近水平煤层开采地表移动角量参数研究

为了提高保护煤柱尺寸设计的准确性,分析了近水平开采地表移动角量参数的影响因素,通过力学分析给出了近水平煤层开采地表移动角量参数的准则表达式,根据大量的实测资料综合分析,利用非线性回归分析方法建立了地表移动角量参数与地质采矿条件之关系,给出了近水平煤层开采地表移动盆地内边界角、移动角和充分采动角的计算公式.通过实例进行对比分析,地表移动角量参数的计算值与现场实测结果非常接近.     

地下金属矿山岩层移动角选取的进化支持向量机模型及工程应用

为克服传统方法确定地下金属矿山岩层移动参数的缺点,提出基于支持向量机(SVM)理论的地采岩层移动角选取方法。选取影响岩层移动的7个主要因素(矿体上、下盘围岩普氏系数、稳固程度,以及开采深度、开采厚度、矿体倾角)作为模型的输入,上、下盘岩层移动角为模型的输出,在收集65组金属矿山开采岩层移动参数的基础上,根据不同开采技术条件,利用SVM强有力的模式识别功能,采用RBF核函数,分别建立了崩落开采和充填回采的岩层移动参数预计模型。为提高预测模型的泛化能力和预测精度,应用遗传算法选择SVM的模型参数。应用该模型预测了三山岛金矿和狮子山铜矿开采岩层移动参数。结果表明:模型选取的因素合理,建立的遗传算法优化SVM回归模型对地采岩层移动角预测效果良好,为岩层移动角评价提供一种新思路。     

东部矿区开采深度对地表移动参数的影响规律研究

目前我国很多东部矿区浅部煤炭资源逐渐枯竭,开采深度逐年增加,部分矿区已达到千米采深,矿区地表移动规律及其参数随采深增加发生了明显的变化。本文基于大量实测数据,分析比较了东部矿区深部开采条件下的地表移动参数与浅部开采的差异。结果表明:随着开采深度增加,边界角和移动角增大,下沉系数逐渐减小,而水平移动系数、主要影响角正切和拐点偏移系数均有所增大,得出了部分参数随宽基比、深厚比变化的规律,并建立了相应的拟合函数关系。     

大采深非充分开采地表沉陷规律实测分析

通过在平顶山矿区某矿建立地表移动观测站,获得了非充分开采条件下的地表移动实测数据,对该条件下的地表沉陷规律进行了分析,获得了该条件下的地表移动角量参数和地表移动计算参数。研究结果表明:非充分开采条件下地表沉陷影响范围和沉陷变形值均明显减小,岩层移动各角量参数大于充分开采条件下的角量参数,地表沉陷变形趋于平缓。研究结果可用于指导非充分开采在类似地质采矿条件下的煤矿开采,为解放"三下"压煤提供了依据。     

特厚急倾斜煤层水平分层开采地表移动预计方法

特厚急倾斜煤层水平分层开采具有重复开采、沉陷影响累积的特点,其岩层移动模式和地表移动形态需要建立新的预测模型来描述。在实测分析和相似模型试验的基础上,根据急倾斜煤层开采覆岩与地表的移动的变形机理和传播方向变化特征,建立了基于开采影响传播角变化的特厚煤层水平分层开采地表移动的预计模型,提出了分层充分与非充分开采条件下沉系数与煤厚、采深、煤层倾角的波兹曼拟合关系式,提出了预计参数的确定方法。通过实例验证分析表明,预测模型能较好地反映实际规律,预计参数物理意义明确,易于确定。     

万利矿区浅埋煤层开采地表移动变形规律

为了研究万利矿区浅埋煤层的地表移动变形规律,在4个工作面上进行了地表移动观测站实测工作。通过对实测数据的分析,得出适合矿区的地表移动参数。概率积分法预计参数拟合结果表明:综放开采下沉系数比综采下沉系数大15%左右;综采开采拐点偏移距较综放开采大;主要影响角正切tanβ为走向小、倾向大,倾向较走向大40%左右。     

基于支持向量机的开采沉陷预计参数选取研究

为建立精确度高且具有自学习能力的开采沉陷预计参数选取模型,采用主成分分析方法,对文献中的数据进行预处理,选择累计方差达到96.79%的6个主成分因子和地表下沉系数为输入和输出变量,以径向基(RBF)为核函数,建立了基于支持向量机开采沉陷预计参数选取模型。结果表明,支持向量机模型在训练样本较少的情况下,具有较高的预测精度和较强的泛化能力,平均相对误差和均方根误差值的对比证明了支持向量机模型的预测准确性和预测稳定性更好。     

