模矢法在厚松散层地表移动参数解算中的应用

获得准确的预计参数是提高地表沉陷预测精度的关键。模矢法是求解非线性规划中无约束最优化问题的一种直接方法,模矢法求参具有方便计算机编程和加速向最优点移动性质的优点。为此,利用VB6.0平台,编写了基于概率积分法的模矢法求参程序。以朱集煤矿1111(1)工作面为例,利用求参数据,采用概率积分法修正模型计算地表下沉值,并通过与地表观测站的实测值进行比较,验证了模矢法求参的准确性。     

地表沉陷预计参数求取及其分析

本文将求解无约束极值问题的模矢法 (步长加速法 )应用于求取开采沉陷预计参数 ,解决了利用任意形状工作面开采的实测资料和利用动态实测资料求取参数的问题。通过对某一实例的求参分析 ,获得了一些有用的结论     

地表沉陷预计参数求取及其分析

本文将求解无约束极值问题的模矢法(步长加速法)应用于求取开采沉陷预计参数，解决了利用任意形状工作面开采的实测资料和利用动态实测资料求取参数的问题。通过对某一实例的求参分析，获得了一些有用的结论。     

探讨L-M算法在求取概率积分法预计参数中的应用

概率积分预计参数的精确性决定了模型预计的准确度,基于其非线性的特点,文中结合某煤矿为例,采用了L-M算法,克服了最速下降法及高斯-牛顿法的缺点,求出最佳预计参数.     

遗传算法和模矢法结合的概率积分法参数反演方法

遗传算法在反演概率积分法预计参数时从参数取值范围内的串集开始搜索,并使用弹性策略来维持群体的多样性,使得算法可以跨过局部收敛的障碍,向全局最优解方向进化;但这种概率化的寻优算法存在局部探索能力差、结果不稳定的缺陷,只能获得问题的近似最优解。模矢法是一种降梯度算法,算法局部探索能力强、收敛快;但这种算法对初值选取敏感,初值选择不当易陷入局部极值。本文提出并实现了一种模矢法与遗传算法结合的组合算法:先使用遗传算法求得参数的全局近似最优解,然后将近似最优解作为探索初值,使用模矢法获得参数的稳定、精确最优解。研究结果表明:组合算法反演概率积分法预计参数的精确度高、收敛快、稳定性好,综合性能较遗传算法和模矢法有明显优势。     

基于概率积分法的多维参数预计实验

提出了一种基于约束规则的多维参数优选来实现高精度预计的方法,通过偏差值、相对偏差值等指标加以评价。实验证明:采用多维参数进行预计是可行的,而且较于使用定维参数进行预计,其预计精度得到一定程度的提高。     

基于遗传算法的概率积分法预计参数反演

地表移动观测站实测数据反演求取概率积分法参数是这一方法应用过程中的关键问题,现有算法存在求参易发散,难以获取最优解的缺陷.提出采用遗传算法反演概率积分法参数,研究了该算法反演结果的准确性和可靠性.研究结果表明,遗传算法反演概率积分法预计参数精度高,参数相对误差小于1.5%,对观测站中的观测值随机误差、粗差、观测点缺失的问题具有较强的抗干扰能力,较最小二乘法、模矢法在参数反演准确性和可靠性方面有明显优越性.     

工作面开采地表移动变形预计及对地表 建筑物影响分析

岳城煤矿拟开采Ⅲ2301和Ⅲ2302工作面,其北部存在部分建筑物。为了分析工作面开采后是否对这些建筑物造成损坏,采用概率积分法,以矿井建立的地表移动观测站的实测资料为基础,根据待采工作面上覆岩层结构和重复采动的影响,对预计参数进行了计算分析,求取了预计参数。通过对待采工作面开采后地表移动和变形进行预计,并对地表建筑物的影响范围及影响程度进行计算分析评价,给出了待采工作面开采后引起的地表移动和变形值和引起建筑物的最大变形值,得到工作面开采后采动影响范围建筑物范围内约30 m,建筑物最大损害等级为Ⅱ级,为准确进行地表移动和变形预计以及附近民房的影响评价奠定了基础,同时对增加建筑物下采煤的安全技术措施提出了建议。     

