仝 躍，陳 亮，黃宏偉

(1.同濟(jì)大學(xué) a.巖土及地下工程教育部重點(diǎn)實(shí)驗(yàn)室；b.地下建筑與工程系，上海 200092；2.核工業(yè)北京地質(zhì)研究院，北京 100029)

基于PSO-SVM算法的高放廢物處置北山預(yù)選區(qū)巖爆預(yù)測(cè)

仝 躍1a,1b，陳 亮2，黃宏偉1a,1b

(1.同濟(jì)大學(xué) a.巖土及地下工程教育部重點(diǎn)實(shí)驗(yàn)室；b.地下建筑與工程系，上海 200092；2.核工業(yè)北京地質(zhì)研究院，北京 100029)

為安全處置高放廢物，我國(guó)擬在花崗巖體中建造埋深500 m左右的地下實(shí)驗(yàn)室，用以開(kāi)展處置前期的相關(guān)研究。而巖爆作為深部巖石工程中一種常見(jiàn)的動(dòng)力破壞現(xiàn)象，多造成嚴(yán)重后果。為指導(dǎo)地下實(shí)驗(yàn)室場(chǎng)址的篩選以及工程的安全設(shè)計(jì)施工，基于粒子群優(yōu)化的支持向量機(jī)(PSO-SVM)和100組巖爆實(shí)測(cè)數(shù)據(jù)，結(jié)合北山預(yù)選區(qū)舊井、芨芨槽、新場(chǎng)3個(gè)候選場(chǎng)址的地應(yīng)力值和巖體力學(xué)參數(shù)，以洞壁圍巖最大切向應(yīng)力σθ、巖石單軸抗壓強(qiáng)度σc、巖石單軸抗拉強(qiáng)度σt、應(yīng)力指數(shù)Ts、脆性指數(shù)B作為評(píng)判參數(shù)，對(duì)不同場(chǎng)址處豎井和隧道開(kāi)挖的巖爆風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)分析。結(jié)果表明：PSO-SVM算法用于巖爆預(yù)測(cè)是可行的；在埋深300～600 m范圍內(nèi)新場(chǎng)場(chǎng)址處工程開(kāi)挖巖爆風(fēng)險(xiǎn)最低，以新場(chǎng)作為我國(guó)高放廢物地下實(shí)驗(yàn)室的建設(shè)場(chǎng)址是最安全的。

高放廢物處置；PSO-SVM；巖爆預(yù)測(cè)；北山預(yù)選區(qū)；地下實(shí)驗(yàn)室

1 研究背景

巖爆作為高應(yīng)力巖石地區(qū)地下工程中一種常見(jiàn)的動(dòng)力破壞現(xiàn)象，常表現(xiàn)為巖石片狀剝落、嚴(yán)重偏幫、巖片崩落、巖片彈射，有時(shí)還伴有爆裂聲響，往往會(huì)造成工期延誤、設(shè)備損壞、人員傷亡等嚴(yán)重后果[1-2]。近年來(lái)，隨著我國(guó)能源及核廢料地下儲(chǔ)存、深部礦產(chǎn)資源開(kāi)采及大量高地應(yīng)力地區(qū)隧道等地下工程的建設(shè)，巖爆問(wèn)題的研究倍受人們關(guān)注[2-3]。

