基于组合赋权的T-FME岩爆倾向性预测模型研究及应用

doi:10.11872/j.issn.1005-2518.2020.04.040

摘要/Abstract

摘要：

为了提高岩爆倾向性预测模型的精度，确保岩爆多指标综合评价方法中指标赋权方式和关联度函数的选用更加全面合理，建立了基于组合赋权的T-FME岩爆倾向性预测模型。该模型在选取岩石脆性系数、切向应力指数和弹性应变能指数作为评价指标的基础上，由序关系分析法和Vague熵确定指标主、客观权重，引入最小鉴别信息原理对指标组合赋权，最后采用理想点法计算贴近度复合模糊物元得到岩爆倾向性等级。运用国内外15组工程岩爆实例对该模型进行测试，与其他模型预测结果进行对比，并将该模型应用于国内若干实际工程。结果表明：该模型预测精度更高，预测等级更加安全，对国内几项实际工程岩爆倾向性的预测等级与实际情况相符，说明该模型具有较强的适用性。

关键词: 岩爆预测, Vague熵, 最小鉴别信息原理, 组合赋权, 理想模糊物元, 贴近度复合模糊物元

Abstract:

Due to the limitations of its own operating conditions，many multi-index comprehensive evaluation methods of rockburst are liable to cause low accuracy，and there is currently no unified prediction standard.In order to improve the accuracy of rockburst tendency prediction model,we must ensure that the index weighting method and the selection of the correlation function are more comprehensive and reasonable then a prediction model of T-FME rockburst tendency was established.According to the mechanism and condition of rock ex-plosion，brittle coefficient，tangential stress index and elastic strain energy index were selected as the evaluation indexes from three aspects:Surrounding rock stress，lithological conditions and surrounding rock energy storage.On the one hand，the excessive subjectivity of subjective judgments will affect the objectivity of index weights，on the other hand，in the case of limitated information，entropy weight method excessively depends on the degree of index variation will lead to bias.In order to make up for these deficiencies，the principle of minimum discriminant information was introduced，and the indicators were combined and weighted by combining the subjective and objective weights that the subjective weight of the indicator is determined by the ordinal relationship analysis method and the objective weight of the indicator was determined by the conventional entropy weight method which has been modified by the vague entropy.The T-FME rockburst propensity pre-diction model is based on the fuzzy matter-element analysis method and combines the principles of the TOPSIS method to construct the ideal fuzzy matter-element.The concept of ideal difference-square compound fuzzy matter-element was proposed.Post progress calculation has been optimized，the closeness compound fuzzy matter element was calculated.Finally，the degree of rockburst tendency can be obtained through the closeness analysis.Using the data of 15 domestic and foreign engineering rockburst examples to test the T-FME model and other 4 rockburst propensity prediction models that use different weighting methods and correlation degree functions，and these rockburst propensity prediction models are the ideal fuzzy matter element method based on Vague entropy weight，the ideal fuzzy matter-element method based on expert experience method，the euclid approach degree fuzzy matter-element method based on combined weighting，and the gray favorably membership degree fuzzy matter-element method.By analyzing the results of this test of these models，it is known that the prediction accuracy of the T-FME rockburst tendency prediction model is as high as 93.3%.Compared with other models，the accuracy of the prediction is improved by 6.6%~10.0%，and the prediction of the rockburst propensity level which is biased is higher than actual，so the prediction result is safer.Finally，the model was applied to 5 domestic practical projects，and the prediction results are consistent with the actual rockburst propensity level，which proves that the model has strong feasibility and applicability.

Key words: rockburst prediction, Vague entropy, principle of minimum discriminating information, com-bination weight, ideal fuzzy-matter element, closeness compound fuzzy-matter element

中图分类号:

TD45

李彤彤, 王玺, 刘焕新, 侯奎奎, 李夕兵. 基于组合赋权的T-FME岩爆倾向性预测模型研究及应用[J]. 黄金科学技术, 2020, 28(4): 565-574.

