基于數(shù)據(jù)關聯(lián)性分析的圍巖離層變形預測研究

劉立強，劉 洋，李怡航，張朝鵬，張 茹，艾 婷

(1.雅礱江流域水電開發(fā)有限公司，四川 成都 610051；2.四川大學 深地科學與工程教育部重點實驗室，四川 成都 610065)

0 引 言

隨著信息時代的到來，整個人類社會的數(shù)據(jù)量在以驚人的速度增長[1-2]，并且數(shù)據(jù)對于人類社會的反饋影響也逐漸變得不可忽視.當今世界，數(shù)據(jù)已成為與人力資源和自然資源同等重要的戰(zhàn)略資源，各行各業(yè)研究者越來越多地嘗試從海量的數(shù)據(jù)中挖掘出對自己有價值的信息[3-4].

巖土工程與地下工程傳統(tǒng)的分析方法基本思想均為由現(xiàn)象到本質(zhì)的探索，數(shù)據(jù)的使用往往局限于各種工程現(xiàn)象與參數(shù)的記錄.在本質(zhì)探索過程中，依賴的更多的是學者主觀的分析和理論公式推導結(jié)合經(jīng)驗修正，最后再利用數(shù)據(jù)做最后的檢驗.學者往往將復雜的工程問題簡化為一些基礎的物理模型，在此基礎上建立數(shù)學模型，利用數(shù)學的方式去求解[5].巖土工程作為傳統(tǒng)學科，通過工程、現(xiàn)場、實驗、科研等方式積累的數(shù)據(jù)量已經(jīng)達到相當驚人的數(shù)字，但對巖石屬性、參數(shù)等數(shù)據(jù)的記錄在現(xiàn)階段依然采用傳統(tǒng)方式，鮮少形成系統(tǒng)的、完整的信息庫[6-8].可見在巖土工程學科的傳統(tǒng)分析方法中，數(shù)據(jù)并沒有得到充分的利用，然而隨著現(xiàn)代信息技術的發(fā)展與巖土工程信息獲取手段的進步，工程數(shù)據(jù)背后蘊含的數(shù)據(jù)挖掘潛力是巨大的.可見數(shù)據(jù)重要的價值還有待進一步開發(fā).但隨著科技的進步，巖土工程與地下工程中對于數(shù)據(jù)的監(jiān)測與數(shù)據(jù)分析處理也逐漸重視，且目前已經(jīng)在國際上應用較廣[9].在國內(nèi)對于巖土工程的數(shù)據(jù)分析尚處于起步階段，只在大壩等大型水利工程中應用較多，但是國內(nèi)研究中對于巖土工程與數(shù)據(jù)關聯(lián)性分析技術甚至大數(shù)據(jù)技術的結(jié)合鮮有涉及.

隨著測試精度的提升與成本的降低，各項巖土工程中的數(shù)據(jù)監(jiān)測均已逐漸普及，加上計算機和網(wǎng)絡技術的飛速發(fā)展，巖土數(shù)據(jù)分析逐步呈現(xiàn)大規(guī)模、多維度、全方位的特征.以往監(jiān)測中對數(shù)據(jù)的簡單匯總、大致分析最后提交報告的傳統(tǒng)模式已經(jīng)難以滿足現(xiàn)代巖土工程[10].因此，以大數(shù)據(jù)與數(shù)據(jù)關聯(lián)分析處理手段為主的分析方法將會成為未來巖土工程安全監(jiān)測的核心工作.利用巖土工程傳統(tǒng)學科的特色，可充分建立數(shù)據(jù)密集型[11-12]科研方式，特別是在巖石的屬性與參數(shù)之間、參數(shù)與參數(shù)之間的關系探索，往往受到研究者的經(jīng)驗與學科認知的限制，無法充分研究各參數(shù)或變量之間的聯(lián)系，可能兩個從理論或認知上毫無關系的參數(shù)，在大量數(shù)據(jù)的充分驗證下，利用計算機的客觀性與大數(shù)據(jù)的數(shù)據(jù)發(fā)掘能力初步“證明”兩者的相關性，然后根據(jù)計算機發(fā)現(xiàn)的結(jié)果去推導兩者相關性的原因，可以更大程度上體現(xiàn)科學研究的客觀性與真實性.換言之，在巖土工程中，只要能搜集到充足的跟被測值相關的數(shù)據(jù)，理論上就能進行預測，且數(shù)據(jù)量越大、相關性越強，預測準確率越高.這正是大數(shù)據(jù)的核心思想，可作為傳統(tǒng)科學研究手段的重要補充.