改进GWO-BP算法的概率积分法预计参数求取

针对BP神经网络模型在求取概率积分法预计参数时的缺陷,提出了一种基于改进灰狼优化算法(GWO)的BP神经网络参数预测模型。主要通过对灰狼算法的收敛因子a进行非线性收敛的改进,再利用粒子群算法(PSO)的速度更新公式更新搜索灰狼搜索位置。用改进的灰狼优化算法对BP神经网络的初始权值和阈值进行优化,然后利用最优的初始权值和阈值对模型进行训练和预测,从而得到概率积分法参数的预测结果。结果显示经过改进的灰狼算法优化BP神经网络的参数预测结果明显优于单一的BP神经网络模型和不改进的灰狼算法优化BP神经网络模型的预测结果,可以在矿区开采沉陷预计方面得到应用。     

地质参数解析法在地表移动与变形预计中的应用

本文以克诺特影响函数为基础,运用估值理论建立起反映煤层赋存情况的地质模型,选用辛普生积分计算由于煤层开采造成的地表移动与变形问题。实际应用表明,本文所提出的计算方法,在开采范围较大或采区内煤层厚度变化较大时具有较高的计算精度。     

钻井水溶法开采的地表沉陷预计研究

为了准确预计钻井水溶法开采后对地表产生的移动和变形,基于钻井水溶法开采特点,利用由不溶矿物形成的结晶水物质的膨胀率,建立了钻井水溶法开采的等价采高模型。此外,还分析了随机介质理论用于钻井水溶法开采地表沉陷预计的可行性。在阐述概率积分法基本原理的基础上,通过借鉴国内外条带水砂充填开采的预计实例,求得了钻井水溶法开采的概率积分法预计参数,并结合工程实例,利用概率积分法预计了某盐矿开采后引起的地表移动变形。结果表明:建立在上覆岩层软弱、顶板跨落基础上的概率积分预计方法适用于钻井水溶法开采的地表沉陷预计,且钻井水溶法开采后引起的地表移动变形值远小于相同条件下的煤矿开采。     

基于SSA-BP神经网络的概率积分法预计参数求取研究

为解决BP(Back-ProPagation,BP)神经网络求取概率积分法预计参数出现的局部最优解和收敛速度慢的问题,采用麻雀搜索算法(Sparrow Search Algortihm,SSA)优化BP神经网络的结构,得到最优的权重值和偏置项,建立了基于SSA-BP神经网络的概率积分法预计参数求取模型。结合50组典型的实测数据,随机抽取45组数据输入SSA-BP神经网络模型进行训练,剩余数据输入训练好的模型求取概率积分法预计参数,并与实测数据对比,分析SSA-BP神经网络模型和BP神经网络模型的优劣;通过改变训练样本和测试样本的数量,讨论模型精度与训练样本数量的关系。研究表明:(1) SSA-BP神经网络模型预计下沉系数q、水平移动系数b、开采影响传播角θ、主要影响角正切值tanβ和拐点偏移距s/H的平均绝对百分比误差分别为1.33%、3.48%、0.49%、3.86%和9.33%,BP神经网络模型的相应取值分别为8.05%、7.34%、3.33%、9.82%和19.60%,可见前者求解精度更高。(2)两种模型求取的预计参数均与实测数据较接近,SSA-BP神经网络模型最大相对误差为21...     

