第18卷增刊2地下空间与工程学报Vol.182022年12月ChineseJournalofUndergroundSpaceandEngineeringDec.2022基于PCA-SOFM模型的岩爆烈度等级预测陈则黄1,2,李克钢1,2,李明亮1,2,秦庆词1,2,毛明发3(1.昆明理工大学国土资源工程学院,昆明650093;2.云南中-德蓝色矿山与特殊地下空间利用重点实验室,昆明650093;3.云南驰宏锌锗股份有限公司,云南曲靖655011)摘要:岩爆受多种条件因素影响,需要岩爆预测指标体系的完整性。取弹性变形能指数Wet、应力系数σθ/σc、脆性系数σc/σt、单轴抗压强度σc、单轴抗拉σt和围岩切向应力σθ等指标构建岩爆倾向性预测指标体系。采用主成分分析(PCA)法对指标降维处理、提取指标数据主要信息,得到3个线性无关的主成分输入向量。将处理后的指标作为输入向量对3种不同自组织特征映射神经网络(SOFM)模型进行训练与测试,比较3个模型的方差和竞争层神经元聚类效果,得到输出层神经元个数为16的最优预测模型。最后引入12组国内外工程实例与多维正态云模型、模糊综合评价法、灰类白化权函数聚类法、Russense判据所预测的岩爆烈度等级进行比较,研究表明:基于PCA-SOFM岩爆烈度等级预测结果与工程实际情况吻合度高,可行性较好,为岩爆烈度等级预测提供一种新的研究方法。关键词:岩石力学;主成分分析法;自组织特征映射神经网络;岩爆烈度等级预测;欧氏距离中图分类号:TU45文献标识码:A文章编号:1673-0836(2022)增2-0934-09PredictionofRockburstIntensityBasedonPCA-SOFMModelChenZehuang1,2,LiKegang1,2,LiMingliang1,2,QinQingci1,2,MaoMingfa3(1.SchoolofLandandResourcesEngineering,KunmingUniversityofScienceandTechnology,Kunming650093,P.R.China;2.YunnanKeyLaboratoryofSino-GermanBlueMiningandUtilizationofSpecialUndergroundSpace,Kunming650093,P.R.China;3.YunnanChihongZn&Ge,Co.,Ltd.,Qujing,Yunnan655011,P.R.China)Abstract:Rockburstisaffectedbymanyconditionalfactors,requiringtheintegrityofrockburstpredictionindexsystem.PredictionindexsystemofrockburstintensitygradeisconstructedbyselectingtheelasticdeformationenergyindexWet,stresscoefficientσθ/σc,brittlenesscoefficientσc/σt,uniaxialcompressivestrengthσc,uniaxialtensionσt,andtangentialstressofsurroundingrockσθ.PCAmethodisusedtoreducethedimensionoftheindex,extractthemaininformationoftheindexdata,andobtainthreelin...
