边坡监测线整体变形预测研究与应用

以露天煤矿边坡变形监测线为研究对象,对监测线变形数据进行聚类等分析,提出边坡监测线整体变形预测方法.预测实践表明,该法与单点预测法比较具有较高可靠性和预测精度,为边坡综合治理提供了科学依据.     

基于GA-BP神经网络的毫秒延时爆破振动速度预测研究

基坑爆破开挖产生的振动效应受多种因素综合影响，传统的经验公式预测振动速度难以满足爆破安全需求。因此，如何优化爆破参数，减小爆破振动效应对保证临近既有建筑的安全具有重要意义。基于某基坑工程现场爆破监测所得的400组样本数据，采用遗传算法（GA）优化BP神经网络，对振动速度进行预测，将GA-BP神经网络振动速度预测结果与BP神经网络、萨氏公式的振动速度预测结果进行比较分析。结果表明：BP神经网络的振动速度预测精度显著优于萨氏公式，且经遗传算法优化的BP神经网络振动速度预测精度得到进一步提升。     

动态灰色时序神经网络组合模型在地铁运营期沉降预测效果分析

为了提高在变形监测中数据预测的精度以及它的可靠性,该文提出了基于动态灰色时序模型与神经网络组合的预测方法。根据已有的地铁沉降数据,对地铁隧道结构变形进行数据分析与预测,并与动态灰色模型、动态灰色时序模型进行精度对比。实例证明,该组合模型在地铁隧道结构变形预测中的精度较高。     

GM(1,1)模型在边坡变形监测中的应用研究

随着水电资源的不断开发,科学、准确地对电站周围的边坡变形监测和预测显得尤为重要。该文选择云南某已建水电站边坡作为研究对象,将边坡作为灰色系统,利用GM(1,1)模型作为预测模型,对前期监测数据序列,求得灰参数后,建立预测模型,得到预测结果。对比预测结果与实测结果,评价预测精度,并对变形发展趋势进行评估,得出结论:GM(1,1)预测模型能够满足边坡变形监测的要求,具有较好的预测精度,可以在边坡变形监测工程中广泛应用。     

灰色系统模型的整体最小二乘解算及应用研究

文中以某科技创新中心工程为沉降监测研究对象,运用灰色系统理论整体最小二乘法建立灰色系统模型,对变形过程进行模拟与预测,并对其预测结果评定精度,结果显示,该方法拟合精度等级为一级,在变形监测数据预测中具有一定的使用价值。     

基于事件响应模型监测煤矿区地表沉陷

煤矿开采沉陷监测预报对矿山安全生产具有十分重要的意义。运用灰色理论中GM(1,1)模型,在进一步提高预测精度的基础上提出事件响应模型,并进行煤矿开采沉陷区地表下沉值的预测分析,通过与GM(1,1)模型预测值比较,表明事件响应模型具有较好的沉陷预测效果。经煤矿开采区试验表明,在预测煤矿开采沉陷中,采用事件响应模型预测精度更高。     

修正指数—AR模型在路基沉降监测中的应用

路基沉降监测及预报可以有效地提高道路维修效率,具有重要的现实意义。修正指数函数模型可用于对路基沉降监测数据进行分析与预报,且具有一定的精度。文中在修正指数函数模型的基础上,计算得到原始观测数据与修正指数函数模型拟合数据之间的残差序列,通过AR模型处理残差序列,确立最终的修正指数—AR模型,并通过路基沉降监测实例对模型的预测结果精度进行验证。结果表明:修正指数—AR模型较单纯的修正指数函数模型而言,预测结果精度更为准确、可靠。     

改进的GM(1,1)模型在变形监测数据处理中的应用

在高层建筑等工程应用中,沉降监测是必不可少的,采用合理的预测方法,预测建筑物的变形对于工程建设具有重要意义.该文以某高层建筑物沉降监测数据为例,对灰色系统模型、新陈代谢灰色系统模型和改变背景值的新陈代谢灰色系统模型等方法预测精度进行了对比分析,从而得出了背景值最优化的新陈代谢GM(1,1)模型预测精度最好.表明该模型可适用于高层建筑物的沉降预测,且具有实际应用价值.     

高程影响下爆破振动速度衰减模型优选研究

准确预测爆破振动速度是控制爆破危害的重要内容。为了优选高程影响的质点峰值振速预测模型,基于量纲分析理论,综合考虑了测点与爆源之间的位置信息,重构了峰值振速预测公式。以鞍千矿业露天台阶爆破作业为背景,进行爆破振动监测试验,通过线性与非线性回归拟合法分析不同峰值振速预测模型的适用性。结果表明,考虑高程影响的预测经验公式预测精度均大于萨道夫斯基公式;结合测点与爆区之间的直线距离、水平距离和高程差的预测经验公式的预测精度高于其他预测经验公式;推导的预测模型可以较为准确的预测峰值振速,预测精度为91.60%;非线性回归得出考虑高程影响的预测模型可以更好的表征爆破振动在边坡岩体中的传播规律;优选了适用性较好的峰值振速预测模型,预测精度为91.87%。     

