开采沉陷动态预计的正态分布时间函数模型研究

使用常用的Knothe时间函数进行煤炭开采所引起的地表动态下沉预计时,其反映的地表下沉速度和下沉加速度与地表实际下沉规律不相符,基于此,可引入一种新的时间函数—正态分布时间函数,对该时间函数值的变化范围和变化规律进行了详细对比,给出了正态分布时间函数用于地表动态预计时参数的确定方法,并利用该时间函数对某矿区地表下沉实测数据进行了对比预测。研究表明:正态分布时间函数的下沉速度和下沉加速度与地表动态下沉规律是相吻合的;当进行不同精度的动态预计时,合理选择函数的形态参数非常重要;在某些矿区,利用正态分布时间函数进行动态预计比使用双参数Knothe时间函数进行预计更符合地表移动的变化规律,预计结果也更为可靠。     

Knothe时间函数参数影响分析及其求参模型研究

对Knothe时间函数参数的影响进行了分析,在Knothe时间函数未达到收敛以前,对于同一时间点而言,c值越小,Knothe时间函数值也越小,c值越大,Knothe时间函数取值也相对越大,特别是在t∈[0,0.2]时,不同的参数对Knothe时间函数值影响较大。根据开采沉陷地表移动变形的一般规律和采空区达到充分采动时的尺寸,建立了一种新的Knothe时间函数求参模型——概率积分求参法。通过对比分析平安煤矿、富力煤矿和孙村煤矿的实测c值与采用该模型的计算c值,验证了该模型的正确性;并以29401工作面上方走向观测线的多期实测下沉数据为例,对该模型进行了实例应用,通过对比分析实测数据和预测结果,进一步证实了本文所建立的Knothe时间函数求参模型的实用性和可靠性。     

Knothe时间函数及其在地表动态下沉过程中的应用

基于时间函数预计地表动态移动变形逐渐发展成了一种趋势。为此,详细介绍了原始Knothe时间函数和3种改进的Knothe时间函数,并讨论了这3种Knothe时间函数在地表动态下沉过程中的应用,最后给出了具体实例,结果表明:原始Knothe时间函数和3种改进的Knothe时间函数都有较高的精度,具有实践指导意义。     

开采沉陷预计参数的广适应性BP神经网络反演方法（增刊）

基于实测资料的概率积分法下沉预计能够准确描述开采引起的地表下沉变化,广泛应用于全国各大采区。为了获取准确可靠的开采沉陷概率积分法预计参数,本文以概率积分法沉陷预计为基础,利用BP人工神经网络反演求取预计参数。BP人工神经网络具良好的鲁棒性和非线性映射能力,在参数选取过程中能快速准确的确定预计参数与观测站点实测下沉量之间的映射关系,能准确反演得到实测下沉预计参数。根据地表实测数据,将概率积分法下沉预计与BP人工神经网络相结合,建立了适用于多种地质采矿条件的沉陷预计参数反演模型,并对阳泉某矿进行参数反演,得到结果与实测数据基本吻合,表明应用广适应性BP神经网络方法反演开采沉陷预计参数是可行的。     

基于Knothe时间函数和InSAR的煤矿区动态沉陷预计研究

 摘要：以某矿区的3212工作面为研究对象,采用基于Knothe时间函数的动态沉陷预计模型进行开采沉陷动态预计。计算了不同时间、不同位置的点的动态下沉值,分别与水准测量成果和D-InSAR监测结果进行了对比分析。实验表明,基于Knothe时间函数的动态沉陷预计模型所得到的结果符合开采沉陷导致的地表沉陷规律;其结果与水准测量成果和D-InSAR监测结果吻合;最大误差不超过0.2米,能够满足动态预计的要求。最后提出了存在的问题和今后工作的方向。     

多煤层开采沉陷动态预计分析

为探索多煤层开采沉陷动态预计规律,通过对开采沉陷动态预计基本理论的分析,基于Knothe时间函数设计了时间影响参数c的算法,编制了开采沉陷动态预计软件,以济阳煤矿首采区为工程背景,应用该预计软件进行了沉陷动态预计。预计结果与实测数据对比精度可以接受,证实了所建立的Knothe时间函数求参模型的实用性和可靠性。     

开采沉陷预计概率积分法动态参数研究

本文针对在极不充分采动或不充分采动时概率积分法预计结果与实测结果不符的问题，对具有典型代表性的观测站观测成果进行了分析研究，提出了下沉纱数和水平移动系数的修正公式。     

基于MATLAB的开采沉陷预计系统

本文介绍了利用MATLAB开发开采沉陷预计系统的实现方法.主要介绍了开采沉陷预计的数学模型,系统结构、功能、MATLAB在开采沉陷预计分析中的应用及优势.最后,通过实例验证了程序的正确性,预计结果和手算结果吻合,求参数部分观测值和拟合值基本一致,证明了该系统计算结果是可靠的.系统利用MATLAB的图形工具,实现了开采沉陷预计的可视化,与SURFER、GIS等有良好接口,便于后处理和分析.     

