围岩位移特性曲线预测的自适应神经模糊推理方法在软岩巷道中的应用
开篇：润墨网以专业的文秘视角，为您筛选了一篇围岩位移特性曲线预测的自适应神经模糊推理方法在软岩巷道中的应用范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要： 本文采用自适应神经模糊推理方法对水口山矿务局康家湾铅锌矿巷道围岩位移特征曲线进行了预测，并据以对巷道施工过程中的支护时间，支护刚度进行了分析。分析结果表明，该方法具有良好的工程适用性，可在工程实践中推广应用。
Abstract: The principles of ANFIS were used to predict characteristic curve of soft rock tunnel displacement of lead and zinc mine of Shuikoushan Mines Bareao. Then the rational time for installing the support and the rational rigidity of the support were suggested. It was shown that ANFIS-based approach was applicable to rock engineering problems.
Key words: soft rock tunnel；surrounding rock；the characteristic curve of displacement；adaptive neuro-fuzzy inference system
中图分类号：TU7 文献标识码：A 文章编号：1006-4311（2012）25-0072-02
0 引言
近年来，随着矿产开采越来越向深部发展，软岩巷道问题便越来越突出。据统计，我国目前矿产开采每年巷道掘进上万千米，软岩巷道约占其中的1/10。由于软岩支护的问题，大约有1/6的软岩巷道需要返修、维护，所以能否解决好软岩巷道的支护等问题，是我国矿开采向纵深发展和安全生产的关键问题之一。
软岩巷道稳定既是一个强度稳定性，又是一个变形稳定性，而且往往表现在因变形过大而引起巷道稳定问题。目前，软岩巷道主要采用新奥法施工技术，分两次支护。初次喷锚支护加强围岩自承能力，然后通过对变形的观测确定最佳二次支护时间，最佳支护时机的确定有利于稳定围岩和节约支护材料，因此寻找和确定最佳支护时机，成为巷道工程支护技术的核心。所谓最佳支护时机，就是最大限度的调动围岩变形释放能量，最大程度的发挥围岩自承载能力，充分调动支护体系的作用，使二次支护系统的抗力降为最低同时保证支护材料的使用最为合理。因此，建立一种科学的方法能够准确确定围岩的位移特性曲线，并据此选择合适的支护时间和衬砌刚度是确保围岩和巷道衬砌稳定的关键。
研究表明，自适应神经模糊推理系统具有拟合能力强、预测精度高、收敛速度快、训练结果唯一等特点。基于此，作者研究和建立了自适应神经模糊推理系统。虽然该方法经初步检验具有收敛速度快、解的稳定性好、优化性能好等优点，但其工程适用性仍有待验证。因此，本文应用自适应神经模糊推理系统建立了围岩位移特性曲线预测的自适应神经模糊推理方法，对水口山矿务局康家湾铅锌矿巷道围岩位移特征曲线进行了预测，并据以对巷道施工过程中的支护时间，支护刚度进行了分析。分析结果表明，该方法具有良好的工程适用性，可在工程实践中推广应用。
1 巷道围岩位移特性曲线预测问题的数学描述
在平面应变状态下，已知巷道围岩的力学参数向量{b}={σx，σy，E，μ，c，?准}来求巷道顶帮的竖向位移向量{δ}={δ1，δ2，δ3，δ4，δ5}，其中δ1，δ2，δ3，δ4，δ5是巷道围岩位移特性曲线上的5个点，这些点所对应的支护反力为p1，p2，p3，p4，p5，它们分别是p1=■σy，p2=■σy，p3=■σy，p4=■σy，p5=■σy，求解该问题的思路是：给定n个力学参数向量{bi}={σxi，σyi，Ei，μi，ci，?准i}（i=1,2,…n），可以通过数值计算，计算p1i=■σyi，p2i=■σyi，p3i=■σyi，p4i=■σyi，p5i=■σyi所对应的巷道顶帮的竖向位移δ1i（■σyi），δ2i（■σyi），δ3i（■σyi），δ4i（■σyi），δ5i（■σyi），这样就得到了n个模拟位移向量{δis}={δ1is，δ2is，…，δ5is}（i=1，2，…，n）。根据这些数据对，就可以建立力学参数向量{b}与位移向量{δs}之间的映射关系：
{δs}=G（{b}）（1）
映射关系确定后，可根据测得的围岩力学参数来预测巷道顶帮对应于p1，p2，p3，p4，p5的δ1，δ2，δ3，δ4，δ5。
2 巷道围岩位移特性曲线预测的自适应神经模糊推理方法
应用自适应神经模糊推理系统建立巷道围岩位移特性曲线的自适应神经模糊推理方法有以下几个步骤。
①将巷道简化为平面应变问题。
②确定巷道围岩力学参数的取值范围及取值水平，采用正交试验法确定模拟计算方案及每个模拟计算方案的力学参数向量{bi}（i=1，2，…，n）。
③建立数值计算模型，计算每个模拟计算方案中与支护反力向量{pi}=■σ■，■σ■，■σ■，■σ■，■σ■相对应的位移向量{δis}={δ1is，δ2is，…，δ5is}（i=1，2，…，m）。
④采用人为指定方法或减法聚类等方法，建立输出6个初始ANFIS结构，将（2）、（3）所获得的数据组成5类数据对，再采用最小二乘法和梯度下降法相结合的混合学习方法对网络进行训练，以获得如下5个映射关系：
δ1=G1（{b}）（2）
δ2=G2（{b}）（3）
δ3=G3（{b}）（4）
δ4=G4（{b}）（5）