基于大数据挖掘的深土井壁极限承载力模糊随机模型.pdf

第4 5 卷第3 期 2 0 2 0 年3 月 煤炭学报 J O U R N A LO F C H I N AC O A LS O C I E T Y V 0 1 ．4 5N o ．3 M a r ．2 0 2 0 移动阅读 姚亚锋，程桦，荣传新，等．基于大数据挖掘的深土井壁极限承载力模糊随机模型[ J ] ．煤炭学报，2 0 2 0 ，4 5 3 1 0 8 9 1 0 9 8 ．d o i 1 0 ．1 3 2 2 5 ／j ．c n k i ．j C C ．2 0 1 9 ．0 3 1 8 Y A OY a f e n g ，C H E N GH u a ，R O N GC h u a n x i n ，e ta 1 ．F u z z yr a n d o ma n a l y s i so nu l t i m a t eb e a r i n gc a p a c i t yb a s e do nb i g d a t am i n i n gi nd e e pa l l u v i u m [ J ] ．J o u r n a lo fC h i n aC o a lS o c i e t y ，2 0 2 0 ，4 5 3 1 0 8 9 1 0 9 8 ．d o i 1 0 ．1 3 2 2 5 ／j ．c n k i ． j c c s ．2 0 1 9 ．0 3 1 8 基于大数据挖掘的深土井壁极限承载力模糊随机模型 姚亚锋1 ’2 ，程桦1 ’3 ，荣传新4 ，姚直书4 ，薛维培4 1 ．安徽理工大学安全科学与工程博士后科研流动站，安徽淮南2 3 2 0 0 1 ；2 ．南通职业大学建筑工程学院，江苏南通2 2 6 0 0 1 ；3 ．安徽大学资 源与环境工程学院，安徽合肥2 3 0 0 2 2 ；4 ．安徽理工大学土木建筑学院，安徽淮南2 3 2 0 0 1 摘要为有效抵御地下结构工程中复杂多变的外荷载，提升深土井筒支护的安全可靠性，运用两 淮矿区深厚冲积层井壁为原型，按相似性原理浇筑钢筋混凝土井壁模型，进行了大量钢筋混凝土井 壁模型的极限承载力试验，结果发现影响井壁极限承载力的主要因素有混凝土抗压强度、厚径比和 配筋率。其中，混凝土抗压强度对井壁承载力影响较为明显，配筋率影响较弱，但各影响因素在深 厚冲积层实际工程中又伴随着不同程度的不确定性。针对深厚冲积层井筒施工过程中极限承载力 及其影响因素的模糊随机性，以大量井壁试验和两淮矿区的钢筋混凝土井筒工程参数作为大数据 样本集，分析结构材料、几何参数和计算模式的不确定分布情况，得到混凝土抗压强度、厚径比和配 筋率的模糊随机分布规律。采用最大期望算法 E M 优化传统的大数据H M M 挖掘模型，分别经过 E 步骤计算极大似然估计值和M 步骤计算参数期望估计，改进后模型经过两次模糊随机过程，相 比原算法具有误差小、效率高和收敛快等优点，更能满足实际地下工程中的不确定特性。基于改进 后的大数据挖掘H M M 算法，综合大数据环境下的材料性能、几何参数和计算模式的模糊随机分 布，建立大数据挖掘井壁极限承载力模糊随机模型，实例证明该模型更加可靠合理，更具有工程实 用价值。 关键词钢筋混凝土井壁；极限承载力；模糊随机；结构参数；大数据挖掘；H M M 模型 中图分类号T D 3 5 2文献标志码A文章编号0 2 5 3 - 9 9 9 3 2 0 2 0 0 3 - 1 0 8 9 - 1 0 F u z z yr a n d o ma n a l y s i so nu l t i m a t eb e a r i n gc a p a c i t yb a s e do nb i g d a t am i n i n gi nd e e pa l l u v i u m Y A O Y a f e n 9 1 ”，C H E N GH u a l ”，R O N GC h u a n x i n 4 ，Y A OZ h i s h u 4 ，X U EW e i p e i 4 I ．P o s t 。