矿山开采沉陷参数灵敏度及关联度分析

以某矿典型的地表移动观测站数据作为训练样本和测试样本,建立了矿山开采沉陷的神经网络与灰色关联模型。利用神经网络输出变量对输入变量的偏导数求解下沉系数的影响因素的灵敏度,推导了利用神经网络计算灵敏度的公式,同时利用灰色综合关联分析法计算开采下沉系数与各影响因素的关联度。结果表明,松散层厚度的神经网络灵敏度和灰色关联度皆最大,深厚比次之,而倾角最小,该结论为矿山开采沉陷的分析与控制提供了一定的理论基础。     

厚松散层薄基岩条带开采地表沉陷影响因素研究

为了研究厚松散层薄基岩条带开采中采出率、采宽、基岩厚度、松散层厚度及采厚对地表沉陷的影响规律,基于FLAC~(3D)建立数值模型,分别改变上述5个因素模拟研究地表移动变形情况,探讨了以上因素对地表最大下沉值及下沉系数的影响规律。运用正交实验法对5个因素进行重要性排队,得出各因素对最大下沉值及下沉系数关联度排序,各因素对地表最大下沉值影响程度排序为:采出率基岩厚度松散层厚度采宽采厚。基于数值模拟结果借助MATLAB数学软件回归分析拟合得到地表最大下沉值及下沉系数与这5个因素的综合函数表达式。最后依据地表最大下沉值综合函数表达式对我国部分煤矿厚松散层薄基岩下条带开采进行地表沉陷预计,预计与实测结果表明此表达式具有较高的可信度。     

基于松散层厚影响的概率积分法开采沉陷预计模型

为提高厚松散层开采下概率积分法的预计地表沉陷精度,表明下沉盆地边缘收敛缓慢的问题,基于概率积分法理论提出了新的开采沉陷预计模型,该模型考虑了松散层厚度的影响,引入了松散层影响系数这一新参数。结合淮南潘北矿1212(3)工作面实例验证,研究结果表明:新预计模型比概率积分模型的预计精度高,拟合相对中误差由原来的8%减少到6%;松散层影响系数与主要影响半径呈正相关,两者之间大小关系明确。     

厚松散层下矸石充填开采地表移动规律研究

为分析厚松散层下矸石充填开采地表移动规律,采用FLAC3D数值模拟软件,利用正交均匀设计试验校正室内岩样力学参数,分别建立不同松散层厚度条件下矸石充填开采数值计算模型.通过对相同基岩层厚度、不同松散层厚度条件下与相同采深、不同松散层厚度条件下矸石充填开采地表移动规律的研究得出:①在相同基岩层厚度的条件下,随着松散层厚度的增大,矸石充填开采地表最大下沉量、最大水平移动以及主要影响角正切均增大;②厚松散层下充填开采地表下沉系数随松散层厚度与采深之比呈线性递增;③采深是厚松散层下矸石充填开采地表移动范围的主要影响因素,而松散层厚度对地表移动范围的影响较小.     

基于组合预测方法的煤矿开采沉陷预计模型研究

文中以目前使用较为广泛的灰色系统和BP神经网络预计方法对中国神华集团榆家梁煤矿52406工作面地表沉陷进行了预测,同时建立灰色系统与BP神经网络的等权组合预测模型进行沉陷预计,并与单独的模型预测进行对比分析。结果表明:等权组合预测模型精度较高,在开采沉陷预计中具有较好的研究意义和应用价值。     

厚松散层薄基岩下开采地表变形规律——以鲁南矿区为例

我国东部厚松散层薄基岩矿区开采地表沉陷普遍具有下沉量大、移动范围广、稳沉时间长等特征。本文以鲁南矿区某煤矿为例，探讨了不同松散层与基岩厚度比条件下煤层开采的地表变形参数变化规律，在现场实测的基础上，采用FLAC^3D数值模拟技术，建立不同松基比(0.25～5.00)条件下煤层开采的地表变形计算模型，研究了地表变形特征，分析了松基比对概率积分法参数的影响，并从开采沉陷的角度对厚松散层薄基岩条件进行了定量分析与探讨。研究表明：(1)在开采厚度相同条件下，当松基比不断增大时，地表变形量呈明显的先增大后减小特征，在松基比达到某一限值后，地表变形趋于稳定；(2)下沉系数、水平移动系数和主要影响角正切均随着松基比增大表现为先增大后减小的关系，松基比拐点分别为1.75、1.25和1.25；(3)松散层厚度在平均采深中所占的比例对移动角、边界角具有较大的影响，边界角、移动角随着松基比的增大逐渐减小。基于上述研究，提出将松基比为1.25～1.75作为厚松散层薄基岩条件的临界值，为我国东部典型厚松散层薄基岩矿区地表变形预计和开采沉陷灾害防控提供了理论基础。     

淮南矿区地表下沉系数主控因素分析与回归计算

针对煤矿开采地表下沉系数预测困难问题,采用灰色关联分析结合回归分析的研究方法,对淮南矿区研究区域地表下沉系数与其影响因素之间的关联程度进行分析,并得出下沉系数的线性回归预测公式。结果表明,基岩软硬程度系数、松散层厚度占比因素对下沉系数影响最大,为主控因素;采厚和推进速度因素的影响次之,倾角因素的影响最小。下沉系数与基岩软硬程度系数和松散层厚度占比因素的线性回归预测公式,适用于基岩岩性中硬、松散层厚度占比大于0.5的类似条件矿区,11组数据误差均值为6.42%,7组误差值小于误差均值,说明回归预测公式是可行的。     

基于Adaboost的改进BP神经网络地表沉陷预测

BP神经网络可以解决地表沉陷等非线性关系问题,为了更精确地进行地表沉陷变形预测,引入Adaboost算法对BP神经网络进行改进,并运用Matlab R2014a建立基于Adaboost的BP神经网络地表沉陷预测模型。首先通过BP神经网络进行训练、测试,经过多次迭代,将每个BP神经网络作为一个弱预测器加权组合,形成强预测器,并首次对青岛地铁3号线保河区间隧道进行地表下沉值预测。预测结果表明:Adaboost的BP神经网络预测下沉值的平均绝对误差为0.585 3 mm,平均相对误差为5.82%,与BP神经网络预测相比,绝对误差降低了2.594 7 mm,相对误差降低了27.46%,由此表明Adaboost的BP神经网络适用于地表沉陷预测,且预测精度更高。     

基于正交试验的锦界煤矿开采沉陷影响因素分析

以神东矿区锦界煤矿为背景,在正交试验基础上借助3DEC数值模拟软件对开采沉陷主控因素(松散层厚度、采厚和覆岩综合硬度)进行了敏感性分析。研究结果表明,不同因素具有较大的差异性,下沉系数和水平移动系数的敏感性由大到小依次为松散层厚度、采厚、覆岩综合硬度。最后,利用线性回归分析法建立了多因素作用下地表开采沉陷预测模型,回归效果非常显著。     

厚松散层浅埋煤层开采地表下沉影响因素分析

为研究影响厚松散层浅埋煤层开采地表下沉的主要因素,应用正交实验法,借助数值模拟研究结果,对基岩厚度、松散层厚度及开采厚度3个因素进行影响程度排序。结果表明:基岩厚度是地表下沉的主要控制因素,在此基础上分析得出基载比和基采比是判定地表下沉及覆岩破坏程度的关键因素。通过回归分析拟合给出地表最大下沉值及地表下沉系数与影响因素的综合函数表达式,应用工程实例予以验证,结果表明函数表达式具有较高可信度。