高放廢物地下實(shí)驗(yàn)室用以開(kāi)展高放廢物處置前期的研究工作，包括處置庫(kù)設(shè)計(jì)、性能評(píng)價(jià)、核素遷移研究及工程評(píng)價(jià)的研究等[11]。當(dāng)前國(guó)際上已建或在建的高放廢物地下實(shí)驗(yàn)室多處于花崗巖、凝灰?guī)r等堅(jiān)硬巖體中，深度主要為300～1 000 m[12]。根據(jù)地下實(shí)驗(yàn)室前期工程科研項(xiàng)目建議書，我國(guó)高放廢物地下實(shí)驗(yàn)室埋深在500 m左右，以花崗巖為主的甘肅北山作為其首要預(yù)選區(qū)?；◢弾r屬于典型的脆性巖石，實(shí)驗(yàn)室的開(kāi)挖必然會(huì)引起巖體原始應(yīng)力狀態(tài)的擾動(dòng)，從而可能誘發(fā)諸如巖爆等破壞現(xiàn)象，并可能會(huì)造成設(shè)備損壞、人員傷亡等嚴(yán)重后果而導(dǎo)致工期的延誤。地下實(shí)驗(yàn)室作為我國(guó)戰(zhàn)略工程，其建設(shè)已到了十分必要和緊要的地步，工期的延誤會(huì)對(duì)高放廢物處置前期的相關(guān)研究造成嚴(yán)重影響，進(jìn)而影響我國(guó)早日完成高放廢物安全處置的目標(biāo)。

結(jié)合實(shí)際工程應(yīng)用，本文以巖爆烈度等級(jí)作為識(shí)別框架，基于粒子群算法優(yōu)化的支持向量機(jī)模型(PSO-SVM)，以洞壁圍巖最大環(huán)向正應(yīng)力σθ、巖石單軸抗壓強(qiáng)度σc、巖石單軸抗拉強(qiáng)度σt、應(yīng)力指數(shù)Ts、脆性指數(shù)B作為評(píng)判參數(shù)，對(duì)選取的樣本進(jìn)行巖爆預(yù)測(cè)分析。根據(jù)預(yù)測(cè)結(jié)果，結(jié)合現(xiàn)有資料，綜合北山地應(yīng)力和巖體特性，對(duì)我國(guó)高放廢物地下實(shí)驗(yàn)室北山預(yù)選區(qū)的舊井、芨芨槽、新場(chǎng)3個(gè)預(yù)選場(chǎng)址豎井和隧道開(kāi)挖巖爆發(fā)生情況進(jìn)行初步預(yù)測(cè)并對(duì)比分析，為實(shí)驗(yàn)室最終場(chǎng)址的選取提供一定的參考。

2 粒子群優(yōu)化的支持向量機(jī)算法(PSO-SVM)

2.1 支持向量機(jī)算法(SVM)

支持向量機(jī)(SupportVectorMachine，SVM)是一種基于統(tǒng)計(jì)學(xué)習(xí)理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則的機(jī)器學(xué)習(xí)方法[7,13]，其基本思想是運(yùn)用核函數(shù)定義的非線性變換將輸入空間變換到高維空間以尋找輸入與輸出間的非線性映射關(guān)系[13]。相比于神經(jīng)網(wǎng)絡(luò)等學(xué)習(xí)方法，SVM具有更強(qiáng)的理論性能和泛化能力，在解決小樣本、非線性及高維數(shù)等問(wèn)題方面展現(xiàn)出較強(qiáng)的優(yōu)越性[7,13-14]。

(1)

(2)

式中s.t.表示約束條件。滿足式(2)的最優(yōu)解為式(3)拉格朗日函數(shù)的鞍點(diǎn)，即

(3)

式中αi≥0為拉格朗日乘數(shù)。在鞍點(diǎn)處w和b梯度為0，可得

(4)

將式(4)結(jié)果代入式(2)中，構(gòu)建最優(yōu)超平面的問(wèn)題即轉(zhuǎn)化為對(duì)偶二次規(guī)劃問(wèn)題

(5)

該對(duì)偶二次規(guī)劃問(wèn)題存在唯一解，求解得最優(yōu)分類函數(shù)為

(6)

式中：sgn[ ]為符號(hào)函數(shù)；αi*為最優(yōu)解；b*為分類的域值。

對(duì)于線性不可分支持向量機(jī)，主要考慮在實(shí)際應(yīng)用中存在不滿足線性可分的情況，或由于某種原因訓(xùn)練集中出現(xiàn)“畸異點(diǎn)”，會(huì)影響最終分類超平面的生成，因而增加一個(gè)松弛項(xiàng)ξi，則二次規(guī)劃問(wèn)題變?yōu)?/p>