基于对数变换的灰色预测在边坡变形监测中的应用

为了提高边坡变形监测灰色预测的精度,该文利用对数函数对数据列进行变换,研究了数据列的凹凸性对对数变换精度的影响,探讨了变换前后保拐点性问题。通过对后验差比、残差平方和以及相对误差平均值分析,比较了变换前后的精度变化。发现保持拐点不变的条件下应用对数变换,可以大幅度提高预测精度,在对灾害的预报中具有一定的应用价值。     

用动态不等时距灰色模型预测滑坡变形

基于金坪子滑坡的实际变形监测数据,对动态不等时距灰色模型预测滑坡度变形的预测精度及可行性进行了充分的分析与论证。实践证明,动态预测模型由于实时加入系统的最新数据,预测精度比非动态模型明显提高,更适合于工程应用。同时,基于SQL Server对监测数据进行存储,采用C#编制了模型比较验证及预测程序,大大提高了建模及预测的效率。程序简单易用,适用性强。     

开采沉陷预测参数的稳健统计分析

由于观测及地质采矿条件等方面的原因，开采沉陷监测数据有时会有较多的异值，而目前这类数据处理方法所依据的准则基本均为最小二乘法，这样有可能致使结果精度低，可靠性差甚至出现错误，为此，根据我国实际，研究了开采沉陷预测参数的稳健统计分析问题，推导了有关公式，编制了计算程序，进行了大量的实际计算与模拟，收到了较好的成效。     

基于非线性混沌理论的岩爆预测方法分析

为了提高岩爆预测的准确性,作者分析了非线性理论在岩爆研究中的应用,发现岩爆围岩系统发展具有混沌特性。因此,提出了应用非线性混沌理论对岩爆监测数据进行重构,并分析混沌吸引子的平衡,以建立岩爆预测模型的研究思路,以期进一步提高岩爆预测的准确性。     

基于叠加马尔科夫链的边坡位移预测研究

针对边坡监测数据的时效性问题,运用叠加马尔科夫链对边坡位移增量进行预测,选取符合马尔科夫链数据要求的位移增量作为预测依据,采用均值-方差法将数据划分为3个状态分级数据区间,并对2019年11月1日至2019年12月30日的60个数据进行分级,得到了不同步长的转移矩阵和均值向量,预测了2019年12月31日、2020年1月1日和2020年1月2日的位移增量分别为2.88、2.84和2.73,预测精度可达到97.3%、89.08%和89.75%,预测精度高、效果好,为边坡位移监测数据发挥预警作用提供了案例支撑,对处理矿山边坡监测数据具有参考意义。     

基于并联型灰色神经网络模型的隧道沉降量预测方法探讨

灰色预测方法和人工神经网络,在建筑物变形预测中有各自的优势和不足.为了提高预测精度,该文结合灰色GM(1,1)模型和BP神经网络模型的特点,构造并联型灰色神经网络模型(PGNN)对南京地铁隧道某监测点的沉降量进行预测.结果显示,PGNN的预测精度明显高于单一的灰色GM(1,1)模型和BP神经网络模型,证明了PGNN组合方法在地铁隧道沉降量预测中的有效性.     

红旗铁矿改进Knothe时间函数开采沉陷预计模型

针对Knothe时间函数模型对开采沉陷过程的预计结果与沉陷实际发生过程不完全符合的问题,分析了该模型的缺陷,提出了改进的Knothe时间函数开采沉陷预计模型。结合河北省武安市红旗铁矿6300综放工作面地表沉陷实测数据,构建了改进的Knothe时间函数开采沉陷预计模型,并进行了模型精度分析。研究表明:经过累计387 d观测,改进的Knothe时间函数开采沉陷预计模型的预计值与实测值的误差为0.2~73.6 mm,平均误差为35.2 mm,优于BP神经网络模型(误差为8.1~143 mm,平均为49.9 mm)、SVM模型(误差为0.7~105.1 mm,平均为35.8 mm)以及概率积分法模型(误差为18.2~180.5 mm,平均为102.6 mm),对于高精度预计该矿开采沉陷具有一定的作用。     

基于D-InSAR与概率积分法的开采沉陷监测与预计

为掌握采动区附近高等级公路的变形趋势,针对传统开采沉陷监测方法存在诸多缺陷的问题,将合成孔径雷达技术(D-InSAR)与概率积分法相结合,提出了一种矿山开采沉陷监测与预计方法。该方法首先利用D-InSAR技术对兖州某矿9308工作面进行了监测和分析,并将监测结果与路面水准测量数据进行了对比,然后基于D-InSAR的监测值,求取了9308工作面非充分采动下的概率积分法预计参数,再根据三下采煤规程对参数进行修正得到工作面全采时的预计参数,最后利用修正后的参数预计出工作面全采对附近高等级公路的影响程度。结果表明D-InSAR技术高精度的优势可以为开采沉陷预计提供可靠的监测数据,该方法可以为实现矿山开采沉陷监测与预计一体化提供有力支持。     

曲线拟合与插值模型在矿区变形预测中的应用

本文针对某矿井下开采地表移动变形数据,运用MATLAB编程技术分别建立了地表变形三次样条插值模型与最小二乘曲线拟合模型,并对两种模型的预测精度进行了比较分析,由实测数据通过计算得出结果。结果表明,这两种模型在相对平稳的变形中基本都能满足变形预测的要求,三次样条插值模型的预测精度要比最小二乘曲线拟合模型高,其中在选定的三种最小二乘曲线拟合模型中,四次曲线拟合模型的预测精度最高。