Tongtong LI, Xi WANG, Huanxin LIU, Kuikui HOU, Xibing LI. Research and Application of T-FME Rockburst Propensity Prediction Model Based on Combination Weighting[J]. Gold Science and Technology, 2020, 28(4): 565-574.

图/表 8

表1

rj的赋值参考表"

$r j$	说明
1.0	指标 $C j - 1$ 与指标 $C j$ 具有同样重要性
1.2	指标 $C j - 1$ 比指标 $C j$ 稍微重要
1.4	指标 $C j - 1$ 比指标 $C j$ 明显重要
1.6	指标 $C j - 1$ 比指标 $C j$ 强烈重要
1.8	指标 $C j - 1$ 比指标 $C j$ 极端重要

表1

表2

岩爆倾向性分级标准"

分级标准	$σ θ / σ c$	$σ c / σ t$	$W e t$
Ⅰ	<0.3	>40.0	< $2.0$
Ⅱ	$0.3 ~ 0.5$	$40.0 ~ 26.7$	$2.0 ~ 3.5$
Ⅲ	$0.5 ~ 0.7$	$26.7 ~ 14.5$	$3.5 ~ 5.0$
Ⅳ	> $0.7$	< $14.5$	> $5.0$

表2

表3

国内外岩爆工程数据"

工程编号	$σ θ / σ c$	$σ c / σ t$	$W e t$	岩爆烈度分级	实际情况描述	数据资料来源
1	0.3	24	6.6	Ⅲ	爆发频繁发生，属中等强度	[19-20]
2	0.41	29.7	7.3	Ⅱ	开挖初期即出现轻微围岩壁面爆裂，属弱岩爆	[19-20]
3	0.106	31.2	7.4	Ⅰ	无岩爆	[19-20]
4	0.53	14.8	9	Ⅲ~Ⅳ	片状剥落，岩片弹射崩落，顶板有爆烈声，属中—强岩爆	[19-20]
5	0.38	17.6	9	Ⅱ~Ⅳ	岩爆破坏规模不等，多数为中弱规模岩爆，少数为强岩爆	[19-20]
6	0.096	23	5.7	Ⅰ	无岩爆	[19-20]
7	0.36	24.6	5	Ⅲ	发生中级岩爆	[19-20]
8	0.82	18.5	3.8	Ⅱ~Ⅲ	发生中弱等级岩爆	[19，21]
9	0.315	24.1	9.3	Ⅲ	试验洞观察到发生中级岩爆	[19，22]
10	0.27	21.7	5	Ⅲ	观察到发生中级岩爆	[19，23]
11	0.37	24.1	5	Ⅲ	洞室岩石剥落与弹射，中级岩爆	[22，24]
12	0.42	21.7	5	Ⅲ	壁裂、有尖锐的爆裂声响，中级岩爆	[22，24]
13	0.38	21.7	5	Ⅲ	岩片弹射，伴有响声，中级岩爆	[22，24]
14	0.317	21.7	5	Ⅲ	弹射与剥落，中级岩爆	[22，24]
15	0.377	22.1	5	Ⅲ	侧壁发生中级岩爆	[22，24]

表3

表4

岩爆指标的Vague熵和客观权重"

指标	$σ θ / σ c$	$σ c / σ t$	$W e t$
熵值	0.4715	0.5203	0.3949
Vague熵权	0.328	0.297	0.375

表4

表5

岩爆指标的各项权重"

指标	$σ θ / σ c$	$σ c / σ t$	$W e t$
主观权重	0.433	0.309	0.258
客观权重	0.328	0.297	0.375
组合权重	0.380	0.306	0.314

表5

表6

岩爆预测结果对比分析"