d o c t o r a lR e s e a r c hS t a t i o no fS a f e t yS c i e n c ea n dE n g i n e e r i n g ，A n h u iU n i v e r s i t yo JS c i e n c ea n dT e c h n o l o g y ，H n a i n a n2 3 2 0 0 1 ，C h i n a ；2 ．S c h o o lo fA t - c h i t e c t u r a lE n g i n e e r i n g ，N a n t o n gV o c a t i o n a lC o r t e g e ，N a n t o n g2 2 6 0 0 1 ，C h i n a ；3 ．S c h o o lo f R e s o u r c e sa n dE n v i r o n m e n t a lE n g i n e e r i n g ，A n h u iU n i v e r s i t y ，H e f e i 2 3 0 0 2 2 ，C h i n a ；4 ．S c h o o lo f C i v i lE n g i n e e r i n ga n dA r c h i t e c t u r e ，A n h u i №i 删妇o f S c i e n c ea n dT e c h n o l o g y ，H n a i n a n2 3 2 0 0 1 。C h i n a A b s t r a c t I no 耐e rt or e s i s tc o m p l e xa n dc h a n g e a b l el o a d i n go fu n d e r g r o u n ds t r u c t u r ee n g i n e e r i n ge f f e c t i v e l y ．a n di m p r o v et h es a f e t ya n dr e l i a b i l i t yo ft h es h a f tl i n i n g ，r e g a r d i n gs h a f t si nt h ed e e pa l l u v i u mo fH u a i n a na n dH u a i b e im i n i n g a r e aa st h ep r o t o t y p ea n dp o u r i n gr e i n f o r c e dc o n c r e t es h a f tl i n i n gm o d e la c c o r d i n gt ot h es i m i l a r i t yp r i n c i p l e ，al o to f u l t i m a t eb e a r i n gc a p a c i t yt e s t so fr e i n f o r c e dc o n c r e t el i n i n gm o d e l sa r ec o n d u c t e d ．T h er e s u l ts h o w st h a tt h em a i nf a c t o r sa f f e c t i n gl o a db e a r i n gc a p a c i t ya r ec o n c r e t ec o m p r e s s i o ns t r e n g t h ，r a t i oo fl i n i n gt h i c k n e s st oi n n e rr a d i u sa n dr e i n - 收稿日期2 0 1 9 - 0 3 - 1 3修回日期2 0 1 9 0 6 1 8责任编辑常琛 基金项目国家自然科学基金资助项目 5 1 8 7 4 0 0 5 ，5 1 4 7 4 0 0 4 ；南通市级科技发展计划资助项目 M S l 2 0 1 8 0 5 4 作者简介姚亚锋 1 9 7 8 一 ，男，江苏南通人，副教授，博士后。E - m a i l m i k e ．y y f y e a h ．n e t 万方数据 1 0 9 1 0 煤炭 学报 2 0 2 0 年第4 5 卷 f o r c e m e n tr a t i o ．