隨著我國水電、交通、采礦等事業(yè)的不斷發(fā)展，對于地下甚至深地開發(fā)的需求日益提高，巖石賦存環(huán)境的地應力越高，巖爆等工程災害的發(fā)生概率越大.如雅礱江錦屏二級水電站(4 800 MW)截彎取直開挖隧洞引水發(fā)電，隧洞最大埋深 2 500 m，7條隧洞平均長度約 17.5 km，開挖洞徑大于 12 m，其大河灣所處地形復雜，相對高差達 1 000～3 000 m，工程地質(zhì)勘察難度大，難以采用傳統(tǒng)方法在 17.5 km 長的7條隧洞上布置深達千米的地質(zhì)勘探鉆孔，以獲取隧洞高程部位的地質(zhì)信息.而其最大主應力 70.1 MPa，高地應力巖爆洞段約占整個隧道的15%，高地應力問題以及巖爆的發(fā)生對工程施工和安全造成了巨大影響.可見盡管監(jiān)測手段如此豐富，但是在巖土工程中仍然事故頻發(fā)，造成了巨大的民生、經(jīng)濟損失，說明目前的監(jiān)測工作仍有許多待解決的問題.數(shù)據(jù)獲取的門檻越來越低，但對于專業(yè)數(shù)據(jù)的分析人員要求卻越來越高，導致輸入輸出量不匹配，“重采集，輕分析”的現(xiàn)象日益嚴重，致使監(jiān)測得到的大量數(shù)據(jù)無法發(fā)揮出它們應有的巨大價值.受限于當時巖土工程學科以及信息技術的水平，監(jiān)測數(shù)據(jù)分析方法有待創(chuàng)新研究，因此，必須站在新的角度對工程巖土相關問題進行深入研究[13]，亟需新的數(shù)據(jù)分析方法來應對如今地下工程甚至深地工程中越來越多的難題.

因此，本文基于數(shù)據(jù)關聯(lián)性分析的思想，選取巷道中的圍巖離層變形現(xiàn)象為例，利用SPSS軟件對其可監(jiān)測到的地質(zhì)、工程數(shù)據(jù)等進行關聯(lián)分析，探索一種忽略探究工程事件發(fā)生機理，根據(jù)數(shù)據(jù)直接預測概率的可能.本研究成果可結(jié)合其它相關技術進一步建立高地應力條件下巖爆分析力學模型，為復雜度極高的巖土地下工程尤其是錦屏大設施等深地工程提供巖爆災害預警和預報，為工程設計和施工提供理論基礎和依據(jù).

1 巖土工程在大數(shù)據(jù)時代的機遇

在巖土工程中，有大量難以準確測量的參數(shù)，如原位狀態(tài)下的巖層力學性質(zhì)(例如，原位環(huán)境下的巖體泊松比、變形模量、粘聚力、內(nèi)摩擦角等參數(shù))，這些數(shù)據(jù)對于工程設計與施工有著重要的作用，但利用現(xiàn)在的監(jiān)測手段難以獲得準確的原位數(shù)據(jù).隨著巖土工程監(jiān)測手段的多樣化與數(shù)據(jù)處理算法、模型的發(fā)展，借助大數(shù)據(jù)相關技術，可以通過巖土工程中數(shù)據(jù)的關聯(lián)性，利用埋深、地溫、礦物成分、地層條件等參數(shù)去修正與預測那些難以準確測得的參數(shù).在大數(shù)據(jù)時代，將巖土工程的機遇總結(jié)如下：

1) 傳感器技術為主的監(jiān)測方式將會得到巨大的市場空間

隨著IT技術的飛速發(fā)展和大數(shù)據(jù)時代的來臨，各項工程數(shù)據(jù)監(jiān)測技術中，各式各樣的傳感器將是該項技術的實施重點.未來傳感器不僅要做到更加精準、更易操作、更加及時，同時還要做到更加全面，如果能夠監(jiān)測一些理論上十分難以得出的參數(shù)，將會對理論知識的推進帶來契機.

