熵权—云模型对岩爆等级的预测(英文)

被引:31
作者
周科平
林允
邓红卫
李杰林
刘传举
机构
[1] 中南大学资源与安全工程学院
关键词
岩爆; 预测; 云模型; 熵权; 敏感性;
D O I
暂无
中图分类号
TU45 [岩石(岩体)力学及岩石测试];
学科分类号
0801 ; 080104 ; 0815 ;
摘要
采用熵权法和云模型判定岩爆等级。选用岩石的单轴抗压强度σc、单轴抗拉强度σ_t、切向应力σθ、岩石的压拉比σc/σ_t、岩石的应力系数σθ/σc和岩石的弹性变形指数Wet作为岩爆等级判定的因素建立岩爆评价指标体系。以收集到209组工程中的实际岩爆情况及数据作为样本进行分析计算,建立岩爆等级判定的熵权-云模型。运用该分析模型分析岩爆评价指标体系中评价指标的敏感性,并对收集到的工程实例岩爆情况进行判定,将结果与Bayes、KNN和随机森林方法的判定结果进行比较。研究表明:评价指标体系中指标敏感性由大到小的顺序为:σθ /σc, σθ, Wct, σc/σ_t, σ_t, σc,;熵权-云模型的判别准确率比Bayes、K最邻近结点算法(KNN)和随机森林(RF)方法高。
引用
收藏
页码:1995 / 2002
页数:8
相关论文
共 23 条
[11]  
Classification of Rockburst in Underground Projects: Comparison of Ten Supervised Learning Methods[J] . Jian Zhou,Xibing Li,Hani S. Mitri.Journal of Computing in Civil Engineering . 2016
[12]   Prediction of rock burst classification using the technique of cloud models with attribution weight [J].
Liu, Zaobao ;
Shao, Jianfu ;
Xu, Weiya ;
Meng, Yongdong .
NATURAL HAZARDS, 2013, 68 (02) :549-568
[13]   QRS detection using K-Nearest Neighbor algorithm (KNN) and evaluation on standard ECG databases [J].
Saini, Indu ;
Singh, Dilbag ;
Khosla, Arun .
JOURNAL OF ADVANCED RESEARCH, 2013, 4 (04) :331-344
[14]  
Practical estimates of rock mass strength[J] . E. Hoek,E.T. Brown.International Journal of Rock Mechanics and Mining Sciences . 1998 (8)
[15]   基于熵权-理想点法的岩爆烈度预测模型及其应用 [J].
王迎超 ;
尚岳全 ;
孙红月 ;
严细水 .
煤炭学报, 2010, 35 (02) :218-221
[16]   基于v-SVR算法的岩爆预测分析 [J].
祝云华 ;
刘新荣 ;
周军平 .
煤炭学报, 2008, (03) :277-281
[17]   岩爆发生和烈度分级预测的距离判别方法及应用 [J].
宫凤强 ;
李夕兵 .
岩石力学与工程学报, 2007, (05) :1012-1018
[18]   岩爆分类的支持向量机方法 [J].
赵洪波 .
岩土力学, 2005, (04) :642-644
[19]   基于GIS的岩爆倾向性模糊自组织神经网络分析模型 [J].
周科平 ;
古德生 .
岩石力学与工程学报, 2004, (18) :3093-3097
[20]   逆向云在定性评价中的应用 [J].
吕辉军 ;
王晔 ;
李德毅 ;
刘常昱 .
计算机学报, 2003, (08) :1009-1014