生长曲线模型在隧道监控数据处理中的应用

分别采用Weibull生长曲线模型、对数函数模型、指数函数模型和幂函数模型等4种回归模型对某隧道拱顶下沉的实测数据进行了回归分析,并将各模型预测结果和实测数据进行了对比.结果表明：Weibull生长曲线模型的预测结果与实测数据最为吻合,精度最高,误差最小.因此,采用Weibull模型对隧道围岩变形情况进行回归分析,效果要优于其他3种传统模型.     

深埋隧道围岩稳定性的粘弹性力学分析

基于圆形隧道围岩稳定性的粘弹性力学分析基础之上，通过对粘弹性本构模型的改进，引用对数函数来描述岩石蠕变的本构模型．通过等代圆半径算法，把一般深埋隧道简化为圆形隧道，使其适应一般断面形状的隧道，最后给出了铁山坪隧道工程算例。     

开采地面沉陷预测的神经网络方法研究

应用神经网络理论,建立了开采地面沉陷预测的BP神经网络模型,采用开采地面沉陷实测数据对网络进行了训练,以此训练好的BP神经网络模型来描述开采地面沉陷与其影响因素之间的非线性映射关系,并采用测试样本对模型进行了测试,结果表明,网络的预测性能是令人满意的.     

开采地面沉陷预测的自适应神经模糊推理方法研究

现行各种开采地面沉陷预测方法均存在着一个共同的缺陷,均不能在集成以往开采地面沉陷工程实 例的基础上对某一地下采矿工程所引起的地面沉陷进行预测,而只能根据某种物理的或力学的方法对其进行预 测。人类在工程实践中所创造的开采地面沉陷方面的经验是非常宝贵的财富,应当在建立开采地面沉陷预测方 法时加以充分利用。以所收集的开采地面沉陷工程实例为基础现行各种开采地面沉陷预测方法均存在着一个共同的缺陷,均不能在集成以往开采地面沉陷工程实 例的基础上对某一地下采矿工程所引起的地面沉陷进行预测,而只能根据某种物理的或力学的     

确定岩体力学参数先验分布的随机加权Bayes方法

岩体力学参数在进行Bayes法统计时必须利用先验分布,但经常出现先验信息少而不能确定先验分布的情况.为了解决小样本条件下先验分布确定的问题,采用随机加权重采样技术,产生岩体力学参数再生样本来模拟先验信息的总体分布,从而获得岩体力学参数先验信息统计分布的均值与方差,将其与当前样本分布信息代入贝叶斯公式,从而实现了对岩体力学参数后验分布的确定.仿真算例证明,这种方法在进行岩体力学参数估计时比经典参数估计方法有更高的精确性.