小波神经网络在露天矿边坡变形预测中的应用

为了提高边坡位移变形监测数据预测的精度和可靠性,建立了基于改进BP算法的小波神经网络预测模型。以水厂铁矿GPS边坡监测数据为样本,通过编制Matlab小波神经网络程序进行训练和预测。结果表明,小波神经网络预测模型有良好的函数逼近能力及容错能力。因此,该预测模型在非线性时间序列预测中,具有高精度性和可靠性。     

基于灰色模型的露天矿边坡变形预测分析及应用

变形监测是保障矿山边坡安全施工和管理的重要手段,分析及预测边坡的变化趋势具有重要的理论价值和现实意义。文中以广州越堡露天矿边坡为研究对象,依据所获得的监测点的有效监测数据,运用灰色理论方法构建预测模型对其进行分析及预测,研究结果表明:模型拟合结果最大相对误差为17%,最小为0,平均相对误差为7%左右,其精度达到二级(合格),具有良好的适用性和可信度,可以为越堡露天矿边坡稳定性分析及相关领域的研究提供参考。     

BP神经网络在露天矿边坡位移预测中的应用

随着露天矿开采深度的不断增加,矿山边坡高度也不断增加,随之而来的是对边坡稳定的维护与控制的难度大大增加。在全球卫星定位系统(GPS)所获得的露天矿边坡位移监测资料的基础上,应用BP神经网络模型对实测数据进行模拟计算和预测。分析结果表明,模型合理、可靠,精度较高。     

基于支持向量机的露天矿边坡地表变形预测

在充分考虑露天矿边坡地表变形影响因素复杂性的前提下,基于丰富的地表变形监测资料,建立了露天矿边坡地表变形预测的支持向量机（SVM）模型,并采用遗传算法对核函数和惩罚因子进行确定.将该模型应用于抚顺露天矿边坡地表变形的预测,预测结果最大误差为3.014 cm,表明该模型是定量预测露天矿边坡坡肩地表变形量的一种有效方法.     

GPS在深凹露天矿高陡边坡位移动态监测中的应用

回顾了矿山边坡变形监测技术的发展历程，结合水厂铁矿的实际，建立了GPS边坡位移动态监测系统，包括基准点和监测点的确定，边坡GPS基线向量网的布设，监测方式，监测周期与数据的输入输出及处理等。实践表明GPS完全能够满足矿山边坡变形监测的需要，该系统的建立是成功的、有效的。     

国内某露天矿边坡雷达监测数据分析

国内某露天矿利用边坡雷达对边坡进行变形监测,获取了大量精度高、连续性强的监测数据。通过列表、作图等方法归纳、总结,完成了在爆破、降雨因素影响下的边坡变形监测数据分析,指出爆破和降雨对边坡稳定性的影响是瞬时的,目前该矿爆破方式合理可行。     

基于IGWO-SVM的露天矿边坡变形预测

为了克服露天矿边坡变形预测时传统算法精度低的问题,利用改进灰狼算法(IGWO)和支持向量机(SVM)建立了露天矿边坡变形IGWO?SVM模型.引入非线性递减的收敛因子策略和惯性权重策略改进灰狼优化算法,用来确定SVM参数,以达到提高模型精度的目的,并将露天矿边坡变形观测数据输入模型进行验证.结果表明,与SVM和BP模型...     

伊敏露天矿东、西端帮边坡变形监测方案设计

露天矿边坡安全监测对露天矿长期稳定地发展和安全生产影响巨大,因此,对边坡安全监测技术的不断深入研究具有重要的意义。文中对露天矿边坡的稳定性进行了分析和研究;论证了滑坡形成的原因及形成过程;介绍了露天矿边坡变形监测控制网的建立,以及变形监测周期的确定;对变形监测数据进行处理分析,并根据数据处理资料对边坡的稳定性进行分析预报。     

露天煤矿边坡稳定性实例分析及优化设计

结合内蒙古某露天煤矿的边坡实例,综合运用现有的工程地质资料、理论分析以及计算等手段,对该露天矿边坡工程地质条件、稳定性进行了分析和评价,提出了优化设计方案和滑坡治理建议。最后,从技术和工程方面提出了露天矿边坡稳定性的防治措施。     

GPS/伪卫星技术在露天矿边坡监测中的应用

针对露天矿区GPS可视卫星个数和几何图形条件易受到较大坡度的遮挡影响,利用GPS/伪卫星（PLs）组合定位技术,增强卫星的几何强度。同时,为了削弱非建模系统误差的影响,提出通过经验模态分解（EMD）的多尺度分解与重构结构,依据累积标准化模量的均值随尺幅的变化确定系统误差与噪声分离尺度的选择标准,建立系统趋势分离模型。通过模拟仿真和实验分析表明：选择合适的PLs的设站位置,GPS/PLs组合定位技术可较大程度地改善定位精度因子（DOP）;利用EMD方法去除非建模系统误差后,GPS/PLs组合观测值的双差残差序列的系统误差很大程度上得到削弱;可靠性检验指数F ratio和W ratio分别达到779和9183,整周模糊度固定解的可靠性明显增强;基线向量解的精度也得到明显提高,X、Y、Z坐标分量的标准差为01、01、03 mm。     