(7)

式中C為懲罰參數(shù)，表示對(duì)錯(cuò)誤的懲罰程度。相應(yīng)地，滿足式(7)的最優(yōu)解的拉格朗日函數(shù)的鞍點(diǎn)為

(8)

式中βi為拉格朗日乘子。根據(jù)KKT(Karesh-Kuhn-Tucker)定理，該最優(yōu)解還須滿足：

(9)

此時(shí)對(duì)應(yīng)最優(yōu)超平面的對(duì)偶二次規(guī)劃問(wèn)題為

(10)

求得最優(yōu)分類函數(shù)，如式(6)所示。

(11)

其對(duì)偶問(wèn)題為

(12)

求解得最優(yōu)分類函數(shù)為

(13)

2.2 粒子群優(yōu)化算法(PSO)

粒子群優(yōu)化算法(ParticleSwarmOptimization，PSO)作為一種群體智能優(yōu)化算法[8]，通過(guò)借鑒鳥群在飛行過(guò)程中雖有行為調(diào)整，但總體始終保持一致及個(gè)體之間保持著最適宜的距離的特征，將所優(yōu)化問(wèn)題的解假定為在d維搜索空間以一定速度飛行的粒子群，每個(gè)粒子通過(guò)動(dòng)態(tài)跟蹤個(gè)體最優(yōu)值和全局最優(yōu)值來(lái)調(diào)整自身的速度和位置，以期最快得到問(wèn)題的最優(yōu)解[15]。該算法迭代公式如下。

(14)

2.3PSO-SVM算法

本文采用基于高斯徑向基核函數(shù)的非線性支持向量機(jī)，其中懲罰參數(shù)C和核參數(shù)g對(duì)SVM的泛化性能會(huì)產(chǎn)生較大的影響，因而選擇最佳參數(shù)有利于提高SVM模式識(shí)別準(zhǔn)確度[16]。

應(yīng)用PSO簡(jiǎn)單、全局搜索能力強(qiáng)等特點(diǎn)，優(yōu)化SVM參數(shù)以提高其識(shí)別的準(zhǔn)確度[9]。應(yīng)用PSO優(yōu)化SVM參數(shù)的過(guò)程可概括為[9,16]：初始化PSO基本參數(shù)，根據(jù)樣本訓(xùn)練集生成由SVM參數(shù)C，g組成的初始粒子；由訓(xùn)練樣本獲取粒子適應(yīng)度、個(gè)體極值和全局極值，其中以當(dāng)前粒子作為每個(gè)粒子的個(gè)體極值點(diǎn)，以最小適應(yīng)度粒子作為全局極值點(diǎn)；應(yīng)用PSO對(duì)參數(shù)C，g迭代運(yùn)算以獲取最優(yōu)的參數(shù)值。