A m o n gt h e m ，t h ei m p a c to fc o n c r e t ec o m p r e s s i v es t r e n g t ho ns h a f tl i n i n gb e a r i n gc a p a c i t yi so b v i o u s ， a n dt h ei m p a c to fr e i n f o r c e m e n tr a t i oi sw e a k ．H o w e v e r ，v a r i o u si n f l u e n c i n gf a c t o r sa r ea c c o m p a n i e db yv a r y i n gd e g r e e s o fu n c e r t a i n t yi np r a c t i c a le n g i n e e r i n g ．A i m i n ga tt h ef u z z yr a n d o mo fu l t i m a t eb e a r i n gc a p a c i t yi nd e e pa l l u v i u m ，b a s e d o nt h es a m p l eb i gd a t as e to fs h a f tl i n i n gs t r u c t u r ep a r a m e t e r sa n dt e s t so fh i s hs t r e n g t hr e i n f o r c e dc o n c r e t ei nH u a i n a n a n dH u a i b e im i n i n ga r e a ，t h eu n c e r t a i n t yd i s t r i b u t i o no fs t r u c t u r a lm a t e r i a l s ，g e o m e t r i cp a r a m e t e r sa n dc a l c u l a t i o nm o d - e la r ea n a l y z e dt oo b t a i nt h ef u z z yr a n d o md i s t r i b u t i v er u l e so fc o n c r e t ec o m p r e s s i o ns t r e n g t h ，r a t i oo fl i n i n gt h i c k n e s s t oi n n e rr a d i u sa n dr e i n f o r c e m e n tr a t i o ．n et r a d i t i o n a ld a t am i n i n gH M Mm o d e li si m p r o v e db yu s i n gt h ea l g o r i t h mo f m a x i m u me x p e c t e d E M ．1 1 1 l em a x i m u ml i k e l i h o o de s t i m a t ev a l u ei sc a l c u l a t e di ns t e pEa n dt h ep a r a m e t e re x p e c t a - t i o ne s t i m a t ei sc a l c u l a t e di ns t e pM r e s p e c t i v e l y ．T h ei m p r o v e dm o d e lh a sg o n et h r o u g ht w of u z z yr a n d o mp r o c e s s e s ． C o m p a r e dw i t ht h eo r i g i n a la l g o r i t h m ，i th a st h ea d v a n t a g e so fs m a l le r r o r ，h i g he f f i c i e n c ya n df a s tc o n v e r g e n c e ，t h u s c a nb e t t e rs u i tt h eu n c e r t a i nc h a r a c t e r i s t i c so fa c t u a lu n d e r g r o u n de n g i n e e r i n g ．