导读:本文包含了岩体分类论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:坝基,顶板,巷道,岩土,巴顿,体质,波速。
岩体分类论文文献综述
Sebastian,Pausz,Hans,Nowotny,Gerald,Jung[1]（2019）在《碾压混凝土重力坝基础的岩体分类与岩土模型》一文中研究指出本文描述了一个地质和岩土工程模型的开发,针对水力发电厂及其大型RCC(碾压混凝土)坝的设计对该模型进行了详细阐述。本文推导出岩体参数,并介绍了用于界定地表下岩石参数的不同的现场和实验室调查方法以及岩体分类。岩体的力学参数是不同的有限元模型的基本输入数据,用于评估基础和结构相互作用的静态系统。从相关工作中获得的见解有利于对水电站设计进行合理的修改。(本文来源于《国际碾压混凝土坝技术新进展与水库大坝高质量建设管理——中国大坝工程学会2019学术年会论文集》期刊2019-11-11）
张必勇,徐俊,沈金刚,曹道宁[2]（2019）在《巴顿Q系统围岩分类在软弱岩体隧洞中的应用》一文中研究指出巴顿Q系统围岩分类法适应性广,在国际上认可度较高。以巴基斯坦某水电站导流隧洞工程为例,探索了该方法在软弱沉积岩岩体中的应用;结合工程施工实际,将其评价结果与相关规范中推荐的方法进行了比较分析。结果表明,该分类方法成熟可靠、适用性较好,可为其他类似工程提供参考。(本文来源于《水利水电快报》期刊2019年05期）
杨森[3]（2019）在《基于岩体分类系统的煤巷掘进工作面顶板质量智能感知研究》一文中研究指出煤巷顶板天然承载能力的智能感知是实现掘进施工智能化、无人化的先决条件。机器对现实世界的认知建立在对事物的数字化解构之上,因此煤巷顶板天然承载能力的智能感知必须以顶板天然工程质量的量化评价为基础。作为海量试错经验的总结,岩体分类系统是目前唯一能为围岩支护设计提供系统的、量化的、可验证的岩体工程特性信息的方法。本项研究选择岩体分类系统作为煤巷掘进工作面顶板天然工程质量的量化评价依据,通过其数据采集与分析方法的数字化与自动化探索,以期实现智能感知这一最终目标。论文围绕“煤巷掘进工作面顶板质量智能感知”这一研究目标,采用理论分析、现场实测、试验室试验、数值计算、算法开发、与设备开发六种方法展开综合性研究。揭示了直接顶与上覆岩层工程特性变化对掘进工作面无支护顶板稳定性的不同影响规律。建立了GSI数字图像分类系统,为直接顶工程质量高效评价提供了底层标准。架构了一种以数字图像处理技术为基础的结构面参数全自动统计分析系统,实现了无人工干预的参数统计分析计算过程。探讨了利用声波对顶板岩石材料进行强度参数原位测量的可靠性。研究得到的主要结论如下:(1)基于弹性薄板理论建立了煤巷掘进工作面无支护顶板叁维力学模型,利用该模型研究了直接顶与上覆岩层工程特性变化对顶板稳定性的不同影响。结果表明:直接顶有效承载厚度增加能最大程度地减小直接顶挠度最大值,拉应力峰值次之,对切应力峰值的抑制作用最小,但依然非常明显;挠度最大值、垂直巷道走向拉应力最大值((σ_x)_(Tmax))的峰值、与平行巷道走向拉应力最大值((σ_y)_(Tmax))的峰值均随直接顶泊松比的增加而增加。泊松比增加对空顶距较小情况下(σ_x)_(Tmax)峰值的提升作用要显着于空顶距较大的情况;对空顶距较小情况下(σ_y)_(Tmax)峰值的提升作用要弱于空顶距较大的情况。直接顶泊松比变化对垂直巷道走向切应力最大值((τ_(xz))_(Tmax))的峰值与平行巷道走向切应力最大值((τ_(yz))_(Tmax))的峰值未产生影响;挠度最大值、(σ_x)_(Tmax)峰值、(σ_y)_(Tmax)峰值、(τ_(xz))_(Tmax)峰值、与(τ_(yz))_(Tmax)峰值均随直接顶上覆软弱岩层厚度的增加而增加,五者的增加形式受到空顶距变化的差异性干扰。(2)主流的岩体分类系统中,GSI系统是唯一完全基于岩体结构的视觉观察而建立的,这一独有特征为以数字图像技术为核心的直接顶自动快速评价方法的建立开辟了一条蹊径。将GSI系统岩块密合程度因素的量化转变为针对岩体裂隙发育程度的量化。利用国际岩石力学学会对体积节理数J_v给出的块体尺寸描述方法,对比分析了结构评级参数和RQD两种量化方法与GSI系统岩块密合程度区间的契合度,得出了最适合岩块密合程度因素的量化方法为结构评级参数。提出了Joint Condition Digital Imaging Rating以实现GSI结构面条件因素的量化。(3)架构了一种以数字图像处理技术为基础的结构面参数全自动统计分析系统,命名为“煤层巷道掘进工作面直接顶数字图像分类法”。该系统的标志性特征为“全自动”,实现了无人工干预的参数统计分析计算过程。