3 PSO-SVM算法驗(yàn)證

3.1 巖爆評(píng)判參數(shù)選取

巖爆發(fā)生機(jī)制復(fù)雜，誘導(dǎo)因素眾多，涉及強(qiáng)度理論、能量理論、剛度理論、沖擊傾向理論和失穩(wěn)理論[6,17]等多個(gè)理論。賈義鵬等[6,18-19]根據(jù)巖爆發(fā)生條件，選取應(yīng)力指數(shù)Ts、脆性指數(shù)B、彈性能量指數(shù)Wet作為評(píng)判指標(biāo)；言志信等[8]、祝云華等[13]、Adoko等[20]綜合考慮圍巖特性和初始地應(yīng)力水平，選取洞壁圍巖最大環(huán)向正應(yīng)力σθ、巖石單軸抗壓強(qiáng)度σc、巖石單軸抗拉強(qiáng)度σt、應(yīng)力指數(shù)Ts、脆性指數(shù)B、彈性能量指數(shù)Wet作為評(píng)判指標(biāo)； Zhou等[9]采用埋深H、洞壁圍巖最大環(huán)向正應(yīng)力σθ、巖石單軸抗壓強(qiáng)度σc、巖石單軸抗拉強(qiáng)度σt、應(yīng)力指數(shù)Ts、脆性指數(shù)B、彈性能量指數(shù)Wet作為輸入指標(biāo)；Dong等[21]在其研究中指出選取洞壁圍巖最大環(huán)向正應(yīng)力σθ、應(yīng)力指數(shù)Ts、脆性指數(shù)B、彈性能量指數(shù)Wet作為評(píng)判指標(biāo)預(yù)測(cè)巖爆是可行的。本文綜合上述學(xué)者的研究成果，并結(jié)合現(xiàn)有資料，選取洞壁圍巖最大環(huán)向正應(yīng)力σθ、巖石單軸抗壓強(qiáng)度σc、巖石單軸抗拉強(qiáng)度σt、應(yīng)力指數(shù)Ts、脆性指數(shù)B作為巖爆評(píng)判參數(shù)；將巖爆等級(jí)分為4級(jí)：無(wú)巖爆(1級(jí))、弱巖爆(2級(jí))、中等巖爆(3級(jí))、強(qiáng)烈?guī)r爆(4級(jí))。

3.2 樣本數(shù)據(jù)

本文參考文獻(xiàn)[9]統(tǒng)計(jì)的巖爆發(fā)生情況，選取100組樣本數(shù)據(jù)，如表1所示(由于數(shù)據(jù)過(guò)多，本文不一一列出，如有需要可聯(lián)系筆者)。其中前90組作為訓(xùn)練樣本集，后10組作為測(cè)試樣本集。

表1 巖爆實(shí)測(cè)數(shù)據(jù)Table 1 Measured data of rockburst

3.3 算法驗(yàn)證結(jié)果

結(jié)合上述巖爆評(píng)判參數(shù)和實(shí)測(cè)數(shù)據(jù)，基于PSO-SVM算法的預(yù)測(cè)結(jié)果如表2以及圖1、圖2所示。

表2 算法預(yù)測(cè)結(jié)果Table 2 Result of rockburst prediction based on PSO-SVM

圖1 應(yīng)用PSO選取最優(yōu)參數(shù)的適應(yīng)度曲線Fig.1 Fitness curve of selecting the optimal parameters based on PSO

圖2 基于PSO-SVM測(cè)試集的實(shí)際和預(yù)測(cè)巖爆等級(jí)Fig.2 Actual and predicted ratings of rockburst of test set based on PSO-SVM

可發(fā)現(xiàn)基于本文所選取的評(píng)判參數(shù)組合開(kāi)展巖爆預(yù)測(cè)，訓(xùn)練集和測(cè)試集樣本準(zhǔn)確率均達(dá)90%及以上，進(jìn)而驗(yàn)證了所選取評(píng)判參數(shù)的可靠性。

4 北山預(yù)選區(qū)巖爆預(yù)測(cè)

4.1 工程地質(zhì)概況

北山位于甘肅省西北部，屬低山丘陵區(qū)，海拔約1 170 m，相對(duì)高差很小，地勢(shì)低緩，大部分為干旱戈壁或基巖裸露的低山。該區(qū)屬于塔里木地塊的一部分，中新生代以來(lái)，構(gòu)造活動(dòng)并不強(qiáng)烈，處于長(zhǎng)期隆起剝蝕狀態(tài)。其南鄰的祁連山—河西走廊斷裂系，是青藏高原北部邊緣發(fā)育的多條平行斷裂帶中規(guī)模最大、活動(dòng)最強(qiáng)的一組斷裂帶。該斷裂帶總體走向290°～310°，由南向北依次為昌馬—雷公山—毛毛山斷裂、玉門—肅南—祁連山北緣斷裂、龍首山南緣斷裂，見(jiàn)圖3。該區(qū)出露的基巖主要為花崗巖和變質(zhì)巖[22-23]。

