摘要 | 第3-5页 |
ABSTRACT | 第5页 |
第一章 绪论 | 第9-24页 |
1.1 立论背景 | 第9-17页 |
1.1.1 深部资源开采现状 | 第9-10页 |
1.1.2 深部开采诱发的动力现象—岩爆及其危害 | 第10-12页 |
1.1.3 岩爆研究现状 | 第12-17页 |
1.2 岩爆倾向性预测方法 | 第17-23页 |
1.2.1 主要预测方法 | 第17-22页 |
1.2.2 对已有岩爆倾向性预测方法的综合评述 | 第22-23页 |
1.3 论文主要研究内容与研究方法 | 第23-24页 |
第二章 深部硬岩岩爆倾向性动态预测理论基础 | 第24-39页 |
2.1 岩爆倾向性动态预测方法的提出 | 第24-29页 |
2.1.1 岩爆倾向性预测面临的挑战 | 第24-26页 |
2.1.2 系统科学理论与方法带来的思维方式转变 | 第26-29页 |
2.1.3 大量岩爆实例蕴藏的先验信息有待挖掘 | 第29页 |
2.2 岩爆倾向性动态预测的理论基础—RES理论基本原理 | 第29-38页 |
2.2.1 RES理论的基本概念 | 第31页 |
2.2.2 模型分析方法 | 第31页 |
2.2.3 交互作用矩阵的构造 | 第31-34页 |
2.2.4 交互作用矩阵的编码 | 第34-35页 |
2.2.5 参数的交互作用强度和优势分析 | 第35-38页 |
2.3 小结 | 第38-39页 |
第三章 基于改进BP网络的岩爆倾向性动态预测模型 | 第39-69页 |
3.1 BP神经网络及其算法原理 | 第39-42页 |
3.1.1 BP网络算法原理 | 第39-41页 |
3.1.2 岩石工程问题的BP网络建模 | 第41-42页 |
3.2 岩爆倾向性的动态预测模型及其智能实现 | 第42-54页 |
3.2.1 岩爆发生的主要影响因素 | 第42-45页 |
3.2.2 预测模型构造 | 第45-47页 |
3.2.3 相对作用强度RSE和GRSE的统一计算方法 | 第47-51页 |
3.2.4 基于改进BP网络的(G)RSE算法实现 | 第51-54页 |
3.3 岩爆倾向性动态预测模型在深部矿山开采中的应用 | 第54-67页 |
3.3.1 深部VCR法采场的岩爆倾向性预测 | 第54-60页 |
3.3.2 冬瓜山深部巷道围岩的岩爆倾向性预测 | 第60-67页 |
3.4 小结 | 第67-69页 |
第四章 基于模糊神经网络的岩爆倾向性动态预测方法 | 第69-93页 |
4.1 概述 | 第69-70页 |
4.2 基于模糊信息优化的模糊神经网络方法 | 第70-75页 |
4.2.1 模糊神经网络及其结构 | 第70-71页 |
4.2.2 神经网络的模糊关系存储器 | 第71页 |
4.2.3 模糊信息优化理论 | 第71-75页 |
4.3 岩爆倾向性动态预测的模糊神经网络方法 | 第75-80页 |
4.3.1 岩爆倾向性的模糊聚类分析 | 第75-77页 |
4.3.2 模糊神经网络模型构造 | 第77-80页 |
4.4 深部VCR法采场岩爆倾向性模糊神经网络预测 | 第80-92页 |
4.4.1 岩爆倾向性的模糊聚类分析 | 第81-85页 |
4.4.2 各因素(特性指标)与岩爆倾向性的模糊关系 | 第85-88页 |
4.4.3 岩爆倾向性的模糊近似推论 | 第88-90页 |
4.4.4 岩爆倾向性模糊预测的神经网络方法 | 第90-92页 |
4.5 小结 | 第92-93页 |
第五章 冬瓜山深部采场岩爆主控因素—应力分布及其预控 | 第93-123页 |
5.1 概述 | 第93-94页 |
5.2 矿区原岩应力分布 | 第94-99页 |
5.2.1 原岩应力的定性评价 | 第94-95页 |
5.2.2 原岩应力的定量评价 | 第95-99页 |
5.3 采场围岩应力分布的数值模拟分析及其预控 | 第99-107页 |
5.3.1 计算方案设计 | 第99-102页 |
5.3.2 理论本构模型及基本假设 | 第102-104页 |
5.3.3 计算域及计算模型的离散化 | 第104页 |
5.3.4 边界条件 | 第104-105页 |
5.3.5 动力有限元分析 | 第105-106页 |
5.3.6 岩体介质及其力学参数选取 | 第106-107页 |
5.4 计算结果分析 | 第107-121页 |
5.5 小结 | 第121-123页 |
第六章 全文结论 | 第123-126页 |
参考文献 | 第126-134页 |
攻读博士学位期间的主要研究成果 | 第134-135页 |
致谢 | 第135页 |