;(3) 预测模型的准确建立。首先应用系统的观点定义了巷道围岩变形系统并分析了巷道围岩变形系统的可预测性;其次引入系统分析方法研究地下巷道围岩变形的规律与影响因素,分析巷道变形各影响因素之间的关系最后确定围岩变形系统的关键因素;最后应用稳健性实验方法设计神经网络模型结构。获得的神经网络结构模拟系统实现了围岩变形系统的行为预测,并且取得了令人满意的结果。