工程编号	模型预测等级					实际等级
工程编号	$T (V) - F M E$	$T (G) - F M E$	本文方法	$E (C) - F M E$	$G (C) - F M E$	实际等级
岩爆模型预测结果分析	准确率较低	准确率较高但出现不安全预测结果	准确率较高且偏向安全结果	准确率最低且出现不安全预测结果	准确率较低
1	Ⅲ	Ⅲ	Ⅲ	Ⅲ	Ⅲ	Ⅲ
2	（Ⅲ）	（Ⅲ）	（Ⅲ）	（Ⅲ）	（Ⅲ）	Ⅱ
3	（Ⅱ）	Ⅰ	Ⅰ	（Ⅱ）	（Ⅱ）	Ⅰ
4	Ⅳ	Ⅳ	Ⅳ	Ⅳ	Ⅳ	Ⅲ~Ⅳ
5	Ⅳ	Ⅲ	Ⅲ	Ⅲ	Ⅲ	Ⅱ~Ⅳ
6	（Ⅱ）	Ⅰ	Ⅰ	（Ⅱ）	（Ⅱ）	Ⅰ
7	Ⅲ	Ⅲ	Ⅲ	Ⅲ	Ⅲ	Ⅲ
8	Ⅲ	Ⅲ	Ⅲ	Ⅲ	Ⅲ	Ⅱ~Ⅲ
9	Ⅲ	Ⅲ	Ⅲ	Ⅲ	Ⅲ	Ⅲ
10	Ⅲ	（Ⅱ）	Ⅲ	（Ⅱ）	Ⅲ	Ⅲ
11	Ⅲ	Ⅲ	Ⅲ	Ⅲ	Ⅲ	Ⅲ
12	Ⅲ	Ⅲ	Ⅲ	Ⅲ	Ⅲ	Ⅲ
13	Ⅲ	Ⅲ	Ⅲ	Ⅲ	Ⅲ	Ⅲ
14	Ⅲ	Ⅲ	Ⅲ	Ⅲ	Ⅲ	Ⅲ
15	Ⅲ	Ⅲ	Ⅲ	Ⅲ	Ⅲ	Ⅲ

表6

图1

表7

国内若干工程岩爆倾向性预测"

工程名称	工程编号	岩性或位置	$σ c / σ t$	$σ θ / σ c$	$W e t$	实际情况	预测等级
平煤集团	a	三水平大巷岩爆位置	15.3	0.560	3.30	Ⅲ	Ⅲ
小秦岭金矿	b	888坑38号SM6200段	12.2	0.542	4.89	Ⅲ	Ⅲ
小秦岭金矿	c	888坑38号SM4740段	30.7	0.409	7.30	Ⅱ	Ⅱ
小秦岭金矿	d	888坑38号SM4320段	29.8	0.461	5.30	Ⅱ	Ⅱ
冬瓜山	e	矽卡岩	11.1	0.554	3.97	Ⅲ	Ⅲ