系统的技术流程如下:首先使用数码相机对岩面进行拍摄成像,接着以局部直方图均衡化、自适应伽马修正、和中值滤波进行图像预处理,然后通过区域生长分割与霍夫变换提取结构面轮廓,经轮廓细化与间断点连接获得结构面骨架,最终计算结构面特征参数与GSI评级。开发的结构面识别分析算法在工程现场展现了优良的工作性能。(4)煤层巷道掘进工作面直接顶数字图像分类法在强光环境下具有较高且稳定的工作性能,在岩面照度300 Lux以下的弱光环境中依然能够保持相当程度的工作性能。照射角度减小对该法的工作性能具有削弱效应,但其对小幅变化的照射角度具有良好的适应性。该法的工作性能随着湿度的增加而下降,但当湿度小于70%时,识别率依然能够维持在50.7%之上。巷道掘进现场的湿度水平普遍低于70%,因此该法能够克服工程环境湿度的干扰。粉尘浓度的增加对该法的工作性能并无显着影响,其在粉尘环境中能够保持较高的工作性能。(5)载荷循环次数增加时,煤系砂岩的P波与S波波速显示出不同的响应方式。循环载荷低于弹性极限条件下,煤系砂岩的P波波速随着循环次数增加而逐渐减小,而S波波速保持相对稳定。此现象意味着循环应力引起了水平与近水平微裂隙的开裂与发展,而在竖直方向上引起的变化较小。煤系砂岩的P波与S波波速在高应力水平出现明显的下降,表明岩石微观结构上的损伤快速发展,呈现出清晰的脆性行为。煤岩样本长时蠕变过程中,多种内部变形持续改变着煤岩结构,进而导致超声波速与动态模量的波动。蠕变应力作用下,煤岩的力学响应是压密与基质开裂两种机制之间的竞争结果,这种竞争关系中,基质开裂弱化试件结构进而增大声波衰减,压密作用造成试件在轴向的密实化进而减小声波衰减。该论文有图106幅,表46个,参考文献252篇。(本文来源于《中国矿业大学》期刊2019-05-01）
崔怀树[4]（2018）在《基于BP神经网络的坝基岩体分类方法》一文中研究指出随着科学技术的不断创新与发展,越来越多的人工智能技术被应用于岩土工程领域中。文章应用BP人工神经网络建立模型,对影响坝基岩体质量的定性因素通过评分进行半定量化评价,并采用定性因素和定量因素相结合的方法对坝基岩体进行分类。测试结果表明,网络模型能较准确地识别Ⅱ、Ⅲ、Ⅳ类岩体。(本文来源于《中国高新科技》期刊2018年24期）
李漪[5]（2018）在《谈岩土工程勘察中的岩体工程分级及分类》一文中研究指出对现行规范中有关岩体工程分级、分类的内容进行系统梳理,对比分析了工民建、建筑边坡、水利水电和交通等行业中有关岩体工程分级、分类的目的、方法和适用范围,可对岩土工程勘察中的岩体工程分级、分类提供参考。(本文来源于《山西建筑》期刊2018年23期）
郭良春[6]（2018）在《钻孔全孔壁光学成像在岩体分类中的应用》一文中研究指出在岩土工程勘察中,对岩体的分类主要依据岩体完整程度来划分,通常用岩体与岩块的压缩波速度之比的平方来判断完整程度;用钻孔全孔壁光学成像法来辅助判断,可起到更加直观的描述。(本文来源于《山西建筑》期刊2018年06期）
肖福坤,侯志远,胡刚,刘宝良,陈刚[7]（2018）在《宏泰26B层回采巷道顶板的岩体质量分类》一文中研究指出为评价回采巷道顶板岩体的稳定性,分别采用工程岩体BQ分类法和岩体物理力学参数法对宝泰隆宏泰矿26B层回采巷道顶板岩体质量进行分类。首先通过现场声波测试、室内超声波实验、饱和岩样单轴抗压实验及变角剪切实验获得岩体物理力学参数,并基于BQ值和综合评分法确定岩体质量类别。然后利用模糊综合评价方法对巷道顶板岩体质量等级进行综合评价。结果表明,两种岩体质量分类方法均确定该巷道直接顶为Ⅱ类围岩;BQ分类法确定基本顶为Ⅰ类围岩,岩体物理力学参数法确定基本顶为Ⅱ类围岩。模糊综合评价法最终确定基本顶为Ⅰ类围岩。该研究可为26B层回采巷道支护提供理论依据。(本文来源于《黑龙江科技大学学报》期刊2018年01期）
倪卫达,单治钢,刘晓[8]（2018）在《基于叁维节理网络模拟的坝基岩体结构分类研究》一文中研究指出以金沙江白鹤滩水电站左岸坝基岩体为研究对象,开展了基于叁维节理网络模拟的坝基岩体结构分类研究。根据节理的分组分布和密度分布进行统计均质区分段,以分段为单位建立基于统计学和概率论的叁维节理网络模型。在叁维节理网络模型的模型正面、模型侧面和模型顶面上分别沿形心等角度布置模拟测线,将3个正交平面上54条模拟测线的RBI均值定义为叁维等效岩体块度指数RBI3D,以RBI3D作为评价指标开展坝基岩体结构分类。结果表明:左岸第10梯段坝基岩体的完整性相对较好,其中整体块状占53.3%,块状占26.7%,次块状占20.0%,分析结果与实际地质情况相符。该方法充分考虑了节理分布的空间各向异性,并采用单一定量指标作为岩体结构的分类依据,兼顾了科学合理性和工程实用性。(本文来源于《岩土力学》期刊2018年01期）
