贡力(1977-),男,江苏丹阳人,教授,博士生导师,从事深埋隧道及输水工程方面的研究工作。gongl@mail.lzjtu.cn |
收稿日期: 2021-03-05
修回日期: 2021-08-29
网络出版日期: 2022-09-14
基金资助
国家自然科学基金项目“西北盐渍干寒地区多因素耦合作用下长距离明渠的劣化机理研究”(51969011)
甘肃省科技计划资助项目“ 黄河流域突发水污染应急调控关键技术与应用”(20JR10RA274)
Propensity Grade Prediction of Rockburst Based on Normal Membership-Attribute Interval Recognition Model
Received date: 2021-03-05
Revised date: 2021-08-29
Online published: 2022-09-14
岩爆是地下工程开挖面临的关键问题之一,为了准确预测深埋隧洞中岩爆烈度倾向等级,提出了正态隶属度—属性区间识别模型的岩爆预测方法。针对岩爆倾向等级属于典型的多属性有序分割类问题,构建了属性区间识别模型,并将岩爆倾向等级划分为4个等级进行预测。根据岩爆发生的成因和机理,选取应力系数、脆性系数、弹性应变指数和岩石完整性系数作为预测指标,考虑各指标之间、指标与标准等级之间的交互关系,采用正态隶属度函数和Jousselme距离计算评价指标权重。结合13个深埋隧洞工程对该预测模型进行准确性测试,并以双江口水电站SPD9厂房为例进行工程实例验证,该模型预测结果与实际相吻合,证明该模型用于具体工程实践中是可行且有效的,研究结果可为类似深埋隧洞岩爆倾向等级预测提供新的思路。
贡力 , 陆丽丽 , 靳春玲 , 梁栋 , 周汉国 , 谢平 . 基于正态隶属度—属性区间识别模型的岩爆倾向等级预测[J]. 黄金科学技术, 2022 , 30(3) : 404 -413 . DOI: 10.11872/j.issn.1005-2518.2022.03.037
Rockburst is one of the key problems in underground engineering excavation,in order to accurately predict the grade of rockburst propensity in deep-buried tunnels,a rockburst prediction method based on the normal membership degree-attribute interval recognition model was proposed.Due to the rockburst propensity is a typical multi-attribute orderly segmentation problem,the attribute interval recognition model was constructed to divide the rockburst propensity into four grades for prediction.The occurrence of rockburst is affected by engineering geology,and the geological parameter is usually an interval value.The attribute interval recognition model can be better applied to the problem that each grade index value is an interval value.According to the mechanism of rockburst,the stress coefficient,brittleness coefficient,elastic strain index and rock integrity coefficient were selected as predictive indicators,considering the interaction between the indicators and the standard grade,the normal membership function and Jousselme distance were used to calculate the weight of the index.The method had different weights for the measured values of different indexes under the same index system,which can avoid the drawback that the traditional method didn’t consider the interaction relationship between the indexes,and improve the robustness of the model.The accuracy of the prediction model was tested with 13 deep-buried tunnel projects.Since the value of the averaging coefficient had a greater impact on the prediction accuracy of the model,in order to obtain the optimal value of the averaging coefficient,the step size was 0.1 and selected within the interval [0.05,0.95].The analysis shows that when the averaging coefficient is 0.65,the prediction accuracy of the model is the highest,which is 92.31%.The left bank of SPD9 in the Huangjiangkou hydropower project was used to verify the model.The prediction results are consistent with the actual rockburst propensity grade.The prediction results prove that the model is feasible and effective in specific engineering practice,and it can provide new ideas for predicting the rockburst propensity grade in similar deep-buried tunnels.