注：2為玉門斷裂；3為嘉峪關(guān)斷裂；4為佛洞廟—紅崖子斷裂；5為榆木山北斷裂；6為榆木山東斷裂；7為民樂(lè)—大馬營(yíng)斷裂；8為皇城—塔兒莊斷裂；9為武威—天祝斷裂；10為石包城斷裂；11為馬家?！t線線斷裂；12為昌馬斷裂；13為肅南—祁連斷裂；14為冷龍嶺斷裂；15為雷公山—毛毛山斷裂；16為哈溪—大靖斷裂；17為阿爾金斷裂；18為龍首山南緣斷裂；19為龍首山北緣斷裂。

圖3 北山預(yù)選區(qū)地質(zhì)構(gòu)造及鉆孔布置簡(jiǎn)圖Fig.3 Schematic diagram of geological structure and borehole layout in Beishan pre-selected area

4.2 地應(yīng)力及巖石基本力學(xué)參數(shù)

4.2.1 地應(yīng)力

北山預(yù)選區(qū)地應(yīng)力是通過(guò)水壓致裂法測(cè)得，鉆孔分布如圖3所示，根據(jù)現(xiàn)場(chǎng)地應(yīng)力測(cè)試結(jié)果，舊井[24]、芨芨槽[22]、新場(chǎng)[22]3個(gè)預(yù)選場(chǎng)址地應(yīng)力如圖4所示。

圖4 舊井、芨芨槽、新場(chǎng)地應(yīng)力回歸結(jié)果Fig.4 Regression results of geo-stress of Jiujing, Jijicao, and Xinchang

根據(jù)應(yīng)力測(cè)試結(jié)果可發(fā)現(xiàn)，在600 m深度范圍內(nèi)，北山預(yù)選區(qū)3個(gè)預(yù)選場(chǎng)址均呈現(xiàn)出σH>σh>σv(σH為最大主應(yīng)力，σh為最小主應(yīng)力，σv為自重應(yīng)力)或σH>σv>σh的應(yīng)力關(guān)系，表明在600 m深度范圍內(nèi)水平構(gòu)造運(yùn)動(dòng)起主要控制作用。

4.2.2 巖石基本力學(xué)參數(shù)

根據(jù)文獻(xiàn)[25]及北山花崗巖報(bào)告[26]，北山3個(gè)預(yù)選場(chǎng)址的巖石基本力學(xué)參數(shù)如表3所示。

表3 北山巖石基本力學(xué)參數(shù)Table 3 Basic mechanical parameters of rock in Beishan area

4.3 巖爆預(yù)測(cè)結(jié)果

綜合北山預(yù)選區(qū)舊井、芨芨槽、新場(chǎng)三者地應(yīng)力測(cè)量結(jié)果及我國(guó)目前規(guī)劃地下實(shí)驗(yàn)室的埋深范圍，本文主要研究300～600 m埋深范圍內(nèi)的巖爆發(fā)生情況。結(jié)合地下實(shí)驗(yàn)室結(jié)構(gòu)方案，所開(kāi)展研究主要針對(duì)豎井和隧道(水平)2類工程，其中隧道走向按平行于最大水平主應(yīng)力方向布置。

基于巖爆訓(xùn)練樣本數(shù)據(jù)和選定的評(píng)判參數(shù)組合，結(jié)合舊井、芨芨槽、新場(chǎng)3個(gè)候選場(chǎng)址處的物理力學(xué)參數(shù)值，應(yīng)用PSO-SVM算法的巖爆預(yù)測(cè)結(jié)果見(jiàn)表4。