2) 巖土工程的建設自動化與大數(shù)據(jù)相匹配

巖土工程中的參數(shù)與數(shù)據(jù)不僅錯綜復雜，且現(xiàn)存的存儲機制尚不完善，各單位間的數(shù)據(jù)共享率十分低下.而現(xiàn)代互聯(lián)網(wǎng)中的云計算、區(qū)塊鏈等技術可以很好地解決現(xiàn)在巖土工程中的數(shù)據(jù)共享問題.如果巖土工程的建設可以實現(xiàn)自動化，就必須依賴于外部大數(shù)據(jù)的計算結(jié)果進行實時反饋，實時調(diào)整施工與支護方案，可減少工程危險區(qū)的施工人員的數(shù)量，甚至能做到“無人化”施工和監(jiān)測.

3) 數(shù)據(jù)分析將是巖土工程的重中之重

加強從業(yè)人員的數(shù)據(jù)分析能力，提高行業(yè)的數(shù)據(jù)分析整體素質(zhì)，將有利于平衡數(shù)據(jù)采集與數(shù)據(jù)分析的關系，使得蜂擁而至的大量數(shù)據(jù)能夠得到可靠且快速的分析，并能及時反饋給巖土工程施工.由于數(shù)據(jù)的復雜性、影響參數(shù)過多甚至某些工程現(xiàn)象的作用機制不明，人們更傾向于利用關聯(lián)分析來進行綜合的大范圍、全方位數(shù)據(jù)處理，通過數(shù)據(jù)本身的聯(lián)系來解決現(xiàn)有問題，而不是通過建立理論知識與經(jīng)驗公式來進行計算粗糙的預測.

2 分析方法淺析

現(xiàn)有的預測方法大致分為三類：經(jīng)驗性預測、數(shù)學模型預測和大數(shù)據(jù)預測.數(shù)學模型預測和大數(shù)據(jù)預測均屬于預測的高級階段，但對復雜系統(tǒng)或內(nèi)在規(guī)律不明的預測對象，后者通常更為準確.目前，常用的分析方法包括成分分析法(因子分析法)、偏相關分析法、回歸分析法(線性回歸、非線性回歸)、神經(jīng)網(wǎng)絡預測法等.

2.1 成分分析法(因子分析法)

在實際工程中，為了系統(tǒng)全面反映問題，有時用于分析的變量較多，且各參數(shù)間重復信息較多，直接用于分析現(xiàn)實問題，不僅模型復雜，還會因各變量之間存在的多重共線性導致很多衍生問題.為此，人們希望能找到一些既能全面反映原始變量信息，又數(shù)量有限的新指標.成分分析法(或因子分析法)是解決此類問題最有效的方法[14].它們能夠減少分析維度，提取變量信息，從而使問題更直觀、更易于分析和處理.

主成分分析方法通常有以下四個步驟：

1) 對原來的p個指標參數(shù)(因素)進行標準化，用以消除變量量綱的影響；

2) 用標準化的數(shù)據(jù)矩陣求解相關矩陣或協(xié)方差矩陣；

3) 求解協(xié)方差矩陣的特征向量與特征值；

4) 確定出主成分，并結(jié)合專業(yè)知識對各主成分賦予合理的解釋.

特別是在面對海量的監(jiān)測數(shù)據(jù)、監(jiān)測變量時，選擇合適的變量建立模型尤為重要，但人為地憑經(jīng)驗篩選、去除變量一方面具有較強的主觀性，另一方面會在一定程度上損失數(shù)據(jù)的價值[15].而在主成分分析過程中，利用數(shù)據(jù)本身的關聯(lián)性對各變量進行數(shù)據(jù)篩選，而非人為主觀地對復雜的變量進行解釋、推測與判斷，可在數(shù)據(jù)的前處理階段，保留最具代表性的主成分，即“用數(shù)據(jù)說話”中通過數(shù)據(jù)本身客觀統(tǒng)計學邏輯對各變量進行標準化與分篩.