B a s e do nt h ei m p r o v e dd a t am i n i n ga l - g o r i t h m ，t h ei n t e g r a t e df u z z yr a n d o md i s t r i b u t i o no fs t r u c t u r a lm a t e r i a l s ，a n dt h eg e o m e t r i cp a r a m e t e r sa n dc a l c u l a t i o n m o d e lu n d e rb i gd a t ae n v i r o n m e n t ，a nu l t i m a t eb e a r i n gc a p a c i t yf u z z yr a n d o mm o d e lw i t hb i gd a t am i n i n go fh i s h s t r e n g t hr e i n f o r c e dc o n c r e t es h a f tl i n i n gh a sb e e ns e tu p ，a n dp r o v e dt ob em o r er e a s o n a b l ea n dp r a c t i c a lf o re n g i n e e r - i n g ，t h u sp r o v i d i n gr e l i a b l er e f e r e n c e sf o rt h ed e s i g no fr e i n f o r c e dc o n c r e t es h a f tl i n i n gs t r u c t u r a lp a r a m e t e r si nd e e pa l - h v i u mi nt h ef u t u r e ． K e yw o r d s r e i n f o r c e dc o n c r e t es h a f tl i n i n g ；u l t i m a t eb e a t i n gc a p a c i t y ；f u z z yr a n d o m ；s t r u c t u r a lp a r a m e t e r s ；d a t am i n i n g ；H M Mm o d e l 随着煤炭资源的不断开发，新井建设时穿过 的表土层将越来越厚，井壁所承受的外荷载明显 增加且伴随不确定性o I - 4 ] ，导致井壁安全面临着巨 大考验。为有效抵御复杂多变的外荷载作用，对 于深厚冲积层中的井筒支护，通常采用高强钢筋 混凝土井壁结构。 前期理论分析和试验结果表明，虽然高强混 凝土可提高井壁强度，但随着强度等级的提高，其 脆性也相应增大，反而导致井壁的可靠性下降。 考虑到建井速度和造价，井壁厚度设计也不宜过 大。因此，设计安全可靠的井壁结构参数及计算 准确的井壁极限承载力已成为建井界亟待解决的 焦点问题。 国内外学者在这方面研究已取得一些成果徐栓 强等“ ’采用双剪统一准则进行井筒的安定性分析， 得出应力和极限承载力的一致解析解。姚直书等M 1 针对双层钢板高强混凝土复合井壁的强度进行了承 载力试验和数值模拟，获其井壁结构强度的计算公 式。梁化强等1 利用弹性理论将井壁承载力问题变 换为空间轴对称问题，得出约束内壁前后井壁的应力 解。姚直书等1 经过理论研究和模型试验，分析该 复合井壁结构的力学特性和极限承载力大小，根据试 验结果和公式推导获得承载力的解析表达式。但这 些分析求解尚未综合考虑深厚冲积层下复杂多变的 岩土环境和自身材料参数的不确定性，在实际使用中 会有一定的局限性。 