根據(jù)預(yù)測(cè)結(jié)果發(fā)現(xiàn)：舊井處，在埋深400～600 m范圍內(nèi)豎井開(kāi)挖會(huì)伴有弱巖爆乃至中等巖爆發(fā)生，在埋深550～600 m范圍內(nèi)隧道開(kāi)挖會(huì)伴有弱巖爆發(fā)生；芨芨槽處，在埋深550～600 m范圍內(nèi)豎井開(kāi)挖會(huì)伴有弱巖爆發(fā)生，約在埋深600 m處隧道開(kāi)挖會(huì)發(fā)生弱巖爆；而新場(chǎng)處，除約在埋深600 m處豎井開(kāi)挖會(huì)發(fā)生弱巖爆外，在埋深300～600 m范圍內(nèi)其他處豎井開(kāi)挖和隧道開(kāi)挖幾乎無(wú)巖爆發(fā)生。

從而可知，在舊井、芨芨槽、新場(chǎng)3個(gè)候選場(chǎng)址中，舊井處和芨芨槽處豎井開(kāi)挖和隧道開(kāi)挖均存在不同程度的巖爆風(fēng)險(xiǎn)，而新場(chǎng)處工程開(kāi)挖巖爆發(fā)生可能性和巖爆等級(jí)均是最低的。故從巖爆角度認(rèn)為，以新場(chǎng)候選場(chǎng)址作為地下實(shí)驗(yàn)室的建設(shè)場(chǎng)址更有利于施工安全。

表4 北山巖爆預(yù)測(cè)結(jié)果Table 4 Result of rockburst prediction for Beishan area

注：該表中σc，σt取值是根據(jù)表3中已測(cè)深度范圍內(nèi)參數(shù)值采用線性插值所得，超出所測(cè)深度范圍根據(jù)測(cè)值取其平均值。

5 結(jié) 論

(1) 基于PSO-SVM算法，以洞壁圍巖最大環(huán)向正應(yīng)力σθ、巖石單軸抗壓強(qiáng)度σc、巖石單軸抗拉強(qiáng)度σt、應(yīng)力指數(shù)Ts、脆性指數(shù)B作為評(píng)判指標(biāo)預(yù)測(cè)巖爆是可行的，可在一定程度上滿足實(shí)際工程需要。

(2) 基于PSO-SVM算法的巖爆預(yù)測(cè)結(jié)果，初步認(rèn)為在所研究范圍內(nèi)，豎井和隧道開(kāi)挖時(shí)，在舊井場(chǎng)址處400～600m埋深范圍內(nèi)會(huì)伴有弱巖爆乃至中等巖爆的風(fēng)險(xiǎn)；在芨芨槽場(chǎng)址處550～600m埋深范圍內(nèi)會(huì)伴有弱巖爆的風(fēng)險(xiǎn)；而在新場(chǎng)場(chǎng)址處幾乎無(wú)巖爆風(fēng)險(xiǎn)。故從此角度認(rèn)為，以新場(chǎng)作為我國(guó)高放廢物地下實(shí)驗(yàn)室的建設(shè)場(chǎng)址是最安全的。

雖然基于PSO-SVM算法，綜合地應(yīng)力和巖體特性2方面預(yù)測(cè)巖爆具有較好的工程適用性，但筆者必須承認(rèn)該算法對(duì)巖爆實(shí)例數(shù)據(jù)有一定的依賴性，因而本文側(cè)重于對(duì)比分析舊井、芨芨槽、新場(chǎng)三者巖爆發(fā)生情況，選出巖爆發(fā)生概率和烈度最小場(chǎng)址，為最后場(chǎng)址的選擇提供一定的參考。而結(jié)合該工程實(shí)際探索巖爆發(fā)生及其誘發(fā)機(jī)理，更科學(xué)有效的巖爆預(yù)測(cè)將在后續(xù)研究中展開(kāi)。

致 謝：感謝核工業(yè)北京地質(zhì)研究院在地應(yīng)力及巖石基本力學(xué)參數(shù)數(shù)據(jù)方面給予的大力支持！

[1] 徐林生,王蘭生,李天斌.國(guó)內(nèi)外巖爆研究現(xiàn)狀綜述[J].長(zhǎng)江科學(xué)院院報(bào),1999,16(4):24-27,38.

[2] 周青春,李海波,楊春和.地下工程巖爆及其風(fēng)險(xiǎn)評(píng)估綜述[J].巖土力學(xué),2003,24(增2):669-673.