浅埋厚煤层综放开采地表移动规律实测研究

为研究浅埋厚煤层综放开采条件下的地表移动规律,在万利矿区某综放工作面上方建立了地表移动观测站进行观测,通过分析地表移动变形实测数据,得出了该区条件下综放开采的地表移动规律。结果表明：工作面采深小、开采范围大,地表移动和变形值较大,其地表移动盆地的分布特征基本符合概率积分法模型,其综合下沉系数为0．78,主要影响角正切为2．8,拐点偏移距系数为0．14。     

东坡矿特厚煤层综放开采地表移动规律特殊性及机理分析

为研究浅埋深中厚基岩特厚煤层综放开采地表移动规律,在东坡煤矿914工作面地表建立了移动站进行了观测。通过分析观测站测得的实测数据,得出了一套完整的地表移动与变形计算参数和角量参数;并从采矿工艺、地质因素以及力学角度对该规律的特殊性进行了合理分析。研究成果表明东坡矿地表移动规律具有:主要影响角正切值较大、下沉系数较小、水平移动系数较小、拐点偏移距较大、边界角和移动角较大、动态角量参数较大等特殊性。为该矿区以后"三下"采煤提供了理论依据,丰富了类似地质采矿条件下的地表移动与变形的资料。     

开元煤矿丘陵地貌开采沉陷规律研究

通过实测和模拟方法对开元煤矿丘陵地貌条件下开采沉陷规律进行了研究,结果表明:充分采动时地表下沉系数为0.78,水平移动系数为0.23,采动影响边界范围173 m,边界角为59°,移动角为73°,主要影响角正切为1.8。研究成果为开元煤矿保护煤柱设计确定采动影响范围、进行"三下"采煤地表沉陷设计、确定地表沉陷各项参数和村庄压煤开采设计提供了依据。     

基于支持向量机的概率积分法参数计算方法

为准确确定概率积分法参数值,在综合分析影响概率积分法参数的地质采矿因素的基础上,建立了基于支持向量机的概率积分法参数计算模型。以43个典型岩移观测站的实测数据作为训练和测试样本,以十折交叉验证的方法选取支持向量机参数,采用MSE、MAPE和WIA准则评定模型的精度和预测能力。应用该模型计算4个测试样本的概率积分法参数,所有计算结果误差均小于3倍中误差,最大相对误差为9.6%,表明所建立的概率积分法参数模型计算结果准确可靠。     

基于数据挖掘的天然气市场收益率预测

以2000—2018年美国天然气价格为研究对象，基于动态时间规整算法（DTW）、模拟退火算法（SA）、支持向量机模型（SVM）构建DTW\|SVM\|SA天然气价格预测组合模型，并在不同预测步长下将其与对照模型的预测结果进行对比，分别从预测精度和预测误差两方面对模型的预测性能进行评估。结果表明：利用模拟退火算法可以优化SVM模型的自由参数和混合模型的权重参数；DTW-SVM-SA组合预测模型在天然气价格收益率预测方面表现出良好的泛化能力，对比其他模型，其在不同步长上的预测精度均有显著提升，预测误差均有降低，是一种有效的天然气价格预测模型。DTW-SVM-SA组合预测模型不仅能够为政府进行宏观调控提供参考，而且可以帮助企业尤其是能源相关企业更好地预测和管理价格变动的风险。     

基于SVM的充填体强度与采场稳定性需求智能匹配研究

为解决矿山充填体强度的设计问题,提高矿山充填体的强度动态调整能力,本文通过调查国内百座矿山现场充填体强度实际数据,采用SVM方法建立充填体强度智能预测模型,对70组训练样本数据进行训练,采用BP神经网络模型与SVM模型的预测结果进行比较。结果表明：SVM预测模型的最大误差为3.52%,平均误差为2.41%。BP预测模型的最大误差为10.98%,平均误差为7.01%。SVM模型比BP模型预测精度更高,误差更小。采用SVM模型对三山岛金矿充填体强度进行预测,一步骤回采矿房充填体强度1.02MPa,推荐灰砂比1:12,二步骤回采矿房充填体强度0.86MPa,推荐灰砂比1:16。现场采场充填效果良好,未发生充填体失稳现象。基于SVM的充填体强度智能匹配模型能够在满足采场稳定性的前提下,减少充填成本,提高矿山的经济效益。     