笔者基于改进的大数据挖掘算法，以两淮矿区现 有深厚冲积层高强钢筋混凝土井壁结构参数和大量 的试验数据为依据，分析井壁结构材料、几何参数和 计算模式等因素的不确定分布规律，进而建立大数据 挖掘井壁极限承载力的模糊随机模型。 1 高强钢筋混凝土井壁模型试验 1 ．1 试验装置及方法 进行高强钢筋混凝土井壁的原型破坏性试验的 难度较大，因此根据相似性理论和弹性力学方程，常 采用缩小尺寸的井壁结构模型进行相应的试验研究。 满足的相似性【9 。1 条件为 C ￡ 0 C P C R 1 C 。 1 q 1 1 C ， 1 C f G 其中，C 。为弹性模量相似常数；C 。为应力相似常数； C ，为荷载相似常数；C 。为强度相似常数；C 。为应变 相似常数；q 为配筋率相似常数；C ，为泊松比相似 常数；C ，为几何相似常数；G 为位移相似常数。 为确保满足相似性，试验前需采用精密模具浇注 井壁模型。加工完成后进行养护，再在磨床上抛光， 保证模型表面光滑。将模型同一水平内外表面及钢 万方数据 第3 期姚亚锋等基于大数据挖掘的深土井壁极限承载力模糊随机模型 1 0 9 l 筋网内外排粘贴若干应变片，用于记录钢筋混凝土应 变值 图l a ，在加载台座上下端面各设置一道橡 胶圈密封，保证模型在径向的自由滑动。 a 传感器 图1 井壁模型试验装置 F i g ．1E x p e r i m e n t a ll o a d i n gd e v i c ef o rs h a f tl i n i n g 试验过程中，采用如图l b 的专门高强液压加 载装置，由高压油泵施加水平油压模拟横向均匀地压 作用，竖向采用刚度极大的螺栓和盖板紧紧约束，确 保井壁模型始终处于平面应变状态。预加载3 次之 后，进行分类分级加载，每3 0S 加载0 ．5M P a ，然后稳 压1 ～2r a i n 再继续加载。最后以2M P a 为一级记录 每级荷载作用下钢筋混凝土应变值，通过传感器对荷 载进行实时监控直至井壁破裂，确保试验结果和误差 在规定范围内。 1 ．2 试验结果 以两淮矿区的潘北矿风井和口孜东矿主井井壁 为原型，按上述试验方法浇筑钢筋混凝土井壁模型， 采用直径61 1 1 1 1 1 的冷轧钢筋，混凝土配合比见表1 。 利用相似性原理对井壁模型进行极限承载力试验，结 果见表2 。 1 ．3 结果分析 试验结果发现，混凝土抗压强度、厚径比 井壁 厚度与内半径之比 和配筋率对井壁极限承载力均 起不同程度的影响作用。假定其中两个参量不变，继 续进行模型试验，可得极限承载力与抗压强度、厚径 比和配筋率的曲线关系，如图2 所示。 表1井壁模型混凝土配合比 T a b l e1C o n c r e t ep r o p o r t i o no fs h a f tl i n i n gm o d e l s 表2 井壁模型极限承载力试验结果 T a b l e2T e s tr e s u l t so fs h a f tl i n i n gm o d e l sl o a d i n gc a p a c i t i e s 图2 井壁结构参数关系曲线 F i g ．2R e l a t i o n s h i pc u r v e sb e t w e e ns t r u c t u r a lp a r a m e t e r s o fs h a f tl i n i n g 曲线表明，混凝土抗压强度对提高井壁承载力最 为显著，井壁混凝土强度上升0 ．4 ％，极限承载力就 能增加lM P a 左右；而配筋率对承载力影响最弱，配 筋率提高1 5 ％，则井壁极限承载力才能提高lM P a 左右。在试验过程中，尽管各参数表现出大致的影响 规律，但同时考虑到深厚冲积层施工过程中的模糊随 机性，为经济合理地设计井壁结构和计算极限承载力 指导工程实践，需首先对各因素 参数 进行模糊随 机分析。 2 极限承载力影响因素模糊随机分析 井壁的极限承载力是指井筒壁能承受或抵抗外 荷载的最大能力，它是进行井壁结构可靠性分析及概 万方数据 1 0 9 2 煤炭学报 2 0 2 0 年第4 5 卷 率极限状态设计的基础，也是施工安全的依据。 通过大量的井壁模型试验和工程实践发现，高强 钢筋混凝土井壁极限承载力与混凝土抗压强度、厚径 比和配筋率等因素有关。