[3] 汪 洋,尹健民,李永松,等.基于巖體開(kāi)挖卸荷效應(yīng)的巖爆機(jī)理研究[J].長(zhǎng)江科學(xué)院院報(bào),2014,31(11):120-124.

[4] 錢七虎.巖爆、沖擊地壓的定義、機(jī)制、分類及其定量預(yù)測(cè)模型[J].巖土力學(xué),2014,35(1):1-6.

[5] 馮夏庭.智能巖石力學(xué)導(dǎo)論[M].北京:科學(xué)出版社,2000.

[6] 賈義鵬,呂 慶,尚岳全.基于粒子群算法和廣義回歸神經(jīng)網(wǎng)絡(luò)的巖爆預(yù)測(cè)[J].巖石力學(xué)與工程學(xué)報(bào),2013,32(2): 343-348.

[7] 馮夏庭,趙洪波.巖爆預(yù)測(cè)的支持向量機(jī)[J].東北大學(xué)學(xué)報(bào)(自然科學(xué)版),2002,23(1):57-59.

[8] 言志信,賀 香,龔 斌.基于粒子群優(yōu)化的PLS-LCF巖爆災(zāi)害預(yù)測(cè)模型研究[J].巖石力學(xué)與工程學(xué)報(bào),2013,32(增2):3180-3186.

[9]ZHOUJ,LIX,SHIX.Long-termPredictionModelofRockburstinUndergroundOpeningsUsingHeuristicAlgorithmsandSupportVectorMachines[J].SafetyScience,2012,50(4):629-644.[10]谷文成,柴寶仁,滕艷平.基于粒子群優(yōu)化算法的支持向量機(jī)研究[J].北京理工大學(xué)學(xué)報(bào),2014,34(7):705-709.[11]王 駒.我國(guó)高放廢物深地質(zhì)處置戰(zhàn)略規(guī)劃探討[J].鈾礦地質(zhì),2004,20(4):196-204,212.

[12]王 駒,陳偉明,蘇 銳，等.高放廢物地質(zhì)處置及其若干關(guān)鍵科學(xué)問(wèn)題[J].巖石力學(xué)與工程學(xué)報(bào),2006,25(4):801-812.

[13]祝云華,劉新榮,周軍平.基于ν-SVR算法的巖爆預(yù)測(cè)分析[J].煤炭學(xué)報(bào),2008,33(3):277-281.

[14]何婷婷,尚岳全,呂 慶,等.邊坡可靠度分析的支持向量機(jī)法[J].巖土力學(xué),2013,34(11):3269-3276.

[15]熊和金.智能信息處理[M].北京:國(guó)防工業(yè)出版社,2012：8.

[16]李潤(rùn)求,施式亮,念其鋒,等.基于PSO-SVM的煤礦瓦斯爆炸災(zāi)害風(fēng)險(xiǎn)模式識(shí)別[J].中國(guó)安全科學(xué)學(xué)報(bào),2013,23(5):38-43.

[17]張鏡劍,傅冰駿.巖爆及其判據(jù)和防治[J].巖石力學(xué)與工程學(xué)報(bào),2008,27(10):2034-2042.

[18]賈義鵬,呂 慶,尚岳全,等.基于證據(jù)理論的巖爆預(yù)測(cè)[J].巖土工程學(xué)報(bào),2014,36(6):1079-1086.

[19]賈義鵬,呂 慶,尚岳全,等.基于粗糙集-理想點(diǎn)法的巖爆預(yù)測(cè)[J].浙江大學(xué)學(xué)報(bào)(工學(xué)版),2014,48(3):498-503.

[20]ADOKO A C,GOKCEOGLU C,WU L,etal. Knowledge-based and Data-driven Fuzzy Modeling for Rockburst Prediction[J]. International Journal of Rock Mechanics and Mining Sciences,2013,61(4):86-95.

