基于投影寻踪插值模型的围岩稳定性分类研究

›› 2010, Vol. 31 ›› Issue (6): 1897-1901.

基于投影寻踪插值模型的围岩稳定性分类研究

陈广洲¹, ²，徐晓春²，汪家权²，解华明¹

1. 安徽建筑工业学院环境工程系，合肥 230022；2. 合肥工业大学资源与环境工程学院，合肥 230009

收稿日期:2009-02-23 出版日期:2010-06-10 发布日期:2010-06-25
作者简介:陈广洲，男，1978年生，博士研究生，讲师，主要从事环境评价，资源、环境信息技术方面的研究。
基金资助:
安徽省高等学校优秀青年人才基金项目(No. 2010SQRL090)；安徽省教育厅自然科学基金项目（No. 2006KJ002C）。

Classification of surrounding rock stabilities based on projection pursuit interpolation model

CHEN Guang-zhou¹, ²，XU Xiao-chun²，WANG Jia-quan²，XIE Hua-ming¹

1. Department of Environmental Engineering, Anhui University of Architecture, Hefei 230022, China; 2. School of Resources and Environmental Engineering, Hefei University of Technology, Hefei 230009, China

Received:2009-02-23 Online:2010-06-10 Published:2010-06-25

摘要/Abstract

摘要：

由于受到多种因素的综合作用，因此对围岩稳定性进行准确分类是一个难题。选取影响围岩分类的5个主要因素，根据分类标准，采用在每级标准中随机内插的方法，得到50个标准样本，用于构建分类模型。针对上述复杂优化模型，采用遗传算法进行优化，以获得的最佳投影方向为基础，得到围岩稳定性分类的投影寻踪插值模型。实例分析表明：该模型的分类结果是准确和可靠的，与采用其他几种分类方法所得结论一致。此外，该模型可以得出每个样本的具体得分值，即使对属于同一级的样本也可以排出它们的优劣顺序，因而具有较高的分类精度，是一种更具有应用前景的新方法。

关键词: 围岩稳定性分类, 投影寻踪插值模型, 遗传算法

Abstract:

Because of multifactor synthetic effect，accurate classification of surrounding rock mass stability has always been a difficult problem. Five key factors are chosen to construct the model. In addition, because of few standard samples, fifty standard samples are produced by the way of stochastic interpolation on basis of classification standard. Aiming at the above complex optimization, genetic algorithm is used to get the optimal projection direction. On the basis of the direction, projection pursuit interpolation model is given. Subsequently, five unknown samples are classified based on the model. The classification results are consistent with that from other methods. Therefore, it is effective and reliable. Moreover, particular score of each sample could be computed by the model; so it has more precise classification and is a more promising method.

Key words: surrounding rock stability classification, projection pursuit interpolation model, genetic algorithm

中图分类号:

TU 457

陈广洲，徐晓春，汪家权，解华明. 基于投影寻踪插值模型的围岩稳定性分类研究[J]. , 2010, 31(6): 1897-1901.

CHEN Guang-zhou，XU Xiao-chun，WANG Jia-quan，XIE Hua-ming. Classification of surrounding rock stabilities based on projection pursuit interpolation model[J]. , 2010, 31(6): 1897-1901.

参考文献

相关文章 15

[1]	崔学杰, 晏鄂川, 陈武. 基于改进遗传算法的岩体结构面产状聚类分析[J]. 岩土力学, 2019, 40(S1): 374-380.
[2]	王伟, 陈国庆, 郑水全, 张广泽, 王栋, . 考虑张拉-剪切渐进破坏的边坡矢量和法研究[J]. 岩土力学, 2019, 40(S1): 468-476.
[3]	马春辉, 杨杰, 程琳, 李婷, 李雅琦, . 基于量子遗传算法与多输出混合核相关向量机的堆石坝材料参数自适应反演研究[J]. 岩土力学, 2019, 40(6): 2397-2406.
[4]	温树杰，梁超，宋亮亮，刘刚,. 基于最小势能法的三维临界滑裂面搜索方法[J]. , 2018, 39(7): 2708-2714.
[5]	王伟，杨敏，上官士青，. 控制差异沉降的桩筏基础桩径优化分析方法[J]. , 2015, 36(S2): 178-184.
[6]	李忠，杨俊 , . 基于MPGA的复杂应力状态边坡稳定性分析[J]. , 2015, 36(5): 1488-1495.
[7]	李宁，王李管，贾明涛，陈建宏，谭正华,. 改进遗传算法和支持向量机的岩体结构面聚类分析[J]. , 2014, 35(S2): 405-411.
[8]	邱道宏，李术才，薛翊国，田昊，闫茂旺，. 基于数字钻进技术和量子遗传-径向基函数神经网络的围岩类别超前识别技术研究[J]. , 2014, 35(7): 2013-2018.
[9]	林永生，陈胜宏. 基于有限元计算的边坡三维滑裂面搜索[J]. , 2013, 34(4): 1191-1196.
[10]	袁文华. 人工冻土黏弹塑性本构参数反分析研究[J]. , 2013, 34(11): 3091-3095.
[11]	李南生，唐博，谈风婕，谢利辉. 基于统一强度理论的土石坝边坡稳定分析遗传算法[J]. , 2013, 34(1): 243-249.
[12]	张乐文，张德永，李术才，邱道宏. 基于粗糙集理论的遗传-RBF神经网络在岩爆预测中的应用[J]. , 2012, 33(S1): 270-276.
[13]	石露，李小春，孙冠华，白冰. 地下矿体采动下的露天采场边坡稳定性研究[J]. , 2012, 33(3): 812-820.
[14]	康永君，杨军，宋二祥. 地震作用下边坡安全系数时程计算及参数研究[J]. , 2011, 32(1): 261-268.
[15]	张勇慧，盛谦，冷先伦，朱泽奇. 龙滩水电站左岸边坡二维位移反分析[J]. , 2010, 31(S2): 396-401.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed