共查询到20条相似文献,搜索用时 15 毫秒
1.
针对金属矿山的复杂地质条件和多变矿体形态的特点,结合在极坐标系下预计矿层地表沉陷的数学模型不需要对采空区进行修正的优点,引入了基于概率积分理论的极坐标数学模型。通过分析金属矿山开采地表出现台阶下沉的非连续移动变形特点,结合覆岩破坏的力学分析,得出了预计金属矿山开采地表下沉系数为分段函数的结论,很好地解释了地表非连续变形和出现塌陷的现象,为进一步研究金属矿层开采对地表造成的损害特征与规律奠定了基础,对指导现场具有一定的意义。 相似文献
2.
以太原西山矿区杜儿坪煤矿南三盘区为研究区,采用FLAC3D软件建立数值模型,分析矿区2#、3#煤层重复开采后的地表下沉系数演变规律。数值模拟实验结果表明:沉陷预计结果与原有成果、PS-InSAR监测结果均吻合较好,下沉系数随重复采动次数增加呈现增大趋势,表现为2#煤层分层开采时的下沉系数是一次采全高的1.1倍,继续开采下部3#煤层时下沉系数是2#煤层分层开采时的1.27倍。研究结果为多煤层重复开采下的地表沉陷防控和地物保护提供了依据,也为开展重复采动生态损伤及恢复治理等研究提供了基础参考。 相似文献
3.
矿区开采地表下沉率及采动程度关系的研究 总被引:11,自引:2,他引:9
本文提出地表下沉率与采动程度的关系是非连续型变化。在采动程度较小时有一突变点,突变点之前呈弯曲型下沉,突变点之后呈断裂型下沉,在厚冲积层下采煤时,应用采区尺寸与基岩厚度之比值作为衡量采动程度的标准。 相似文献
4.
5.
6.
针对厚松散层薄基岩矿区开采沉陷变形预计中存在的下沉系数偏大问题,以23个开采工作面的地质采矿条件及其下沉系数为学习和测试样本,将文化-随机粒子群算法(CA-rPSO)和支持向量机(SVM)相结合,利用CA-rPSO的快速并行寻优功能优化SVM参数,建立了厚松散层薄基岩开采条件下下沉系数的SVM预测模型。通过实例验证SVM的预计结果与实际符合较好。 相似文献
7.
陕北矿区地表存在大量的高压电塔,煤层采动引起的地表移动变形,对高压输电线路安全造成威胁。基于概率积分地表移动变形预计理论,采用理论分析、理论计算和现场实测等研究方法,对浅埋煤层采动地表移动变形规律及电塔塔基稳定性展开研究。研究结果表明:(1)拟合了基采比JC和基载比JZ的概率积分参数计算式,地表下沉和水平移动均与基载比和基采比呈负相关,沉陷盆地的影响范围和拐点距离均与基载比呈正相关;(2)建立了采动高压电塔移动变形计算式,电塔塔身的倾斜变形量取决于地表倾斜变形和塔高,电塔基础的水平变形量取决于地表水平变形、电塔根开、基础性质和土体性质;(3)陕北锦界煤矿31104工作面开采过程中,电塔Z219预计产生的最大倾斜变形量为92 mm,小于450 mm,最大水平变形量为4.15 mm,小于4.55 mm,稳定性较高,倾斜变形理论预计值与实测值平均偏差为5.69%。 相似文献
8.
9.
本文以地表沉陷及岩移实测资料为依据 ,并根据覆岩的结构及探测试验现象 ,对地表下沉系数严重小于正常值的原因进行了初步分析 ,得出了在特殊地质采矿条件下 ,弯曲带内的离层裂缝是引起下沉系数偏小的主要原因的初步结论。 相似文献
10.
11.
12.
13.
煤炭开采所引起的地面塌陷问题严重影响矿区生态环境,与单一煤层开采相比,双煤层开采所导致的地表下沉更为复杂.以不同矿区地表移动实测数据为基础,采用灰色关联度分析、理论分析及相似模拟试验等研究方法对基岩厚度、松散层厚度、上下煤层采高及煤层间距对地表下沉的影响展开研究.研究结果表明:基岩厚度和松散层厚度对地表下沉影响最大,上煤层采高和煤层间距影响次之,下煤层采高影响最小;考虑到各矿区地质条件的差异及各因素之间的交互作用,将基采比c、基载比z 和间采比j作为关键参数研究地表下沉的变化规律,得出单一煤层开采地表下沉系数随基采比c和基载比z 的增大而减小,双煤层开采地表下沉系数随三个关键参数的增大呈减小趋势;相似模拟试验结果与理论分析结果基本一致,说明研究结果是可信的. 相似文献
14.
15.
将遗传算法(GA)和广义回归神经网络(GRNN)方法进行融合,采用GA算法搜寻最优的GRNN光滑因子,简要分析了地表下沉系数的影响因素,建立了基于GA-GRNN的地表下沉系数预测模型。以我国典型观测站的数据资料作为学习和测试样本,将预测结果与实测值进行比较。结果表明:采用GA-GRNN模型预测地表下沉系数能够综合考虑诸多的地质采矿因素,预测结果与实测值得最大相对误差仅为5.44%,完全满足现场工程的需要,为今后预测地表下沉系数提出了一种新的方法。 相似文献
16.
17.
为解决地表下沉系数难以精准预测的问题,提出了基于主成分分析(PCA)的遗传算法(GA)优化的支持向量机(SVM)模型。利用主成分分析法对45个矿区的7个地表移动参数影响因子进行降维,提取出新的主成分,同时通过遗传算法获取能够优化支持向量机的最优惩罚参数和最优核函数参数,将主成分输入优化后的支持向量机,对比地表下沉系数的预测值与真实值之间的差距,计算平均相对误差,并与SVM,PCA-SVM,GA-SVM 3种模型的平均相对误差对比。结果表明:PCA-GA-SVM模型的平均相对误差可以达到7.01%,精度更高,更能准确地预测地表下沉系数。 相似文献
18.
19.