基于SBAS-InSAR的矿区全盆地开采沉陷求参方法研究

传统测量手段监测矿区开采沉陷时所需的成本较高,且无法全面反映地表移动盆地的沉降情况。为了使矿区地表沉陷监测更全面高效,从而获得更高精度的概率积分预计参数,以内蒙古某矿区为例,先采用SBAS-InSAR技术处理27景Sentinel-1A卫星数据,获得2017年9月至2018年7月间的全矿区地表时序形变情况,再结合改进步长的果蝇优化算法实现地表全盆地3 723个点的共同求参。结果显示,工作面开采导致的地表最大沉降量为201 mm,与实测数据相比,其绝对误差的平均值为3.00 mm,相对误差的平均值为9%。研究结果表明:SBAS-InSAR技术与传统手段相比,对于监测矿区工作面开采引起的地表全盆地沉陷具有较大优势;此外,采用改进步长的果蝇优化算法能将全盆地开采沉陷结果用于概率积分预计参数的求取,得到一组效果良好的参数;获得的研究区域最优概率积分预计参数为:下沉系数q=0.33,主要影响角正切tan β=1.83,拐点偏移距s=0.045H(H为采深),开采影响传播角θ0=89°。研究成果为今后矿区地表的开采沉陷监测与概率积分预计参数确定提供了科学依据。     

基于蚁群算法优化SVM的瓦斯涌出量预测

为了提高瓦斯涌出量预测的精度和预测模型的泛化能力,提出了一种基于蚁群算法(ACO)优化支持向量机(SVM)参数的瓦斯涌出量预测方法。在SVM所建立预测模型中各个参数的取值区间内,采用蚁群优化算法计算预测模型各个参数的最佳值,基于最佳参数的SVM建立瓦斯涌出量预测模型。结果表明:采用未优化的SVM建立的预测方法,其个别预测误差相对较大,最大误差为8.11%,平均误差为4.68%,采用ACO对于预测模型的参数进行优化后,预测性能有显著提高,最大误差为4.37%,平均误差为2.89%,表明所建议的方法是有效、可行的。     

爆破震动效应的支持向量机分析预测

合理预测评估爆破引起的震动效应,对于合理确定爆破参数,降低爆破公害具有重要意义。应用支持向量机,建立了总药量、最大段药量、爆破点与监测点距离、构筑物所在地面震动峰值速度、测点到地面的高度等因素与建筑物上的质点震动速度之间的非线性映射关系,确立了支持向量机预测模型。     

基于GA-PSO融合算法的开采沉陷Richards 预计模型参数优化

在矿区开采地表沉降动态预计模型建立过程中,针对Richards时间函数模型参数在地质采矿条件复杂情况下难以一次性准确求取的问题,采用遗传粒子群（Genetic Algorithm and Particle Swarm Optimization,GA-PSO）融合算法对Richards模型参数进行动态修正,建立了一种基于GA-PSO融合算法的Richards时间函数参数优化模型。通过与传统GA算法和变步长果蝇优化算法（Fruit Fly Optimization,FOA）进行比较,结果表明：GA-PSO算法对Richards模型参数优化效果良好。通过单点举例和选取部分特征点验证的方法,得出GA-PSO算法模型在各个时期的预计中误差最大为14.43 mm,最小中误差为1.48 mm,最大平均误差为11.16 mm,最小平均误差为1.23 mm,且GA-PSO算法模型精度高于拟合模型和变步长FOA模型。研究表明：经过GA-PSO算法优化参数后的Richards模型能够更加高效,有助于精确构建矿区地表移动动态预计模型。     

江西盘古山钨矿区开采沉陷预计的GA-SVA算法

传统矿山开采沉陷监测方法存在耗时较多且精度不高等不足,且难以对矿区开采沉陷发展趋势进行准确预计。以江西盘古山钨矿区为例,将遗传算法(Genetic algorithm,GA)与支持向量机(Support vector machine,SVM)算法相结合,提出了一种基于GA-SVM算法的开采沉陷预计方法。首先利用遗传算法(GA)对支持向量机(SVM)进行选择、变异和交叉,生成精度符合要求的数据集群;然后采用GA-SVM算法对概率积分法开采沉陷预计参数进行了训练,对矿区开采沉陷进行了预计。研究表明:基于GA-SVA算法的开采沉陷预计值与实测值的误差小于5%,基于该算法的预计值构建的矿区数字高程模型(Digital elevation model,DEM)与基于实测数据构建的数字高程模型(DEM)具有高度的一致性,表明利用所提算法预计矿山开采沉陷具有较高的精度。     

基于改进的SVM的短时交通流预测

在SVM预测模型中引入交叉验证和网格搜索算法,优化惩罚因子和核函数的参数,建立了改进的SVM预测模型,并应用于短时交通流预测进行实证分析。以某城市道路的实时数据来对模型进行验证,预测结果表明了模型的有效性。