复杂开采条件下复变函数在地表沉陷预计的应用研究

概率积分法预计地表移动变形,预计区域的确定是第一步重要的工作.在具体的工程应用中,根据研究的需要和采矿地质条件,预计区域可能是任意形状的多边形.在以往的预计程序设计中,预计区域大多采用矩形点阵式设计,这样增加了无效预计点,延长了待机时间.利用矢量格式向栅格格式转换的基本原理,构造一复变函数,并通过推导给出了确定有效预计点的判别方法,并把这一数学语言利用C++的运算符重载技术转化为计算机语言,消除了无效预计点,加快了预计计算速度,减少了等待时间.     

优化分段Knothe时间函数求参方法

针对优化分段Knothe时间函数的参数求取问题,给出了2种求参方法:① 以本矿区,或地质、采矿条件相似矿区的地表监测资料为基础,提出了“反算时间函数对比求参法”,给出了详细的参数求取流程,该法直观、易操作,且具有通用性,可用于其他时间函数的参数求取;② 以采空区达到充分采动尺寸时的地表沉陷规律,及相应概率积分参数为基础,推导了时间参数的“直接计算法”公式,该方法参数意义明确,求参过程简便,能直接应用于编程计算。预计实践表明,采用本文方法求参,动态预测最大相对误差可控制在9%以内,随着开采时间的增加,动态预测精度将会逐渐提高,最终维持在5%左右;根据统计,地表最大下沉值预测相对误差则可维持在6%左右。应用实践证明了论文所给出的求参方法的实用性与可靠性。     

徐楼铁矿地面沉降成因及预测

为深入分析徐楼铁矿地表沉降成因,预测矿区地面沉降规律,首先分析了该矿一期采矿工程地面沉降的发育现状,然后从围岩应力场、矿体赋存条件、矿区地下水疏排、区域地质构造、采空区充填等方面对矿区地面沉降成因进行了讨论,最后基于矿区现有的工程地质资料及地面沉降监测资料,采用概率积分法和曲线拟合法预测了矿区地面沉降范围及沉降量,并对预测结果进行了分析。结果表明：①该矿区地面沉降是围岩应力场、矿体赋存条件、矿区地下水疏排、区域地质构造、采空区充填等因素共同作用的结果;②概率积分法预测的采空沉陷区面积约0.22 km2,矿区主井、副井、风井及采矿工业场地大部分位于预测采空塌陷区内,可能引发的采空区塌陷灾害危险性较大;③曲线拟合结果与实测数据较吻合,可较好地反映矿区沉降的实际情况,精度较高。上述结果进一步表明：近年来,矿区地面沉降量和沉降范围呈剧烈加速的趋势,实测沉降影响范围及沉降量远小于预测结果,可见地表仍有一部分建（构）筑物及设施位于预测沉降范围内,此外,随着二期采矿工程的全面展开,矿区地面沉降量及沉降范围在短期内仍会继续增大。     

基于Surfer的金属矿山开采沉陷预测 和三维可视化

以非连续介质模型-概率积分法为原理,结合自主开发的矿山开采沉陷预计系统（MSPS）对六安市某铁矿开采沉陷进行预测研究。通过接口调用Surfer系统,绘制矿区地表盆地等值线图,实现开采沉陷三维可视化表达,验证开采沉陷对该矿及周围地表的影响程度,指导矿山安全生产。     

矿区开采沉陷预计的改进BP神经网络模型

为精确预计锦界矿某工作面开采沉陷,首先结合该工作面的地质资料、采掘工作平面图及孔柱状图,采用FLAC3D软件建立了该工作面开采沉陷仿真模型,得到工作面推进100、300、500、700 m时的开采沉陷数据;其次基于该类数据对BP神经网络预计模型进行训练和验证,建立沉陷数据与工作面推进距离的非线性关联;然后用粒子群优化算法(Particle swarm optimization,PSO)对BP神经网络模型的结构参数和连接权值阈值进行优化,并引入遗传算法(Genetic algorithm,GA)中的自适应变异因子以一定概率初始化部分变量,以解决PSO算法易陷入局部最优解的问题,避免BP神经网络模型易陷入局部最小值、训练收敛速率低以及PSO算法易早熟收敛等问题。分别采用BP神经网络模型、PSO-BP神经网络模型以及所提模型进行试验对比,并引入偏差平方和(Sum of squares for total,SST)对各模型的预计精度进行评价,研究表明:在工作面分别推进100,300,500 m的情况下,BP神经网络模型的SST值分别为0.056,0.062,0.066,PSO-BP神经网络模型的SST值分别为0.049,0.054,0.048,所提模型的SST值分别为0.028,0.026,0.031,明显小于前两者,表明该模型有助于提高矿区开采沉陷预计精度,有一定的实用价值。     