刘强,李夕兵,梁伟章[9]（2018）在《岩体质量分类的PCA-RF模型及应用》一文中研究指出为了更合理地确定岩体质量类别,将主成分分析(PCA)与随机森林(RF)算法相结合,提出一种岩体质量分类的PCA-RF模型。选取能够充分反映岩体质量类别的5项指标进行分析,运用主成分分析法对各指标进行相关性处理,依据方差累计贡献率得出3个主成分,从而消除指标间的相关性,减少模型输入。然后采用随机森林模型对岩体质量进行分类,选用现场20组数据作为训练样本、10组数据作为测试样本,利用交叉验证的方法估计泛化误差。结果表明,该方法分类结果与实际结果较吻合,平均准确率达96.7%,同时得出岩体质量所处类别的概率分布,进一步反映岩体质量的复杂度,为工程建设提供更详细的参考依据。(本文来源于《黄金科学技术》期刊2018年01期）
阿必赛（Abisai,Ilifavali,Ndeunjema）[10]（2017）在《断层岩体分类的岩土勘探资料分析》一文中研究指出In Namibia,Windhoek city,considerable investment is needed for geotechnical data acquisition and rock mass exploration for safe foundation design.Windhoek city is experiencing increased civil development.However,geotechnical investigations around the Windhoek central business district are faced by challenges such disparate data sources,costly geotechnical survey,and inefficient data analysis techniques.This thesis focuses on utilizing systematic exploratory data analysis for the rock mass parameters of the Pahl Fault Zone passing through Windhoek city,central business district.Importantly,there is insufficient research on the Pahl Fault Zone rock mass parameters such as RQD,fracture frequency and fault gouge depth.The thesis aims to improve research on the Pahl fault by employing geomorphologic analysis,scanline mapping,descriptive statistics,exploratory data analysis and regression modelling for rock mass classification and characterization.The main statistical tools used were histograms,scatterplots,stereonets,statistical programming,margin plots and maps.Additionally,regression modelling was used to establish a linear multivariate linear relationship between RQD,depth and fracture frequency.Scanline mapping survey yielded a total length of 120.5 m from 10 scanline points.Likewise,the average joint spacing of the scanline points is 0.664 m with a standard deviation of0.3828.Joint orientation data indicated steep dips(NW and NEE)with angles between 40-90o.Scanline RQD* and joint spacing histograms showed skewed negative distribution.The skewed distributions indicate lack of normality inherent with geological data.Moreover,Schmidt hammer tests were tested for the rock mass