具体工程中，由于井壁结构 材料的不确定性、几何参数的不确定性和计算模式的 不确定性，导致深厚冲积层中井壁的极限承载力同样 具有模糊随机特性。 2 ．1结构材料的模糊随机分布 根据因素分析，钢筋混凝土井壁结构材料的不确 定性主要来自混凝土抗压强度的模糊随机性。混凝 土轴心抗压强度是指按标准方法制作的1 5 0m m 1 5 0m m 3 0 0m m 棱柱体试件能抵抗外部的压强 值【l2 | 。假设井壁结构材料的不定性用模糊随机变量 9 。表示，即 9 K 惫 ㈩ 式中，K 。，鼠分别为高强混凝土轴心抗压强度的实测 值和标准值。 通过对两淮矿区冻结井筒中高强混凝土的强度 进行调研，整理并收集了大量的高强混凝土预留试块 强度数据，将一些非标准试块标准化处理后进行测量 和统计，得到不同强度等级高强混凝土轴心抗压强度 的模糊随机分布规律，见表3 。 表3 高强混凝土抗压强度模糊随机分布 T a b l e3F u z z yr a n d o md i s t r i b u t i o no fh i g hs t r e n g t h c o n c r e t ec o m p r e s s i v es t r e n g t h 由此推断变量9 。的分布特征为 肛9 。2 酽1 k 3 6 e 。 6 K 。 4 式中，弘9 。，肛k 分别为 。，K 。的均值；8 0 K , 8 K 分别为 9 K ，K 的变异系数。 2 ．2 几何参数的模糊随机分布 钢筋混凝土井壁结构几何参数的不确定性主要 来自井壁施工偏差引起的厚径比和配筋率的模糊随 机性3 | 。厚径比是井筒几何特征的参数，指井壁厚 度与内半径之比；而配筋率是影响构件受力特征的参 数，指钢筋混凝土构件中纵向受力钢筋的面积与构件 的有效面积之比。假设几何参数的总体不定性用模 糊随机变量9 。表示，即 9 G 9 肘9 』v 5 式中，0 村，D Ⅳ分别为厚径比的不定性和配筋率的不 定性。根据数字特征的基本性质，可得 肛e c ／．t o M ／．t o ～ 6 矿8 。 √互；村矿；。 肛；。盯2 e 村 7 6 8 。 ∥磊 6 ‰ 8 式中，肛9 。，肛e 村，肛8 。分别为9 c ，0 村，9 』v 的均值；矿e 。， 矿e M ，矿卧分别为9 c ，9 f ，9 ，v 的标准差；6 8 c ，8 S M , 6 e ～ 分别为9 。，9 肼， Ⅳ的变异系数。 分析井壁结构几何参数不定性产生的原因，厚径 比不定性模糊随机变量9 肘及分布可表示为 9 肘 丝 9 Ⅱ0 ‰2 帮％ 1 0 矿嘞2i 1 矿n t 1 1 6 e 村 瓠 1 2 式中，吼，口。分别为井壁结构厚径比的实测值与设计 值；I - L O M , 纵。分别为9 肘，吼的均值；矿鼬，盯。。分别为 9 村，吼的标准差；艿e 肼，8 ％分别为D 盯，吼的变异系数。 同样，配筋率不定性模糊随机变量9 ～及分布可 表示为 9 ，v _ O k 1 3 0 0 ‰2 帮“ 1 4 0 “ 0 。 扣“ 1 5 6 鼽26 “ 1 6 式中，b 。，b 。分别为井壁结构配筋率的实际值与设计 值；t x 8 。，肛“分别为9 『，b 的均值；盯8 。，盯“分别为 0 』v ，b t 的标准差；8 8 。，艿“分别为 ，v ，b t 的变异系数。 将式 9 一 1 6 代人式 5 一 7 可得几何参数 总体不定性的模糊随机分布 肛吼2 耐1 n ∥靠 1 7 ‰2 去√ 肛t 盯t 懈2 2 t 1 8 艿8 。 √否。 硫 1 9 通过对两淮矿区冻结井筒中厚径比和配筋率进 行调研，整理并收集了几十组井筒的几何参数，并在 不同层位取样，样本达数百个。分析得到深厚冲积层 高强钢筋混凝土井壁结构几何参数中的厚径比和配 万方数据 第3 期姚亚锋等基于大数据挖掘的深土井壁极限承载力模糊随机模型 1 0 9 3 筋率不定性的模糊随机分布规律，见表4 。 表4 厚径比与配筋率不定性的模糊随机分布 T a b l e4 F u z z yr a n d o md i s t r i b u t i o no fu n c e r t a i n t ya b o u t r a t i oo fl i n i n gt h i c k n e s st oi n n e rr a d i u sa n d r e i n f o r c e m e n tr a t i o 2 ．