融合概率积分模型与D-InSAR的开采沉陷预计

矿区地表植被多,开采沉陷速度快、量值大,所产生的地质灾害较一般性的地表沉陷严重,极易使得2景SAR影像失去相干性,造成解缠错误。针对矿区SAR影像相干性较低、下沉盆地中央相位值易丢失的情况,结合合成孔径雷达干涉差分技术（Differential interferometric synthetic aperture radar,D-InSAR）和基于遗传算法的概率积分模型,提出了一种矿区开采下沉盆地预计方法。以该方法利用矿区下沉盆地边缘一定数量的相干系数较高且下沉较明显的D-InSAR监测值和下沉盆地中央最大下沉点与拐点附近的少量观测值对某矿II3720工作面进行试验,首先利用概率积分模型反演概率积分法预计参数并采用遗传算法进行多次优化,然后利用得到的参数对该工作面下沉盆地进行模拟预计,结果表明：通过该方法得出的下沉盆地参数及下沉值与实测值较接近,有助于弥补由于矿区SAR影像干涉效果不佳而导致的预计精度不高的不足,通过少量的观测数据可较为有效地预计矿区下沉盆地,对于提高矿山开采沉陷监测与预计的精度有一定的参考价值。     

基于遗传BP神经网络模型的矿区开采沉陷预计

为解决常规方法监测矿区开采沉陷的可控性、可操作性差及精度低等问题,采用BP神经网络模型拟合矿区高程值对开采沉陷进行预计是一种有效方法。但传统BP神经网络模型为反向传播算法,在训练时需多次试算方可确定神经网络系统的连接权值和阈值,具有易陷入局部最小值、收敛慢等不足。为此,采用遗传算法（Genetic algorithm,GA）对BP神经网络模型参数进行优化以提高其泛化能力,构建了遗传BP神经网络模型（GA-BP）。以某矿区首采工作面地表25个已进行了三等水准联测的高程监测点数据作为遗传BP神经网络模型（GA-BP）的训练样本（15个监测点数据）和测试样本（其余10个监测点数据）,分别采用BP神经网络模型、二次曲面拟合等方法与其进行试验对比,结果显示：遗传BP神经网络模型（GA-BP）具有更高的内、外符合精度及更小的残差,表明该方法有助于实现对矿区开采沉陷的高精度预计。     

矿山深部开采覆岩沉陷预测的改进粒子群优化BP模型

为提高矿山深部开采覆岩沉陷的预测精度,以吉林省某矿山为例,将覆岩抗压强度、工作面推进距离、采厚、煤层倾角、采深作为开采沉陷预测的主要影响因素,以煤层倾角、工作面推进距离、采厚等参数作为预测模型的输入值,将最大沉陷值作为预测模型的输出值,构建了BP神经网络开采沉陷预测模型。针对经典BP神经网络模型在训练时具有学习速度慢、抗干扰能力弱以及易陷入局部最小值等不足,采用一种改进型粒子群优化算法对其进行了优化,构建了改进粒子群优化BP神经网络模型。试验表明：①所提模型的平方相关系数R₂为0.932、平均绝对误差e_ME为0.195、平均相对误差e_MRE为0.082、训练时间t为21.5 s、均方误差e_MSE为0.067 1;②经典BP神经网络模型的平方相关系数R₂为0.802、平均绝对误差e_ME为0.605、平均相对误差e_MRE为0.255、训练时间t为30.9 s、均方误差e_MSE为0.089 1;③PSO-BP神经网络模型的平方相关系数R₂为0.825、平均绝对误差e_ME为0.382、平均相对误差e_MRE为0.216、训练时间t为23.5 s、均方误差e_MSE为0.078 2。可见,所提模型具有较高的训练效率,拟合效果较好且预测精度较高,对于大幅提升矿山开采沉陷预测精度有一定的借鉴价值。     

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。     

矿区高压线塔基础沉降动态预计与监测

为确保开采沉陷区高压线路正常运行,研究了某矿区高压线塔基础沉降预计和监测方法。首先基于概率积分法地表下沉动态预计原理,设计了高压线塔基础沉降动态预计方法,预计了不同时段输电线塔基础中心点的下沉值和倾斜值,并根据高压线路运行的相关规范,分析了高压线塔的安全等级;然后采用GPS-RTK技术对研究区高压线塔基础点进行了位移监测,并提出了一种基于平面拟合原理的高压线塔基础倾斜值计算方法;最后将高压线塔基础中心点的实测值（下沉值、倾斜值）与预计值（下沉值、倾斜值）进行对比,进一步分析了预计方法的可行性。试验结果表明：受GPS-RTK技术观测精度的影响,在下沉盆地中心附近高压线塔基础中心点的预计值（下沉值、倾斜值）与实测值（下沉值、倾斜值）较接近,而在下沉盆地边缘附近高压线塔基础中心点的预计值（下沉值、倾斜值）与实测值（下沉值、倾斜值）偏差较大,表明开采沉陷区高压线塔基础变形动态预计与监测方法切实可行,但在条件允许的情况下,建议采用精度优于RTK技术的方法对下沉盆地边缘附近的高压线塔进行变形监测。     

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。