Resumen

Para clasificar con precisión la estabilidad de las masas rocosas circundantes, se propone un método novedoso (VSV-BDA) basado en variables de estado virtuales (VSVs) y análisis discriminante bayesiano (BDA). Los factores que influyen en la estabilidad son mapeados por una red neuronal artificial (ANN) capaz de reconocer el modelo de clasificación de masas rocosas, y el vector de salida obtenido se trata como VSVs, los cuales se verifican que siguen una distribución multinormal con matrices de covarianza iguales mediante pruebas de distribución normal y estadísticas construidas. Se introduce el método de prueba de la razón de varianza de predicción para determinar la dimensión óptima de los VSVs. El modelo VSV-BDA se construye mediante el uso de VSVs y la dimensión óptima sobre la base de las muestras de entrenamiento, que se dividen de las muestras recolectadas en tres situaciones con diferentes números. También se construyen modelos ANN y BDA basados en las mismas muestras de entrenamiento

• Materias:Ingeniería subterránea Deformaciones elásticas Excavación con explosivos Transitorios repetitivos Efecto de Perturbación
• Subjects:Underground engineering Elastic deformations Excavation with explosives Repetitive transients Perturbation effect
• Palabras claves:Nuevo método; Variables de estado virtuales; Análisis discriminante bayesiano; Red neuronal artificial; Estabilidad; Masa rocosa.
• Keywords:Novel method; Virtual state variables; Bayesian discriminant analysis; Artificial neural network; Stability; Rock mass.