基于BP神经网络的Mathews图表法分区调整

为解决经过Mawdesley修正的Mathews图表法的分区划分限于回归分析,过于简化,在水力半径过小及过大2个区域没有给出明确的稳定性判断等问题,通过建立BP神经网络岩体稳定性预测模型,利用Mawdesley修正的图表法历史样本数据进行训练,在满足精度要求的约束下对Mathews图表中节点的稳定性状态进行预测,绘制稳定性等值线图,在此基础上进行分区的优化调整,对于低稳定性系数小水力半径和高稳定性系数大水力半径的2个区域,给出了稳定性确切的分区定义,调整后的分区在中间区域和原图基本重合,能很好的符合历史数据样本,证明了应用神经网络对Mathews图表法进行分区的合理性。在焦家金矿进行了工业试验