基于支持向量機(SVM)與FLAC3D的煤礦深部巖體力學參數(shù)反演研究.pdf

1、支持向量機是基于統(tǒng)計學習理論的小樣本學習方法,采用結構風險最小化原則,同傳統(tǒng)的模式識別方法相比,支持向量機在小樣本、非線性及高維模式識別問題中表現(xiàn)出許多特有的優(yōu)勢,具有很好的泛化性能。支持向量機主要用于模式識別和函數(shù)擬合,對解決很難用數(shù)學模型描述的問題具有很好的適應性。該方法日益受到巖土工程研究人員的重視。
　　對于巖土體特別是受圍壓影響較大的深部巖體來說,巖體的變形和受力狀態(tài)分析的關鍵是如何恰當?shù)墓烙嫀r體的力學參數(shù)。而如何利用現(xiàn)

2、場實測數(shù)據(jù)來反演煤礦深部巖體力學參數(shù)是一個值得研究的問題。由于巖土介質的復雜性,巖土力學與工程問題通常是監(jiān)測數(shù)據(jù)有限、并且?guī)r土介質的力學行為(如本構關系、變形特征等)具有高維數(shù)、非線性等特點,而這些特點正是支持向量機方法具有的優(yōu)點,因此將支持向量機應用到巖土力學與工程中是可行的,并具有廣泛的應用前景。而由于FLAC3D在處理幾何非線性和大變形問題上具有明顯優(yōu)勢,在采礦工程和地下建筑的設計和分析中,采用FLAC3D分析方法是可靠的。

3、>　　研究內容如下:
　　(1)總結巖體力學參數(shù)反分析的方法,研究支持向量機算法,并與其它方法(BP人工神經(jīng)網(wǎng)絡、遺傳算法、粒子群算法、蟻群算法等)進行比較。
　　(2)研究FLAC3D軟件的三維數(shù)值仿真技術并研究其在煤礦開采中的實現(xiàn)過程。
　　(3)將支持向量機算法和FLAC3D結合來研究撫順礦區(qū)老虎臺礦深部巖體的實測力學參數(shù),與監(jiān)測資料和與基于BP人工神經(jīng)網(wǎng)絡算法所得到的參數(shù)進行對比。
　　(4)將最終反演得