基于混沌算法的节理岩体分形智能辨识.docxVIP

基于混沌算法的节理岩体分形智能辨识 0 分形维数及其稳定性 岩力学和岩体工程最基本的研究主题之一是对岩体质量的评价。岩体质量的好坏是岩石稳定性的科学评价的基础。目前工程应用中常用的岩体质量评价方法主要有岩石质量指标(RQD)分级法、岩体质量系数分级法、工程岩体分级标准法、岩体地质力学分类体系RMR法、巴顿岩体质量指标Q分类法等,随着新理论的发展与应用,有些学者运用神经网络、灰色聚类法、物元分析等方法研究工程岩体的分类。 由于岩体内部存在大量随机不规则结构面,使得常规理论对复杂结构面分布难以定量描述。法国数学家Mandelbrot通过对许多形状复杂的不规则物体进行仔细观察和综合分析后,提出了分形概念,首创了分形理论。分形理论的基础是由Hausdroff提出的分形维数,分形维数定量描述了分形结构自相似程度、不规则程度或破碎程度。岩体结构面分布的分形维数是岩体强度、形成环境等工程地质特征的综合反映。近20年来,分形理论在岩土工程中得到广泛应用,在解决工程问题方面已逐渐完善。1993年,张继春、徐小荷以实测数据发现节理间距分形特性。1998年,谢和平等提出岩石节理是影响工程岩体稳定性的主要因素之一,总结了分形理论用于岩石节理力学行为研究的进展。2000年后,岩土工程分形特性得到大量细化研究,陈建平等研究发现岩体节理产状空间分布的几何特征,总结出岩体节理几点分形维数分布的基本规律。分形理论在岩石工程应用的研究进展体现包括:地下空间岩体稳定性不仅与自身力学特性有关;节理发育程度也是其重要影响因素之一。 前人的研究仅从岩石节理分形理论单方面对岩体质量进行探讨,本文在对多个矿山地质资料进行调研的基础上,统计各矿山岩体节理裂隙数据,采用分形理论计算各矿山岩体节理间距分形维数和产状分布分形维数,研究岩体节理裂隙分形特性与其稳定性关系。在此基础上,根据大量矿山的现场数据,结合岩体力学参数建立岩体稳定性分类的神经网络智能辨识模型,作为岩体质量评判新方法。 1 相似特性及其分形 研究表明,岩体节理的间距分布、空间分布均符合分形规律,具有统计上的自相似特性。岩体节理的长度维数和盒维数符合如下分形关系: 其中,D为分形维数;C为常数;对于长度维数而言,N表示长度大于r的节理数量;对于盒维数而言,N表示尺度为r的非空覆盖盒子数。 将式(1)取对数,得到分形维数: 1.1 节理间距分形维数计算 对山东新城金矿深部巷道(-630—-580m)岩体节理裂隙进行工程地质调查,图1为该矿深部上盘和下盘围岩的节理间距统计数据。 对节理间距长度r和长度大于r的节理数量N取对数后,运用最小二乘拟合法进行统计回归分析,结果如图2所示。图中红、蓝线分别为该矿上盘和下盘岩体的分形维数计算拟合曲线,直线斜率负值即为上、下盘岩体节理间距的分形维数。围岩上、下盘节理平均间距为0.3034和0.4784m,计算得到围岩上、下盘节理间距分形维数分别为1.67和1.44。 同理,对其他矿山围岩的节理间距分形维数进行计算(表1),结果显示,节理间距长度维数越大,节理平均间距越小,节理越发育;反之,节理间距长度维数越小,节理平均间距越大,岩石完整性越好。但节理平均间距不能反映节理间距的统计分布情况,而分形维数则可反映这一情况,即分形维数越大,节理间距小的部分所占比例越大。 因此,节理间距的分形维数直接反映了节理间距分布形式,较之节理间距平均值更能反映岩体裂隙的发育情况,对岩体稳定性研究有重要意义。 1.2 节理产状分形维数计算 对山东三山岛金矿-165m巷道节理产状调查,将节理产状极点投射到以节理倾向为横坐标,节理倾角为纵坐标形成的节理产状散点图上(图3)。 通过划分不同尺度等面积小方格对节理产状散点图进行覆盖,设分布图尺寸为360×360,分别取小方格尺度为40,30,20,15,12,划分等面积方格数为81,144,324,576,900,进行盒维数计算,发现对尺度r′和在该尺度下覆盖极点的方格数N′取对数进行回归分析,存在显著的线性关系。对调查数据进行回归分析,图4为该阶段上盘围岩、下盘围岩的节理产状分布分形维计算,根据曲线的斜率负值得出节理产状分形维数分别为0.83、0.69。 同理,对其他矿山围岩的节理产状分形维数进行计算(表1),结果表明,节理产状分形维数越小,节理产状分布越集中;分形维数越大,节理产状分布越分散。 节理产状分形维数大小可衡量节理产状分布分散程度,节理产状分布分散程度较大,表明岩体遭受了多次构造地质作用。因此,节理产状分形维数可较为精确地描述节理空间分布特性,对岩体稳定性研究具有一定参考作用。 2 岩体稳定性的智能识别 2.1 输出非线性映射模型 人工神经网络(Neural Network,NN)是对人脑若干基本特性的抽象和模拟,具有大规模并行处理、分布式信息存储、