科学家用石墨烯从电子垃圾提取金
据Mining.com网站报道,来自曼彻斯特大学、清华大学和中国科学院的研究人员证实石墨烯是“魔法石”,可以从金含量非常低(千万分之一)的废物特别是电子垃圾中提取这种贵金属。
在发表于《自然·通讯》(Nature Communications)期刊的论文中,科学家解释称,他们提出的方法是将石墨烯加进含有痕量金的溶液中,几分钟后,纯金就出现在石墨烯层中,而不需要其他化学品或能源驱动。此过程完成后,就可以通过简单地燃烧石墨烯来提取这种黄色金属。
他们的实验表明,1 g石墨烯足以提取近2 g黄金。由于石墨烯的成本低于每克0.10美元,而黄金价格为70美元/克,因此这种方法经济效益可观。
该研究通讯作者苏阳称,此方法本质上是一个简单的电化学过程,石墨烯和金离子之间独特的相互作用促进了这一过程,并产生了精准的选择性,只吸附金而不是其他离子或盐。
基于石墨烯的工艺提取能力强,选择性精准,几乎可以全部回收电子垃圾中的金。这为解决金可持续利用和电子垃圾面临的挑战提供了一个极具前景的解决方案。
“从文中看,石墨烯将电子垃圾变成了黄金”,该文通讯作者、首次成功分离石墨烯的诺贝尔奖获得者安德烈·盖姆(Andre Geim)认为。
“我们的发现不仅有可能实现此行业的持续发展,更重要的是凸显了原子级超薄材料与其原料即大宗材料的不同之处”。
中国矿业报
http://www.goldsci.ac.cn/article/2022/1005-2518/1005-2518-2022-30-3-404.shtml
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ZhangYan,
|
|
陈祥,孙进忠,张杰坤,等,2009.岩爆的判别指标和分级标准及可拓综合判别方法[J].土木工程学报,42(9):82-88.
|
贾哲强,张茹,张艳飞,等,2016.猴子岩水电站地下厂房岩爆综合预测研究[J].岩土工程学报,38(增2):110-116.
|
李航,2020.基于组合权重理想点法—数据库的隧洞岩爆预测方法研究[D].北京:中国地质大学(北京).
|
李鹏程,叶义成,王其虎,等,2019.基于正态白化权函数的灰评估岩爆预测模型[J].化工矿物与加工,48(5):16-22,26.
|
李任豪,顾合龙,李夕兵,等,2020.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,28(1):134-141.
|
林大涌,雷明锋,曹豪荣,等,2018.盾构下穿运营铁路施工风险模糊综合评价方法研究[J].铁道科学与工程学报,15(5):1347-1355.
|
刘冉,叶义成,张光权,等,2019.岩爆分级预测的粗糙集—多维正态云模型[J].金属矿山,(3):48-55.
|
刘晓悦,杨伟,张雪梅,2021.基于改进层次法与CRITIC法的多维云模型岩爆预测[J].湖南大学学报(自然科学版),48(2):118-124.
|
裴启涛,李海波,刘亚群,等,2013.基于改进的灰评估模型在岩爆中的预测研究[J].岩石力学与工程学报,32(10):2088-2093.
|
孙臣生,2019.基于改进MATLAB-BP神经网络算法的隧道岩爆预测模型[J].重庆交通大学学报(自然科学版),38(10):41-49.
|
田睿,孟海东,陈世江,等,2020.基于深度神经网络的岩爆烈度分级预测研究[J].煤炭学报,45(增1):191-201.
|
王迎超,靖洪文,吉咸伟,等,2014.深埋地下工程岩爆烈度分级预测的RS-功效系数模型[J].中南大学学报(自然科学版),45(6):1992-1997.
|
王迎超,靖洪文,张强,等,2015.基于正态云模型的深埋地下工程岩爆烈度分级预测研究[J].岩土力学,36(4):1189-1194.
|
王元汉,李卧东,李启光,等,1998.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,(5):15-23.
|
徐琛,刘晓丽,王恩志,等,2017.基于组合权重—理想点法的应变型岩爆五因素预测分级[J].岩土工程学报,39(12):2245-2252.
|
殷欣,刘泉声,王心语,等,2020.基于组合赋权和属性区间识别理论的岩爆烈度分级预测模型[J].煤炭学报,45(11):3772-3780.
|
张彪,戴兴国,2017.基于指标距离与不确定度量的岩爆云模型预测研究[J].岩土力学,38(增2):257-265.
|
张光存,高谦,杜聚强,等,2013.基于人工神经网络及非线性回归的岩爆判据[J].中南大学学报(自然科学版),44(7):2977-2981.
|
张镜剑,傅冰骏,2008.岩爆及其判据和防治[J].岩石力学与工程学报,27(10):2034-2042.
|
张乐文,张德永,邱道宏,2010.基于粗糙集的可拓评判在岩爆预测中的应用[J].煤炭学报,35(9):1461-1465.
|
张研,苏国韶,燕柳斌,2011.基于高斯过程机器学习的岩爆等级识别方法[J].地下空间与工程学报,7(2):392-397.
|
邹强,周建中,杨小玲,等,2011.属性区间识别模型在溃坝后果综合评价中的应用[J].四川大学学报(工程科学版),43(2):45-50.
|
/
〈 |
|
〉 |