基于人工神经网络的矿井水排水量预测

矿井水排水量预测是一个难题。受降雨、河流、含水层等自然因素和煤矿开拓面积的扩大、水平的延伸等人为因素的影响,矿井水年排水量时间序列是非线性的。针对该问题,采用人工神经网络方法建立了矿井水排水量预测模型,通过预测结果比较可知,该模型具有较高的精度,将对以后矿井水排水量的预测起到一定的指导作用,并为矿井水利用规划的制定奠定了基础。     

基于块体化程度和云模型的露天矿边坡稳定性分级评价方法

针对当前边坡稳定性分级方法不能全面刻画岩体的完整性且无法同时考虑影响因子随机性和模糊性的问题, 引入了块体化程度概念, 并基于云模型理论, 提出了一种适用于露天矿岩质边坡的稳定性分级评价方法。该方法用块体化程度从三维空间角度描述岩体的完整性; 将云模型应用到稳定性分级评价的各个环节, 并借助层次分析法和有限差分数值模拟手段, 可以充分考虑影响因子的随机性和模糊性, 减小分级评价过程中人为因素的影响。结合工程实例, 验证了该方法的可行性和有效性。     

露天矿边坡锚固参数地震响应敏感性分析

利用FLAC^3D软件建立了锚固露天矿边坡数值模型,研究了锚固参数对锚杆动力响应、边坡位移响应以及边坡塑性应变贯通长度的影响,并通过权重分析法对锚固参数进行了敏感性分析。研究结果表明:随着锚杆长度和锚孔直径增加,边坡永久水平位移和塑性应变区贯通率都减小,锚杆轴力峰值逐渐增大;随着锚杆竖向间距增大,三者均增大;随着锚固倾角增大,边坡永久水平位移和塑性应变区贯通率先减小后增大,锚杆轴力峰值则先增大后减小;锚固参数对锚杆轴力的影响权重由高到低依次为锚孔直径、锚杆长度、锚杆间距、锚固倾角;对塑性应变区贯通率影响权重由高到低依次为锚杆间距、锚孔直径、锚杆长度、锚固倾角;对边坡位移的影响权重由高到低依次为锚杆间距、锚杆长度、锚孔直径、锚固倾角。     

露天转地下开采高边坡变形监测与稳定性预测

针对厂坝露天矿工程地质条件、边坡形态、稳定状态以及监测目的,提出了以GPS为主的动态综合变形监测方案,并开展了长期分阶段和保重点的动态变形综合监测。通过变形监测,并结合理论分析和数值模拟,预测了北帮37线附近滑体的失稳时间为2007年4月10日~4月20日。实际上,在2007年5月初,北帮边坡连续出现了几次不同规模的滑塌,由于矿山采取了相应的应急预案,避免边坡滑塌给井下生产带来安全事故,为矿山的安全生产奠定了基础。     

露天矿最终边坡角的BP神经网络预测及数值模拟验证

利用专家调查表的方式分析露天矿山边坡稳定性的主要影响因素,确定网络模型的输入层神经元。研究BP神经网络的结构和输出方式,对神经网络模型进行优化,并收集大量矿山稳定边坡的相关参数作为样本库,建立神经网络预测模型,将该模型用于某大型深凹露天矿山最终边坡角的预测。根据预测边坡角参数,采用SURPAC—MIDAS—FLAC3D多软件组合的方式,创建逼真的矿山边坡稳定性三维数值计算模型并进行模拟分析,结果表明,模型预测的边坡角满足设计要求。     

人工神经网络方法在基坑变形预测中的应用研究

分析研究了人工神经网络方法在基坑变形预测中的建模方法,并通过实例应用,证明这种方法是切实可行的。同时将人工神经网络方法预测结果和灰色系统模型及时序模型预测进行比较,充分证明人工神经网络方法在变形预测中的优越性。     

岩质边坡结构面参数反演的免疫遗传算法

基于均匀设计、有限元法、人工神经网络和免疫遗传算法建立了新的岩质边坡结构面参数的反演方法.按照均匀设计要求,确定数值模拟方案;用有限元程序计算出相应的神经网络训练样本,建立边坡变形的神经网络预测模型,再利用免疫遗传算法进行反演分析,其中反演过程适应度的计算则采用已训练好的神经网络预测来替代有限元数值仿真,大大缩短了计算时间.通过实际工程的算例分析,反演结果比较理想.     

基于小波分析和神经网络的多传感器融合技术在机床刀具磨损监测中的应用

将一种基于小波分析和神经网络的多传感器融合技术应用于刀具磨损监测系统。介绍了小波分析和神经网络的理论基础;给出了刀具磨损在线监测系统的组成和基于小波分析和神经网络的多传感器融合技术在刀具磨损在线监测系统应用过程。多种传感器采集的信号通过小波分析提取其特征值,将特征值作为神经网络的输入,对比识别刀具磨损状态。经实验验证,基于小波分析和神经网络的多传感器融合技术能有效识别刀具磨损状态。