基于Matlab的概率积分法开采沉陷预计参数解算

通过在开采工作面地表建立观测站获取地表变形数据解算概率积分法开采沉陷预计参数,从而预计工作面周边或相似开采条件下工作面的开采沉陷并评估和指导开采作业,其前提是精确获取概率积分法开采沉陷预计参数。为此,基于Matlab软件,采用最小二乘法拟合观测点变形数据解算概率积分法开采沉陷预计参数,并结合Matlab软件绘图工具开发了集数据载入、坐标转换、参数解算、结果输出、开采沉陷预计及反演为一体的可视化开采沉陷预计系统。以淮南谢桥煤矿11316工作面为例,根据地表移动观测点位移数据解算开采沉陷预计参数并与实测值进行对比分析,结果表明,该系统解算出的开采沉陷预计参数符合两淮矿区开采沉陷的基本规律,反演结果与实测值基本吻合,该系统对于实现矿区开采沉陷高精度预计和反演具有一定的参考价值。     

多工作面开采影响下求取地表移动参数方法研究

针对传统概率积分法求参程度仅适用于单工作面拟合求参的局限性和地表移动观测误差对参数精度的影响,提出了多工作面条件下求取概率积分计算参数的方法,并提出了观测粗差的识别方法,通过加权求参数油较大程度地减小发观测粗差对求参精度的影响,增大了求参程度的适用范围。     

任意形工作面开采时求沉陷预计参数的新方法

本文将求解无约束极值问题的模矢法 (步长加速法 )应用于求取开采沉陷预计参数 ,解决了利用任意形状工作面开采的实测资料和利用动态实测资料求取参数的问题。经实例证明 ,文中提出的方法是很有效的。     

赫尔默特方差估计法提高地表移动求参精度研究

为提高概率积分法对采动地表下沉值的预计精度,将赫尔默特方差估计法用于概率积分法参数的求取.将监测点的下沉值分为盆地中央和盆地边缘2类,确定2类值的初始权重,求取预平差和参数初值,再根据预计下沉值的改正数估计2类下沉值的验前方差,以该方差再次定权,重新求取概率积分法参数.结合淮北某矿区的观测站资料,编写基于赫尔默特方差估计法的求参程序,与最小二乘法拟合求参法相比,监测点的下沉值预计中误差降低了21.4％,该方法能提高预计下沉值精度.     

变形沉陷预计软件与ArcGIS在地表变形沉陷三维可视化预计中的应用研究

以变形沉陷预计系统中概率积分法的优势,结合ArcGIS的三维空间分析功能,实现了地表变形沉陷的三维可视化预计。此方法为变形沉陷地质灾害范围及破坏级别的划分提供了一种新思路,使煤矿开采引起建筑物变形的评估工作更加方便、直观。     

概率积分法预计参数求取及应用研究

大量地表移动观测资料显示,概率积分法预计的下沉曲线边缘部分比实际观测下沉曲线收敛快,其预计结果与实际观测值在移动边界区域很难拟合一致,造成了利用观测站求取的预计参数计算的地表变形值在开采影响边界区域与实际观测值不符.文中根据观测站实测数据,提出对观测站分区域反演预计参数,分区域进行地表变形预计的方法,可以有效克服概率积...     

山区地表移动预计修正模型及其参数求取方法

为了克服山区开采地表沉陷预计模型中的滑移影响函数以及求参模型的缺点,建立了山区开采地表移动变形预计修正模型,即新的滑移影响函数仍沿用原有参数A,P,t形式,但各参数的取值和物理意义存在差异。依据修正模型,以实测下沉值、水平移动值分别与模型预计值之差平方和最小为原则构建适应度函数,基于遗传算法原理进一步提出了山区地表沉陷预计模型求参新方法。最后将提出的山区沉陷预计修正模型和求参方法用于山西某矿工作面开采地表移动,取得了良好的工程实践效果。     

极小工作面预计参数问题的探讨

在极小工作面开采条件下,利用概率积分法进行开采沉陷预计时结果与现场实测有较大偏差.本文针对此情况,从分析概率积分法的预计参数入手,结合现场实测资料,讨论了几种预计参数修正的方法,论证预计参数修正的必要性,并将其应用到华东某矿区的复杂地质条件的极小工作面开采沉陷预计,取得较好的效果.