深基坑围护结构变形远程监测预警系统

为实时掌握基坑围护结构变形趋势,确保基坑工程质量和安全稳定性,以大连地铁某车站深基坑工程为背景,基于物联网应用技术,构建深基坑围护结构变形远程监测预警装备系统.首先,构建以数据采集、通信联络、核心处理空间和数据终端组成的物联网框架;然后,基于原型系统基本功能开发,分析深基坑围护结构中锚杆轴力监测预警过程.研究结果表明:基于物联网设计理念的地铁车站深基坑围护结构变形远程监测预警装备系统,可获取到深基坑围护结构变形及其灾变演化实时数据,并实施灾变预警.该研究成果可为地铁工程管理及施工部门实时掌握施工过程中深基坑围护结构变形状况,准确排查安全隐患、有效预防基坑施工事故提供信息技术支持和保障.     

矿区建设施工总体最优方案0—1的规划模型

本文着重介绍了确定矿区总体建设施工最优方案的0—1整数规划数学模型方法.     

矿井粉尘污染防治新技术浅析

针对目前矿井中呼吸性粉尘防治效果差的特点,分析了粉尘的主要特征以及目前除尘技术存在的问题,并介绍了一些国内外适合矿井使用的新除尘技术,这些除尘技术能够很好的起到除尘效果,给矿井工人创造良好的工作环境.     

锚杆支护动态设计与应用系统研究

针对当前锚杆支护作用机理尚未完全清晰的现实,采用数学与力学相结合、理论分析及数值模拟与工程实测相结合的方法,利用RFPA2D岩石破裂过程分析系统软件,对神华集团乌达矿区五虎山煤矿9号煤层巷道围岩变形和破坏过程进行了动态仿真模拟,研究了锚杆支护设计方法和合理设计程序问题,建立了基于可靠性的巷道锚杆支护动态设计理论,开发了基于可靠性的巷道锚杆支护动态设计计算机辅助系统,通过工业试验,取得了良好的经济效益和社会效益.     

深基坑施工过程仿真及地表沉降量验证

为掌握深基坑施工引起地表沉降规律,确保深基坑工程质量和安全稳定性,以大连地铁某车站为研究背景,基于FLAC3D仿真技术构建车站深基坑土岩体摩尔-库仑弹塑性模型,对其土岩体变形和支护结构受力状况进行模拟分析,并结合现场实测数据进行对比检验,利用MATLAB绘制地表沉降对比分析曲线,从而找出地铁车站深基坑开挖过程中地表沉降量变化趋势.研究结果表明:由于基坑周围土体及地下岩层应力的影响,随着深基坑开挖工程推进到中期,地表沉降梯度增大.该研究成果可为合理预测地铁车站深基坑开挖过程中的地表沉降风险值,有效预防基坑施工事故提供技术支持.     

改进的AHP法及其在多目标决策中的应用

利用最优传递矩阵对传统的ＡＨＰ法进行了改进，建立了改进的层次分析法（ＩＡＨＰ）。利用Ｉ－ＡＨＰ求得的判断矩阵能自然满足一致性要求，不需要进行一致性检验。     

基于粗糙集-神经网络的矿井通风系统可靠性评价仿真研究

通过对矿井通风系统可靠性运行状态的跟踪统计和分析,首先建立了一套适合于矿井通风系统可靠性评价指标体系;然后利用人工神经网络与粗糙集理论的优势互补,以粗糙集作为前置处理系统优化指标结构,构建了基于粗糙集神经网络的通风系统可靠性评价仿真模型,并依此模型进行了实例验证.结果表明,该模型的仿真结论与基于ANN的结论完全吻合,训练效率提高了数百倍.     

露天矿经济合理剥采比确定方法的改进

目前露天矿经济合理剥采比是与并工开采成本对比计算得到的,计算时没有考虑井工开采的安全事故、地表沉陷等所造成的巨大经济损失,同时也没考虑露天开采对生态环境破坏和环境治理成本.本文综合考虑上述诸因素,并对露天开采和地下开采所引起的安全事故损失等进行了量化处理,利用概率统计法建立了由上述各因素所构成的成本计算模型,提出了:①浅部露天开采和深部井工开采的资源回收率差异较大；②露天与并工开采资源回收率相同；③浅部露天开采、深部暂不开采的矿床,三种条件下新的经济合理剥采比确定方法.以哈尔乌素露天煤矿为例进行了应用研究,确定其经济合理剥采比为10.06 m3/t,比传统方法所确定的剥采比增大0.06 m3/t,实践证明新结果更加合理.     

南山矿煤与瓦斯突出发生规律与危险性评价

为对南山矿煤与瓦斯突出现象进行分类,分析了煤与瓦斯突出发生的规律与特点,采用模糊综合评判方法对矿井进行了突出危险性评价,提出了南山矿煤与瓦斯突出分级管理原则,实现了在保障安全的前提下,尽可能解放生产能力。结果表明:南山矿矿井瓦斯突出为一般级别,可以按照一般级别突出矿井进行管理和制定技术措施。     

基于神经网络的岩石强度准则研究

传统的岩石强度预测均使用经典强度准则.该文使用神经网络在单轴及三轴加载情况下对岩石强度准则进行研究,搜集来的各种岩石相关数据随机划分成训练和验证子集.将抗压强度σc和最小主应力σ3作为输入值,最大主应力值σ1f作为输出值训练神经网络.使用训练后的神经网络预测试验岩体破坏时的σ1f,同时使用相同的训练子集反演Hoek-Brown经验公式的常数m.使用测试数据对训练后神经网络预测的目标岩石强度的准确性进行验证,同时将测试数据带入两类Hoek-Brown(m值的取值不同)经验公式预测目标岩石强度(岩体破坏时的σ1f).比较神经网络和Hoek-Brown预测结果表明神经网络预测结果的均方差减小了30%～40%,决定系数增加了0.05～0.08,更接近于1.说明使用ANN对岩石强度进行预测能适应的加载范围较宽,且适合岩石种类多变的复杂非线性情况,灵活准确.