2.2 回歸分析法(線性回歸、非線性回歸)

回歸分析法包括線性回歸和非線性回歸.線性回歸是一種統(tǒng)計分析方法，運用十分廣泛，其主要利用數(shù)理統(tǒng)計中的回歸分析方法來確定兩個或多個變量間相互依賴的定量關系[16].

當因變量與自變量組之間存在多重線性關系時，用多重線性回歸模型可以很好地刻畫他們之間的關系：

(1)

通過最小二乘法，可以得到Q值最小的回歸模型就是統(tǒng)計上的最佳模型：

(2)

在線性回歸之后的檢驗中，若自變量間的容差(也稱容忍度)與VIF(方差膨脹因子)超出了臨界值，則預示著線性回歸中可能存在多重共線性問題，這會使模型中兩個自變量的信息發(fā)生重疊，而兩者的信息重疊可能會使模型在內(nèi)部分析工程中自變量貢獻權(quán)重計算出現(xiàn)差錯.為解決多重共線性問題，有許多解決方法，如嶺回歸、逐步回歸、主成分分析、刪除自變量、更換模型等方式，在數(shù)據(jù)量較小時往往結(jié)合工程分析刪除共線性較大參數(shù)中不符合關聯(lián)性邏輯的參數(shù)，從而篩選出具有統(tǒng)計學意義的參數(shù).

非線性回歸模型求解包含以下步驟：

1) 首先為所有未知參數(shù)指定初始值；

2) 按泰勒級數(shù)展開原方程，只保留一階各項作為線性函數(shù)的逼近，其余項均歸入誤差；

3) 通過最小二乘法對模型中的各參數(shù)進行估算；

4) 用估計值替代初始值，再次展開方程、線性化，求出新的各參數(shù)估值；

5) 如此反復，直至參數(shù)估計值收斂為止.

但上述方法計算復雜，只能借助計算機才能完成，而且在模型比較復雜時，初始值的設定對模型是否能順利求解是有影響的.非線性回歸模型一般可以表示為如下形式：

(3)

式中：f(x,θ)為期望函數(shù)，可以為任意形式.

建立回歸模型之后，判斷其是否具有統(tǒng)計學意義，需要對該回歸模型進行檢驗，此處仍采用方差分析的基本思想進行判斷，響應的假設為：

H0：β1=β2=…=βp=0
H1：各β不全等于0

(4)

式中：H0為原假設，H1為備擇假設，β為偏回歸系數(shù).

例如在SPSS(Statistical Product Service Solutions)中，若P值(也寫作顯著性Sig.)<α(通常為0.05)，則拒絕原假設，說明至少一個自變量的偏回歸系數(shù)不為0，從而說明因變量Y線性依賴于某個變量Xi，所建立的回歸模型有統(tǒng)計學意義，若檢驗結(jié)果為接受H0，則說明所有變量對因變量的線性關系是不重要的，該回歸模型不具有意義.

回歸分析中，需要分析現(xiàn)象之間相關的具體形式，確定其因果關系，并用數(shù)學模型來表現(xiàn)其具體關系，根據(jù)實測數(shù)據(jù)來求解模型的各個參數(shù)，然后評價回歸模型是否能夠很好地擬合實測數(shù)據(jù)；如果能夠很好地擬合，則可以根據(jù)自變量作進一步預測.可見回歸分析的過程是在其數(shù)據(jù)區(qū)間內(nèi)，通過參數(shù)之間的關聯(lián)性建立模型，從純數(shù)學統(tǒng)計的角度將工程監(jiān)測數(shù)據(jù)做擬合，而不必過于拘泥于傳統(tǒng)的本構(gòu)模型建立、參數(shù)物理關聯(lián)等[17]，正體現(xiàn)了“用數(shù)據(jù)說話”的思想，用數(shù)據(jù)得出回歸模型，再用模型得出數(shù)據(jù).

2.3 神經(jīng)網(wǎng)絡預測法

神經(jīng)網(wǎng)絡是在對人腦組織結(jié)構(gòu)和運行機制理解的基礎上，模擬其行為的一種分析系統(tǒng)，其實質(zhì)即為人工智能AI的研究，利用計算機強大的算力來模擬智能生物神經(jīng)網(wǎng)絡中信息的傳遞過程.