uniaxial compressive strength which ranged from 18-35 Mpa,indicating a weak rock.However,comparing scanline and borehole compressive strength data,the analysis showed the rock mass becomes stronger with increasing depth.Multivariate regression modelling was analyzed to establish a relationship between RQD,fracture frequency and depth.The result yielded a power relationship between RQD and borehole depth with a brink point at 10 meters whereby a steep increase in RQD is associated with depths greater than 10 meters.The power relation is caused by high fracturing,anisotropy,and weathering at shallow depths(below 10 meters)and low fracture zone above 10 meters.From statistical correlation coefficient and p-values analysis shows there is a high correlation between RQD,depth,fracture frequency.Mathematical formulations were proposed for RQD,depth and fracture frequency.Finally,spatial maps were produced using ArcGIS to classify thesurficial rock mass based on the spatial influence of parameters(RQD,stability,weathering etc.).The geotechnical maps can help geotechnical engineers in planning cost-effective geotechnical investigations and saving excavation input in poor rock zones.(本文来源于《中国地质大学(北京)》期刊2017-05-01）
岩体分类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
巴顿Q系统围岩分类法适应性广,在国际上认可度较高。以巴基斯坦某水电站导流隧洞工程为例,探索了该方法在软弱沉积岩岩体中的应用;结合工程施工实际,将其评价结果与相关规范中推荐的方法进行了比较分析。结果表明,该分类方法成熟可靠、适用性较好,可为其他类似工程提供参考。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
岩体分类论文参考文献
[1].Sebastian,Pausz,Hans,Nowotny,Gerald,Jung.碾压混凝土重力坝基础的岩体分类与岩土模型[C].国际碾压混凝土坝技术新进展与水库大坝高质量建设管理——中国大坝工程学会2019学术年会论文集.2019
[2].张必勇,徐俊,沈金刚,曹道宁.巴顿Q系统围岩分类在软弱岩体隧洞中的应用[J].水利水电快报.2019
[3].杨森.基于岩体分类系统的煤巷掘进工作面顶板质量智能感知研究[D].中国矿业大学.2019
[4].崔怀树.基于BP神经网络的坝基岩体分类方法[J].中国高新科技.2018
[5].李漪.谈岩土工程勘察中的岩体工程分级及分类[J].山西建筑.2018
[6].郭良春.钻孔全孔壁光学成像在岩体分类中的应用[J].山西建筑.2018
[7].肖福坤,侯志远,胡刚,刘宝良,陈刚.宏泰26B层回采巷道顶板的岩体质量分类[J].黑龙江科技大学学报.2018
[8].倪卫达,单治钢,刘晓.基于叁维节理网络模拟的坝基岩体结构分类研究[J].岩土力学.2018
[9].刘强,李夕兵,梁伟章.岩体质量分类的PCA-RF模型及应用[J].黄金科学技术.2018
[10].阿必赛（Abisai,Ilifavali,Ndeunjema）.断层岩体分类的岩土勘探资料分析[D].中国地质大学(北京).2017
论文知识图