表7

参考文献 25

1	杨金林，李夕兵，周子龙，等.基于粗糙集理论的岩爆预测模糊综合评价[J].金属矿山，2010，39（6）：26-29.
	Yang Jinlin，Li Xibing，Zhou Zilong，et al.A fuzzy assessment method of rock-burst prediction based on set theory[J].Metal Mine，2010，39（6）：26-29.
2	宫凤强，闫景一，李夕兵.基于线性储能规律和剩余弹性能指数的岩爆倾向性判据[J].岩石力学与工程学报，2018，37（9）：1993-2014.
	Gong Fengqiang，Yan Jingyi，Li Xibing.A new criterion of rock burst proneness based on the linear energy storage law and the residual elastic energy index[J].Chinese Journal of Rock Mechanics and Engineering，2018，37（9）：1993-2014.
3	李夕兵.岩石动力学基础与应用[M].北京：科学出版社，2014：495-501.
	Li Xibing.Rock Dynamics Fundamentals and Application[M].Beijing：Science Press，2014：495-501.
4	Haijun C，Nenghui L，Dexin N，et al.Prediction of rockburst by artificial neural network[J].Chinese Journal of Rock Mechanics and Engineering，2003，22（5）：762-768.
5	Park K，Lee J，Owatsiriwong A.Seepage force in a drained circular tunnel：An analytical approach[J].Canadian Geotechnical Journal，2008，45（3）：432-436.
6	宫凤强，李夕兵.岩爆发生和烈度分级预测的距离判别方法及应用[J].岩石力学与工程学报，2007，26（5）：1012-1018.
	Gong Fengqiang，Li Xibing.A distance discriminant analysis method for prediction of possibility and classification of rockburst and its application[J].Chinese Journal of Rock Mechanics and Engineering，2007，26（5）：1012-1018.
7	Kidybiński A.Bursting liability indices of coal[J].International Journal of Rock Mechanics and Mining Sciences & Geomech-anics Abstracts，1981，18（4）：295-304.
8	唐礼忠，王文星.一种新的岩爆倾向性指标[J].岩石力学与工程学报，2002，21（6）：874-878.
	Tang Lizhong，Wang Wenxing.New rock burst proneness index[J].Chinese Journal of Rock Mechanics and Engineering，2002，21（6）：874-878.
9	Russenes B.Analysis of Rock Spalling for Tunnels in Steep Valley Sides[D]. Norwegian：Norwegian Institute of Technology，1974.
10	白明洲，王连俊，许兆义.岩爆危险性预测的神经网络模型及应用研究[J].中国安全科学学报，2002，12（4）：65-69.
	Bai Mingzhou，Wang Lianjun，Xu Zhouyi.Study on a neutral model and its application in predicting the risk of rock blast[J].China Safety Science Journal，2002，12（4）：65-69.
11	陈建宏，覃曹原，邓东升.基于AHP和物元TOPSIS法的层状岩体巷道冒顶风险评价[J].黄金科学技术，2017，25（1）：55-60.
	Chen Jianhong，Qin Caoyuan，Deng Dongsheng.Risk assessment of bedded rock roadway roof fall based on AHP and Matter-Element TOPSIS method[J].Gold Science and Technology，2017，25（1）：55-60.
12	王晋，李夕兵，杨金林.深部硬岩岩爆评判的加权马氏距离判别法[J].采矿与安全工程学报，2011，28（3）：395-400.
	Wang Jin，Li Xibing，Yang Jinlin.A weighted Mahalanobis distance discriminant analysis for predicting rock-burst in deep hard rocks[J].Journal of Mining and Safety Engineering，2011，28（3）：395-400.
13	毕傲睿，骆正山，王小完，等.Vague集和熵综合赋权可拓评价模型及其工程应用[J].系统工程，2018，12（2）：112-120.
	Bi Aorui，Luo Zhengshan，Wang Xiaowan，et al.Extension model weighted by vague sets and entropy method and its engineering application[J].Systems Engineering，2018，12（2）：112-120.
14	李刚，王斌，周立斌，等.基于标准差修正G1组合赋权的人的全面发展评价模型及实证[J].系统工程理论与实践，2012，32（11）：2473-2485.
	Li Gang，Wang Bin，Zhou Libin，et al.The human all-round development evaluation model based on revised GI by standard deviation and empirical research[J].Systems Engineering—Theory and Practice，2012，32（11）：2473-2485.
15	Yu W Z，Tang D S.Application of TOPSIS model based on Vague set entropy in the evaluation of groundwater quality[J].Advanced Materials Research，2013，712：452-456.
16	王鸿绪.单值数据转化为Vague值数据的定义和转化公式[J].计算机工程与应用，2010，46（24）：42-44.
	Wang Hongxu.Definition and transforming formulas from single valued data to Vague valued data[J].Computer Engineering and Applications，2010，46（24）：42-44.
17	钟军，刘明俊，罗晨，等.基于组合权重模糊物元模型的船桥碰撞风险评价[J].安全与环境学报，2018，18（2）：423-428.
	Zhong Jun，Liu Mingjun，Luo Chen，et al.Ship-bridge collision risk assessment based on the combined weights and matter element model[J].Journal of Safety and Environment，2018，18（2）：423-428.
18	肖芳淳.模糊物元分析及其应用研究[J].强度与环境，1995，2：51-59.
	Xiao Fangchun.Study for Fuzzy-Matter-Element analysis and its applications[J].Structure & Environment Engine-ering，1995，2：51-59.
19	王元汉，李卧东，李启光，等.岩爆预测的模糊数学综合评判方法[J].岩石力学与工程学报，1998，17（5）：493-501.
	Wang Yuanhan，Li Wodong，Lee P K K，et al.Method of Fuzzy comprehensive evaluations for rockburst prediction[J].Chinese Journal of Rock Mechanics and Engineering，1998，17（5）：493-501.
20	贾愚如，范正绮.水工地下洞室中的岩爆机制与判据[J].水力发电，1990（6）：30-34.
	Jia Yuru，Fan Zhengqi.Rock burst mechanism and criterion in underground cavern of hydraulic engineering[J].Water Power，1990（6）：30-34.
21	单治钢.锦屏二级水电站引水隧洞岩爆初步研究[C]//第三届全国岩石动力学学术会议论文集.武汉：武汉测绘科技大学出版社，1992：523-537.
	Shan Zhigang.Preliminary study on rockburst in diversion tunnel of Jinping Ⅱ hydropower station[C]//Proceedings of the 3rd National Conference on Rock Dynamics.Wuhan：Wuhan University of Surveying and Mapping Press，1992：523 - 537.
22	刘小明.脆性岩石破坏机理试验研究及拉西瓦水电站地下洞室岩爆分析[D].武汉：武汉水利电力大学，1995.
	Liu Xiaoming.Experimental Study on Brittle Rock Failure Mechanism and Rock Burst Analysis of Underground Cavern of Laxiwa Hydropower Station [D].Wuhan：Wuhan University of Water Resources and Electric Power，1995.
23	陶振宇.若干电站地下工程建设中的岩爆问题[J].水力发电，1988（7）：40-45.
	Tao Zhenyu.Rockburst problems in underground engineering construction of some power plants[J].Hydroelectric Power，1988（7）：40 - 45.
24	张津生，陆家佑，贾愚如.天生桥二级水电站引水隧洞岩爆研究[J].水力发电，1991（10）：34-37，76.
	Zhang Jinsheng，Lu Jiayou，Jia Yuru.Research on rock burst of diversion tunnel of Tianshengqiao Ⅱ Hydropower Station[J].Water Power,1991(10):34-37, 76.
25	王旷，李夕兵，马春德，等.基于改进的RS-TOPSIS模型的岩爆倾向性预测[J].黄金科学技术，2019，27（1）：84-92.
	Wang Kuang，Li Xibing，Ma Chunde，et al.Rock-burst proneness prediction based on improved RS-TOPSIS model[J].Gold Science and Technology，2019，27（1）：84-92.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