從結(jié)構(gòu)角度，神經(jīng)網(wǎng)絡分為輸入層、輸出層和隱含層.節(jié)點在輸入層中代表各自的預測變量，在輸出層中代表目標變量；隱含層位于輸入層與輸出層中間，其層數(shù)和節(jié)點數(shù)決定了構(gòu)成神經(jīng)網(wǎng)絡的復雜程度.由于巖土工程受力變形的機制復雜，難以采用解析的方法獲得作用效應的顯式解，一般需要采用數(shù)值分析或試驗的手段，且?guī)r土工程的功能函數(shù)非線性程度較高.而神經(jīng)網(wǎng)絡分析方法可以完全跳過本構(gòu)推導階段，利用神經(jīng)網(wǎng)絡強大的泛化功能及非線性映射能力，建立神經(jīng)網(wǎng)絡擬合結(jié)構(gòu)的隱式功能函數(shù)，利用參數(shù)間本身的相互關聯(lián)性體現(xiàn)“用數(shù)據(jù)說話”的思想[18]，將大量的數(shù)據(jù)通過神經(jīng)網(wǎng)絡結(jié)構(gòu)層層映射，最終得出理論預測數(shù)據(jù).圖1為含有一個隱含層的神經(jīng)網(wǎng)絡示意圖.

圖1 含有一個隱含層的神經(jīng)網(wǎng)絡示意圖Fig.1 Schematic diagram of neural network with a hidden layer

以世界上應用較廣的統(tǒng)計軟件SPSS為例，其內(nèi)置了多種成熟的統(tǒng)計方法和模型，為用戶提供了全面的統(tǒng)計方法.在巖土工程中，成分分析法、回歸分析法和神經(jīng)網(wǎng)絡預測法可以滿足大多數(shù)中小型工程的數(shù)據(jù)分析、計算、擬合等工作，也可以用于統(tǒng)計模型的檢驗.

3 巖土工程實例

下面以巖土工程中常見的巷道問題為例.在巷道工程中，巷道頂板通常采用錨桿支護，其活動具有隱蔽性，即在其破壞失穩(wěn)前，通常無明顯征兆，頂板發(fā)生離層、下沉、冒頂?shù)葐栴}往往不易被人察覺，一旦發(fā)生事故，往往具突發(fā)性，工程中難以對其進行適時防控.大量工程實踐表明，如果能在巷道中利用可觀測的數(shù)據(jù)對其頂板離層值進行監(jiān)測并同時進行預測，就能在頂板冒落前進行適時支護與防控，降低巷道工程災害的發(fā)生概率.

(a) 頂板離層 (b) 頂板冒落圖2 巷道頂板活動Fig.2 Roof activity of roadway

研究表明，巖石體內(nèi)部的離層是錨固工程破壞失穩(wěn)的直接原因.頂板離層是地應力、圍巖體結(jié)構(gòu)及其力學性質(zhì)、錨桿錨固參數(shù)、巷道斷面等諸因素綜合作用的外在表現(xiàn)，因此頂板離層情況是評價巷道穩(wěn)定性的綜合指標[19].預測頂板離層值可以為巷道等地下工程的安全性、穩(wěn)定性、可靠性的設計與評估提供有力支撐.

目前對于頂板離層值的計算大多依賴于經(jīng)驗公式，理論值與實際值有較多偏差，效果都不盡如人意.借助數(shù)據(jù)關聯(lián)性分析思想，加上愈加完善成熟的傳感器系統(tǒng)規(guī)模使用為各項巖土工程積累的大量數(shù)據(jù)，能夠客觀地根據(jù)監(jiān)測結(jié)果，依靠大數(shù)據(jù)分析，預報巖土體內(nèi)部的離層情況，對巖體的失穩(wěn)破壞甚至瞬時坍塌及早做出預警，從而避免事故發(fā)生.

