隨著煤炭資源開采深度的增加,大量深部煤層巷道變形的時間效應顯現(xiàn)加劇。對于圍巖強度極低的松散煤層巷道,流變大變形現(xiàn)象十分普遍。鑒于此,本文緊緊圍繞松散煤體巷道流變問題,采用人工智能、室內(nèi)實驗、理論分析、工程調(diào)研、數(shù)值計算及現(xiàn)場試驗相結(jié)合的研究方法,基于煤巖參數(shù)反演模型,實驗室構(gòu)建了等效松散煤體試樣,揭示了松散煤體的流變特性,建立了符合該類煤體的流變模型,反演了巷道煤體流變參數(shù)并揭示了巷道流變機理,提出了旋噴注漿加固松散煤體的控制對策并試驗其可行性,探索了旋噴加固技術(shù)抑制巷道流變機理,為研究與治理松散煤體巷道提供了新的思路。本文的主要研究內(nèi)容和成果如下:(1)搭建了煤巖體參數(shù)反演的算法模型。在分析參數(shù)的反演必要性前提下,采用人工智能手段對本文松散煤體研究涉及的兩類物理力學參數(shù)即“構(gòu)建參數(shù)”和“流變參數(shù)”進行反演模型搭建。將機器學習的支持向量機算法和高效尋優(yōu)的生物啟發(fā)式天牛須算法有機結(jié)合起來,進一步的建立起基于天牛須搜索的進化支持向量機參數(shù)反演模型(BAS-ESVM),確定了該模型反演實現(xiàn)的主要步驟。其中天牛須算法不僅對支持向量機的參數(shù)(核參數(shù)和罰參數(shù))進行調(diào)優(yōu)形成進化支持向量機(ESVM),...

【文章頁數(shù)】：239 頁

【學位級別】：博士

【部分圖文】：

圖1-3論文技術(shù)路線圖

1緒論17過流變元件模型法，建立起可以揭示松散煤體長時變形特征的蠕變方程，辨識其流變參數(shù)并通過數(shù)值分析方法驗證模型的合理有效性。（4）反演巷道松散煤體流變參數(shù)并揭示深部巷道流變機理。根據(jù)已建立的松散煤體流變模型，通過正交設計流變參數(shù)組合，得到數(shù)值模擬下的多組流變參數(shù)與巷道流變位移....

圖2-6支持向量機結(jié)構(gòu)示意圖

博士學位論文28(,)tanh()iiKxxxxc（2-28）如何構(gòu)建和選取核函數(shù)及其相關參數(shù)是支持向量機算法的關鍵，只要選定核函數(shù)，只需選擇相關參數(shù)即可應用。另外，通過修正核函數(shù)可以得到不同種類的分類曲面。一個典型的支持向量機網(wǎng)絡如圖2-6所示。圖2-6支持向量機結(jié)構(gòu)示意圖Fi....

圖2-8BAS算法流程圖

博士學位論文32佳。代表核的寬度，太小會導致過擬合，太大會使得支持向量機的回歸函數(shù)過于平緩，因此參數(shù)和罰參數(shù)C都從不同角度影響著支持向量機回歸函數(shù)的形狀，對支持向量機學習能力和泛化能力影響較大。圖2-8BAS算法流程圖Figure2-8BASflowchart由上分析可知，為提高....

圖2-9BAS尋優(yōu)SVM參數(shù)構(gòu)建ESVM算法流程圖

博士學位論文34圖2-9BAS尋優(yōu)SVM參數(shù)構(gòu)建ESVM算法流程圖Figure2-9EstablishmentofESVMmodelbyBASoptimizingSVM2.5煤巖參數(shù)反演的BAS-ESVM模型（BAS-ESVMModelforInversionofCoalandR....

本文編號：4037507