[1]	李任豪,顾合龙,李夕兵,侯奎奎,朱明德,王玺. 基于PSO-RBF神经网络模型的岩爆倾向性预测[J]. 黄金科学技术, 2020, 28(1): 134-141.
[2]	赵国彦,吴攀,朱幸福,赵源,李洋,邱菊. 基于灰色关联分析的三山岛金矿绿色开采技术优先级评价[J]. 黄金科学技术, 2019, 27(6): 835-843.
[3]	王旷,李夕兵,马春德,顾合龙. 基于改进的RS-TOPSIS模型的岩爆倾向性预测[J]. 黄金科学技术, 2019, 27(1): 80-88.
[4]	李欢,明俊桦,石晓凤. 基于博弈论和模糊综合评判的锌冶炼企业清洁生产评价[J]. 黄金科学技术, 2018, 26(5): 635-646.
[5]	周海林，杨珊，陈建宏*. 黄金矿山清洁生产评价指标体系研究与应用[J]. 黄金科学技术, 2017, 25(5): 93-100.
[6]	饶运章，李雪珍. 基于实际冲击能量指数（W）的岩爆预测技术研究[J]. 黄金科学技术, 2015, 23(4): 63-67.
[7]	万孝衡，王新民，朱阳亚，姜志良，陈秋松. 基于组合赋权TOPSIS法的采场结构参数优选[J]. 黄金科学技术, 2014, 22(5): 69-73.