3.1 數(shù)據(jù)情況

以下預測數(shù)據(jù)利用全新頂板離層儀、鉆孔成像設備對頂板離層進行綜合監(jiān)測得到.數(shù)據(jù)樣本的實際賦存深度為631～900 m，平均深度 850 m，樣品取自某代表性地下工程15-24080工作面(850 m).試樣力學特性在標準試樣樣本條件下，測試得到的峰值應力為 97.12 MPa，峰值應力對應的軸向應變?yōu)?.55%，體應變?yōu)?.69%.

3.2 圍巖離層值預測分析

在該工程圍巖離層值的預測分析中，將監(jiān)測到的離層值與距回采面距離、埋深、錨桿長度、錨桿應力、鉆孔應力、頂板水以及側(cè)壓系數(shù)因素做關聯(lián)性分析，并在分析中發(fā)現(xiàn)，各自變量間的本身相關性較強，若直接用于回歸分析將導致共線性問題，使模型失效，因此采用主成分提取，從各自變量中提取出完全不存在共線性的成分用于分析.經(jīng)提取后，主成分1、2、3特征值的方差百分比總和超過93%(如表1所示)，可以將其作為新的自變量用于圍巖離層值預測分析.可以看出，主成分1以“距回采面距離”為主，主成分2以錨桿參數(shù)為主，主成分3以“鉆孔應力”為主.采用線性回歸與多重線性回歸，其擬合表達式分別為：

表1 主成分解釋Tab.1 Principal component explanation

ABS(線性回歸)=-0.202x1-1.031x2+0.075x3+16.930

(5)

(6)

式中：ABS為預測的頂板離層值，x1為主成分1，x2為主成分2，x3為主成分3.因非線性冪次超過2次方，小數(shù)位保留對結(jié)果影響較大，因此式中保留6位小數(shù).

最終各方法擬合與實測結(jié)果對比如圖3所示.

(a) 多重線性回歸法 (b) 多重非線性回歸法 (c) 神經(jīng)網(wǎng)絡法圖3 不同方法擬合與實測結(jié)果對比Fig.3 Comparison of fitting and measured results by different methods

從圖3中可以直觀地看出，線性回歸模型擬合曲線較為平緩，對于局部變化較大的情況無法很好地擬合.而神經(jīng)網(wǎng)絡模型和非線性回歸模型則更接近原數(shù)據(jù)，且在一些區(qū)間的曲線彎曲程度也大致相仿.在整體效果上，非線性模型曲線與原數(shù)據(jù)曲線最為契合，甚至在距回采面距離>40 m 的區(qū)間幾乎重合，但單純的數(shù)據(jù)擬合效果并不能說明預測模型的可靠性，在模型預測結(jié)束后，還需結(jié)合工程實況與經(jīng)驗對模型的正確性做出評價與判斷，避免出現(xiàn)因多因素、多次冪導致的過度擬合情況發(fā)生.受限于此工程頂板離層監(jiān)測儀器，只測量到距離回采面 60 m 內(nèi)的數(shù)據(jù)，在實際工程中，巷道的頂板圍巖離層值會隨距開采面的距離增大而逐漸減小，并最終趨于0或趨于穩(wěn)定在某一特定值，因此根據(jù)工程經(jīng)驗，在距回采面距離>60 m 時，頂板圍巖離層值的減小速率應逐漸降低，并在變化速率趨于0的同時其頂板圍巖離層值也降為0.結(jié)合圖3的三種預測模型曲線，線性回歸在影響因素較多、成分復雜的工程問題中相對誤差較大，復雜模型中的自變量容易存在交叉影響，導致多重共線性問題，如巖層巖石的力學性質(zhì)與地應力、地溫以及孔隙水均有較大相關性，會使模型中信息發(fā)生重疊，但由于其模型的計算量小，對計算平臺的要求低，可在小型工程中做初步的預估與判斷，在做復雜模型的預測時需逐步分析自變量相關性并進行嶺回歸或逐步分析等方式進行.此工程中非線性回歸對頂板圍巖離層局部實測數(shù)據(jù)的擬合更為精準，但在曲線首尾段對于在距回采面距離為0以及即將大于 60 m 的區(qū)間，可以看到模型的趨勢(偏導數(shù))與實測值并不一致，同時在多數(shù)工程中，在已知全段監(jiān)測數(shù)據(jù)的情況下，利用多重非線性回歸對局部缺失數(shù)據(jù)進行補全是較為準確的方式，但在已知局部數(shù)據(jù)的情況下，利用非線性回歸做外延段預測需要人工判定模型的可靠性，因為在數(shù)理統(tǒng)計中，只要非線性方程的次冪與系數(shù)足夠多，是可以“完美”擬合任何一段函數(shù)曲線，但無法保證在原有區(qū)間外的趨勢正確.相對而言神經(jīng)網(wǎng)絡法在曲線擬合與趨勢預測方面更加符合此工程的實測數(shù)據(jù)與工程經(jīng)驗判斷，能在總體上更貼合圍巖離層的實測數(shù)據(jù)，還能對實測段外的趨勢做出較為正確的判斷，正是因為神經(jīng)網(wǎng)絡具有自學習與聯(lián)想存儲功能，往往能對工程問題中的復雜曲線進行快速高度擬合，在大型工程中具有高速尋找優(yōu)化解的能力，但是其模型無法解釋本身的推理過程和推理依據(jù)，同時需要數(shù)據(jù)足夠充分，并對計算機的硬件性能有著較高要求.