[21]DONG L,LI X,PENG K.Prediction of Rockburst Classification Using Random Forest[J]. Transactions of Nonferrous Metals Society of China,2013,23(2):472-477.

[22]核工業(yè)北京地質(zhì)研究院.甘肅北山預(yù)選區(qū)BS15、BS16、BS17、BS18、BS19號(hào)鉆孔地應(yīng)力測(cè)量及分析[R].北京：核工業(yè)北京地質(zhì)研究院，2012.

[23]仝 躍,陳 亮,黃宏偉.高放廢物地下實(shí)驗(yàn)室北山預(yù)選區(qū)巖爆風(fēng)險(xiǎn)預(yù)測(cè)[J].地下空間與工程學(xué)報(bào),2016,12(4):1055-1063.

[24]趙宏剛,王 駒,劉月妙,等.處置庫(kù)硐室開(kāi)挖穩(wěn)定性分析——甘肅北山為例[C]∥中國(guó)巖石力學(xué)與工程學(xué)會(huì)廢物地下處置專業(yè)委員會(huì).第二屆廢物地下處置學(xué)術(shù)研討會(huì)論文集.北京：中國(guó)巖石力學(xué)與工程學(xué)會(huì)，2008:295-304.

[25]劉月妙,王 駒,譚國(guó)煥,等.高放廢物處置北山預(yù)選區(qū)深部完整巖石基本物理力學(xué)性能及時(shí)溫效應(yīng)[J].巖石力學(xué)與工程學(xué)報(bào),2007,26(10):2034-2042.

[26]核工業(yè)北京地質(zhì)研究院.甘肅北山花崗巖報(bào)告[R].北京：核工業(yè)北京地質(zhì)研究院，2014.

(編輯：羅 娟)

Rockburst Prediction of Beishan Pre-selected Area for Disposalof High-level Radioactive Waste Based on PSO-SVM

TONG Yue1,2，CHEN Liang3，HUANG Hong-wei1,2

(1.Key Laboratory of Geotechnical and Underground Engineering of the Ministry of Education,Tongji University,Shanghai 200092, China; 2.Department of Geotechnical Engineering,Tongji University, Shanghai 200092, China; 3.Beijing Research Institute of Uranium Geology,Beijing 100029, China)

For the safe disposal of high-level radioactive waste, China plans to establish an underground laboratory at buried depth of about 500 m in the granite rocks to carry out preliminary study on the disposal. However, as a common dynamic failure in deep rock engineering, rockburst always cause serious consequences. In the aim of guiding the selection of the underground laboratory site and the safe design and construction of the project, rockburst risks of shaft and tunnel excavation at different sites were predicted and analyzed based on support vector machine optimized by particle swarm optimization (PSO-SVM). One hundred groups of measured rockburst data as well as the geo-stress values and the mechanical parameters of rock mass of three candidate sites (Jiujing,Jijicao,and Xinchang) in Beishan pre-selected area were also taken as basis. Evaluation parameters including maximum tangential stressσθof surrounding rock, uniaxial compressive strengthσc,uniaxial tensile strenghσt,stress coefficientTs, and brittleness coefficientBwere chosen. Results show that PSO-SVM algorithm is feasible for rockburst prediction. The rockburst risk of engineering excavation in the depth of 300-600 m at Xinchang is the lowest. Therefore, selecting Xinchang as the construction site of underground laboratory for the disposal of high-level radioactive waste is the most secure.

disposal of high-level radioactive waste;PSO-SVM;rockburst prediction;Beishan pre-selected area；underground laboratory

2016-01-19；

2016-03-01

國(guó)家國(guó)防科技工業(yè)局項(xiàng)目

仝 躍(1992-)，男，河北衡水人，碩士研究生，主要從事地下工程風(fēng)險(xiǎn)相關(guān)研究，(電話)13795393220(電子信箱)tongyue2014@yeah.net。

10.11988/ckyyb.20160058

2017,34(5):68-74

TU45

A

1001-5485(2017)05-0068-07