3 计算模式的模糊随机分布 计算模式的不确定性主要指在计算钢筋混凝土 井壁极限承载力时由于采用的公式和假设不精确而 引起的模糊随机性，可通过与试验测量值或规范模式 的结果对比来反映其分布。假设钢筋混凝土井壁极 限承载力计算模式的不定性用模糊随机变量9 R 表 示 D O R 了z l k 2 0 n 0 式中，R 。为钢筋混凝土井壁结构极限承载力的实际 值 试验值 ；R 。为相应经验公式的计算值。 根据安徽理工大学地下结构所钢筋混凝土井壁 模型试验多年研究结果在极限状态下，如果忽略配 筋率对井壁极限承载能力的影响，则井壁截面上的切 向载荷主要同混凝土抗压强度与井筒厚径比有 关4 6 | 。由大量试验数据回归得到井壁极限承载力 的公式，即 R 3 ．5 9 6 A n 6 5 23 矿16 4 59 2 1 式中，R 为井壁极限承载力；o r 。为混凝土轴心抗压强 度；A 为井筒厚径比。 式 2 1 是假设在均布荷载作用下，忽略配筋率 时井壁极限承载能力的计算公式。因此，凡可表示 为 R o 3 ．5 9 6 A o 6 5 23 仃o ，‘6 4 5 9 2 2 若考虑配筋率，假设井壁环向截面上的应力是均 匀分布的，由轴对称平衡条件可得 _ d o “ r 盟0 2 3 一十一 l 厶，J d rr 式中，盯，为沿径向分布的应力；叽为沿环向分布的 应力；r 为井筒的半径。 由于环向应力o r t 均匀分布，璺A 生 0 ，则在边界 u r 条件r 口时，有 c r r I 一旦r1o r t 2 4 考虑到井壁内混凝土强度随径向应力的增大而 提高，根据混凝土强度试验资料，井壁内混凝土强度 条件可表示为 o r 。一K O r ， 盯。 2 5 联立式 2 2 和 2 3 ，考虑配筋率的影响，经过整 理可得钢筋混凝土井壁极限承载能力的计算公式为 ” 凡 导 如o r 。 2 6 1 一A K 式中，K 为混凝土强度系数；纵为井筒环向配筋率； 矿。为井壁内钢筋的屈服强度。 将式 2 2 和 2 6 不同模式下的钢筋混凝土井壁 极限承载力计算值与实测值对比，按式 2 0 得计算 模式不定性的模糊随机分布，见表5 。 表5 极限承载力计算模式不定性的模糊随机分布 T a b l e5 F u z z yr a n d o md i s t d b u t i o no fu n c e r t a i n t ya b o u t c a l c u l a t i o nm o d eo fu l t i m a t eb e a r i n gc a p a c i t y 3 极限承载力的模糊随机分布 在大数据基础上，综合考虑井壁结构材料、几何 参数和计算模式的不确定性影响，分析钢筋混凝土井 壁极限承载力的模糊随机分布特性‘1 7 。I 引。根据 式 2 0 可得 R k O 矗R o 9 R R [ 9 丘以。． 9 G i 以。． ] i 1 ，2 ，3 ，⋯，n 2 7 式中，R 。，风分别为极限承载力的实际值和经验公式 的计算值；9 詹为计算模式不定系数；O 心以。分别为 井壁结构第i 种材料相应性能的变量和标准值；9 。， 厶。分别为井壁结构第i 种几何参数的变量和标准 值。 由于式 2 6 的计算结果更加接近实际值，故将 其代人式 2 6 有 R 。 O R R 。 D R 羔饥矿。 2 8 将民按泰勒级数进行展开，可得其均值、标准差 和变异系数 盯芒‰饥盯。 2 9 肛粕2 了r ‘i 万 批s 盯s ， o r g o 2 3 0 万方数据 1 0 9 4 煤炭学报 2 0 2 0 年第4 5 卷 舻等 3 1 式中，肛舶，纵，肛叫鲰。分别为R o ，j L ，盯。，肛g 的均值； 矿知，o r ，o r 叫o r ．。分别为R 0 ，A ，矿。，／．t g 的标准差。 矿风2 经过模糊随机分析，钢筋混凝土井壁极限承载力 实际值R 。的均值、标准差和变异系数分别为 眠叫考杀饥盯。】 ∽， 3 3 艿凤 、届■瓦 3 4 4 篡然篙兰一⋯吼O 博 a 皴r g m 腔a x ∑／豪EQm ∽m 帮Q i z 大数据挖掘的主要目标是基于大量数据分析研 ”’ 究，以有效的信息手段和计算方法，获取未知且潜在 的不确定信息样型和规则，提取数据内部深度的模糊 随机特征及其价值，为行业决策和工程实践提供更加 有效资料。 4 ．1 大数据I t M M 模型 隐马可夫模型 H M M 为一个双重的随机过程， 它的状态不能直接观察得到，但能通过观察向量隐式 推导获得9 | 。隐马尔科夫模型的主要构成要素如 下 1 模型的状态。 设状态集合为S { s I ，s ，⋯，s Ⅳ} ，时刻t 时所处 的状态为q 。∈S 。状态间可以相互转移。 2 状态转移矩阵。 描述状态之间如何进行转移的状态矩阵A ％ Ⅳ。Ⅳ，口。为状态转移的概率。 3 模型的观察值。 设观察值集合V h ，移，⋯，％} ，当t 时刻的状 态转移完成的同时，模型都产生一个可观察输出 Y 。∈V o 4 输出的概率分布矩阵。 描述产生输出的概率分布函数矩阵B b “ 胀村。其中，b Ⅱ b i 歹 b i 吩 P y 。 秽『Jq ， s ； 表示t 时刻状态为s ，时输出为秽f 的概率。 5 初始状态分布。 设叮r { 1 T ．，1 T ，⋯，仃．．、，} 为模型的初始状态分 布。其中，叮r ； P q 。 s ； 。因此，完整的隐马尔科 夫模型可以用A { A ，B ，叮r } 来表示所有的参数。 4 ．2I t M M 模型算法优化 基于大数据H M M 模型，采用最大期望算法 E M 改进传统的挖掘方法，整个E M 算法步骤如下 I E 步骤根据参数初始值或者上次迭代的模 型参数p n ’来计算极大似然估计值 Q i 石’ p z “’I x “’；p 3 5 2 M 步骤固定Q 孑 ，当数据的似然性最大 3 6 3 重复上述E M 步骤，直到09 i I 一 9 i 0 值足够小，停止迭代。 5 大数据挖掘井壁极限承载力的模糊随机模 型 基于改进的大数据挖掘H M M 算法，综合大数据 环境下的材料性能、几何参数和计算模式的模糊随机 分布，可建立大数据挖掘井壁极限承载力模糊随机模 型 式 3 7 ，算法流程如图3 所示。 、k R 硫R o a r g m a x ∑∑ 9 R ∑∑ f t g r 1 n 剐 硫 ～ 硫。以c i ] 3 7 改进优化 极 大数据挖掘井壁极限 承载力模糊随机算法 驯陲 模糊随机分布 大数据挖掘 二] 二 H M M 模型 E 步 骤 M 步 骤 图3 大数据挖掘极限承载力模糊随机算法优化 F i g ．3F u z z yr a n d o mo p t i m i z a t i o na l g o r i t h mo fu l t i m a t eb e a t i n g c a p a c i t yw i t hb i gd a t aa l g o r i t h m 利用三角型模糊隶属函数进行a 截集，可得井 壁极限承载力均值和标准差的模糊随机函数⋯ 五。 蔬氨 。。‰“肛魂，肛0 。] - 。。哥，。] 缸肛二e ，‰，肛毛∥‰] 3 8 式中，p 孟班0 。分别为极限承载力均值模糊随机函数 万方数据 第3 期姚亚锋等基于大数据挖掘的深土井壁极限承载力模糊随机模型 1 0 9 5 的下边界和上边界；肛乙．渺乞．分别为计算模式不定性 模糊随机函数的下边界和上边界；肛二班。分别为经 验公式计算值模糊随机函数的下边界和上边界。 根据井壁极限承载力模糊随机分布的特点，采用 三角型模糊隶属函数建立模糊随机模型[ 加也，如图4 所示。图中，肛 菇 表示模糊隶属函数，a 为约束水 平，截集区间[ c a I d ，c I a d ] 随a 值的 增大而缩小，当a l 时就缩小为原点。 减。 菇五。 。‰a [ 盯五，矿鼠] - 。。‰仅蚝，墨，6 0 ，≮] 3 9 式中，矿～，矿～分别为极限承载力标准差模糊随机 函数的下边界和上边界；6 ～，6 五。分别为极限承载力 变异系数模糊随机函数的下边界和上边界；盯墨2 6 二，二。；矿0 。 6 。，乏。；艿二。2 √否一。％2 6 ％2 ； 6 0 。 ∥疆。 芦∽。 ‘‘＼ ／＼ 一 - d0 d x 图4 三角型模糊隶属函数 F i g ．4 T r i a n g u l a rf u z