隨著數(shù)據(jù)量的增多，神經(jīng)網(wǎng)絡的誤差也會進一步減小，在區(qū)間外的預測趨勢也可能會更貼近真實值(前提是模型、參數(shù)等經(jīng)過調(diào)試與檢驗)，說明近年新興的神經(jīng)網(wǎng)絡與人工智能、機器學習，確實在巷道穩(wěn)定性方面有很大的幫助，但是因為其內(nèi)部邏輯為“黑箱”操作，所以無法得知具體的函數(shù)關系，無法像傳統(tǒng)分析去建立本構(gòu)模型與控制方程，但這也是其特點之一，即直接根據(jù)數(shù)據(jù)得出結(jié)果，而不受主觀判斷的限制，往往會得出意想不到而又較為準確的結(jié)果.在實際工程中，各模型的使用需結(jié)合工程數(shù)據(jù)的復雜程度，對于模型需求的迫切程度，對于求解的速度要求等方面予以綜合考慮.

4 結(jié) 論

隨著可監(jiān)測的工程參數(shù)與數(shù)據(jù)量日益增長，但巖土工程中整體的數(shù)據(jù)分析能力還有很大進步空間，可以充分利用數(shù)據(jù)技術對復雜的巖土工程難題提出可行的解決方案.本文基于數(shù)據(jù)關聯(lián)性分析的思想，選取巷道中的圍巖離層現(xiàn)象為例，對其可監(jiān)測到的地質(zhì)、工程數(shù)據(jù)等進行關聯(lián)分析，得出如下結(jié)論：

1) 對7個監(jiān)測變量進行主成分分析以消除變量間的重疊問題，分析出主成分1、2、3特征值的方差綜合超過93%.根據(jù)荷載系數(shù)，說明 “距回采面距離”、“錨桿參數(shù)”、“鉆孔應力”因素能較好地與頂板離層值建立相關性且不存在共線性問題.

2) 頂板圍巖變形線性回歸模型對于局部擬合效果欠佳，但其計算速度快、模型簡單，可用于工程的初步預估預判斷.

3) 非線性回歸模型在已知數(shù)據(jù)區(qū)間內(nèi)的擬合程度較好，但在曲線首尾段對于在距回采面距離為0以及即將大于 60 m 的區(qū)間，模型的趨勢(偏導數(shù))與實測值并不一致，利用其做外延段預測需要人工判定模型的可靠性，避免發(fā)生過度擬合.

4) 神經(jīng)網(wǎng)絡在此巷道頂板圍巖變形分析中更加符合此工程的實測數(shù)據(jù)與工程經(jīng)驗判斷，其擁有的自學習與聯(lián)想存儲功能，能對工程問題中的復雜曲線進行快速高度擬合，但由于內(nèi)部邏輯為黑箱，無法解釋本身的分析過程.

在實際工程中，各模型的使用需結(jié)合工程數(shù)據(jù)的復雜程度、對于模型需求的迫切程度以及求解速度要求等方面予以綜合考慮.