Resumen

Se desarrolla un modelo de predicción de reventones rocosos de la red neuronal de retropropagación (BP) de relación gris de peso de entropía. El modelo necesita seleccionar los factores de evaluación de acuerdo con la práctica de ingeniería y establecer la biblioteca de muestras. El método de peso de entropía se utiliza para calcular el peso objetivo de los factores característicos, y la similitud entre las muestras se calcula mediante la combinación de la teoría de relaciones grises y el método de entropía. La muestra de entrenamiento de la red neuronal BP se selecciona mediante determinación de umbral. Finalmente, utilizamos la red neuronal entrenada para estimar la intensidad del grado de reventón rocoso de las muestras a ser probadas. Este modelo se aplica a la predicción de reventones rocosos del proyecto del túnel Qamchiq, y los resultados de predicción concuerdan bien con las condiciones reales de la construcción posterior, verificando así la viabilidad y efectividad del modelo en la predicción de reventones rocosos.

• Materias:Riostra Propiedades mecánicas Fracturación hidráulica Deformación de cimientos Cálculo de grietas
• Subjects:Brace Mechanical properties Hydraulic fracturing Foundation deformation Crack calculation
• Palabras claves:Rockburst; Modelo de predicción; Peso de entropía; Red neuronal de retropropagación relacional gris; Factores de evaluación; Biblioteca de muestras
• Keywords:Rockburst; Prediction model; Entropy weight; Grey relational backpropagation neural network; Evaluation factors; Sample library