基于PSO-SVR预测模型的综采工作面周期来压研究

为了准确预测综采工作面基本顶周期来压规律,采用灰度系统理论提取了影响综采工作面周期来压的八个显著因素。针对支持向量机(SVR)预测模型过分依赖主观选择的参数问题,建立了粒子群算法优化参数选择的支持向量机(PSO-SVR)预测模型。试验结果得出：PSO-SVR比SVR模型在周期来压强度和步距的均方误差分别降低为47.7%、74.3%,决定系数分别提升为45.7%、44.6%。为突显PSO-SVR模型性能的优越性,与应用最广泛的BP普通神经网络进行了对比试验,粒子群算法对标准支持向量机模型性能优化效果明显,较普通BP神经网络优势显著。可见,PSO-SVR对于多种因素影响的非线性耦合预测具有较高的精度和较强的泛化性。     

中深埋煤层多工作面开采地表沉陷特征研究

为研究中深埋煤层多工作面开采的地表沉陷特征，采用FLAC3D模拟小保当一号井112201工作面及两侧相邻工作面先后开采的覆岩破坏、应力变化和地表移动特征。研究表明：112201工作面单独开采，覆岩塑性破坏表现为中间低、两侧高的“凹”形，覆岩最大破坏高度达165m, 112202工作面的开采使老采空区覆岩二次破坏高度增大6.67%,112207工作面开采使老采空区覆岩三次破坏高度增大10.91%;相邻工作面的开采使112201工作面覆岩应力变化经历“稳定—打破—初步稳定—二次打破—再稳定—三次打破—终稳定”的复杂过程；112201工作面开采形成的地表移动盆地范围受相邻两侧工作面开采的影响而变大，且沉陷中心向两侧扩大，相邻工作面的沉陷中心则偏向112201工作面老采空区一侧；岩移观测资料显示，单工作面倾向地表下沉曲线表现为“V”形，相邻工作面的开采使其地表最大下沉量增大了6.08%,地表下沉曲线最终表现为“W”形。