大红山矿区开采沉陷预计的MapGIS方法

为有效预计矿山开采过程中地表产生的沉陷变形,以大红山铁矿为例,在现场工程地质勘查和变形监测数据收集的基础上,首先根据矿区钻孔数据（钻孔深度、孔口高程、地下水位深度、地层岩性、地层结构及厚度以及地层时代）建立了基础地质数据库;其次分别对地形坡度、地质构造、岩性条件、植被覆盖率、降雨等级、开采面积及深度等开采沉陷影响因素进行了权重赋值;然后根据水平、垂直、曲率变形值,将该矿区地表建筑物受损等级划分为4级,并对各危险等级的处理方法进行了分析;最后基于矿区基础地质数据,采用MapGIS软件构建了矿区开采沉陷预计模型,并对矿区开采沉陷危险性区域进行了划分。研究结果表明：①开采面积及深度的权重值为0.45,可见矿山开采沉陷受该因素的影响最大;②2#矿体地表最大沉降值为431.1 mm,最大水平移动值为125 mm,最大倾斜值为4.95 mm,预计结果与实测值基本吻合;③2#矿体对应的地表沉陷危险等级为Ⅳ级,区内建筑物可能发生结构损坏,需及时采取防范措施。     

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。     

矿区开采沉陷预计的Geomagic法

利用三维激光扫描技术监测矿区开采沉陷,效率较高,但观测点云数量大、处理困难,目前缺乏成熟的软件进行矿区点云数据分析。为有效处理沉陷区的点云数据并实现沉陷区3D比较、剖面分析和开采沉陷预计参数求取,提出了一种矿区开采沉陷预计的Geomagic法。以某矿为例,首先利用Geomagic Studio软件建立了矿区数字地面模型(Digital terrain model,DTM);其次研究了开采沉陷发生前后的矿区数字地面模型3D对比方法,利用Geomagic Qualify软件分析得到沉陷区地表下沉三维视图;然后对地表下沉三维视图进行了剖面分析,提取走向方向与倾向方向的剖面点下沉值;最后利用剖面点下沉值求取了开采沉陷预计参数,并计算了剖面点的下沉预计值,将下沉预计值与提取的下沉值进行了对比分析,可知下沉拟合准确度达到92%,表明计算出的开采沉陷预计参数具有较高的精度,对于进一步推动三维激光扫描技术在矿区开采沉陷监测预计方面的应用有一定的参考价值。     

基于D-InSAR技术和改进GM（1，1）模型的矿区沉降监测与预计

针对矿区地下资源大规模开采引发的地表沉陷,以淮北矿业集团袁二煤矿为试验区,联合合成孔径雷达差分干涉测量（D-InSAR）技术与灰色模型（GM（1,1））,建立了描述下沉量与时间关系的改进灰色模型,实现了地表沉降监测和预计的一体化。首先,基于哨兵一号A卫星（Sentinel-1A）影像,采用D-InSAR技术监测地面动态沉降过程,获得了2017年11月16日—2018年1月27日期间的时间序列沉降形变图;然后,依据所获取的各时间序列沉降量,建立了改进GM（1,1）的补偿最小二乘法估计半参数模型（BGM（1,1））和赋相对权重的补偿最小二乘法估计半参数模型（WGM（1,1））方程,实现了沉降值的拟合与预计。试验表明：D-InSAR技术在矿区地面沉降动态监测中具有明显优势,且其监测精度达毫米级;BGM（1,1）和WGM（1,1）预计模型均可弥补经典GM（1,1）模型的不足,结合WGM（1,1）预测的4个试验点的相对误差为1.99%~26.64%,可为矿区地面沉陷动态监测以及后续治理提供理论依据,具有一定的预警作用和借鉴意义。     

基于GM(1,1)模型的矿区地表下沉值的预计

在煤层开采过程中,实时动态的对矿区地表下沉值进行观测与预计对煤矿安全生产及矿区人们的生活有重要的作用。所以尝试着用灰色系统GM（1,1）模型对矿区地表的下沉值进行了预计,得到比较好的效果。     

红旗铁矿改进Knothe时间函数开采沉陷预计模型

针对Knothe时间函数模型对开采沉陷过程的预计结果与沉陷实际发生过程不完全符合的问题,分析了该模型的缺陷,提出了改进的Knothe时间函数开采沉陷预计模型。结合河北省武安市红旗铁矿6300综放工作面地表沉陷实测数据,构建了改进的Knothe时间函数开采沉陷预计模型,并进行了模型精度分析。研究表明:经过累计387 d观测,改进的Knothe时间函数开采沉陷预计模型的预计值与实测值的误差为0.2~73.6 mm,平均误差为35.2 mm,优于BP神经网络模型(误差为8.1~143 mm,平均为49.9 mm)、SVM模型(误差为0.7~105.1 mm,平均为35.8 mm)以及概率积分法模型(误差为18.2~180.5 mm,平均为102.6 mm),对于高精度预计该矿开采沉陷具有一定的作用。     

用三维激光扫描技术监测矿山开采沉陷

经典地表沉陷监测方法具有工作量大、监测点保护困难、监测时间长、监测成本高等缺点,难以适应实时化矿山开采沉陷监测的需要。为此,以某矿山为例,结合三维激光扫描技术,提出了一种矿山开采沉陷高精度监测方法。在分析三维激光扫描技术工作原理的基础上,首先对矿区生产概况、监测方案、地表移动监测站设置方案进行了分析;然后结合MATLAB软件,利用分离非地面点和地面点、去除孤立点、拼接点云数据等方法处理经三维激光扫描得到的沉陷数据,并基于矿区2014年10月、2016年10月两期三维激光扫描数据,利用Kriging算法分别建立了矿区地表下沉盆地数字高程模型(Digital elevation model,DEM),对矿区地表沉陷进行分析;最后选取了矿区若干有代表性的监测点的开采沉陷监测值与对应的水准测量结果进行了对比分析。研究表明:监测结果与实测值的误差达到毫米级,反应出利用三维激光扫描技术不仅可快速获取矿区开采沉陷监测数据,而且可对开采沉陷进行高精度监测,对于进一步研究矿区开采沉陷规律、提高矿区开采沉陷监测效率有一定的参考价值。     

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。     

基于Matlab的山区急倾斜煤层开采沉陷预计系统

为研究山区条件下急倾斜煤层开采对地表移动变形的影响,基于Matlab编程语言,将皮尔森Ⅲ型公式法与山区地表移动预计模型进行叠加,开发出了具有多项功能的开采沉陷预计系统,并对其适用性进行了验证。该系统的主要特点为,利用地表高程点对山区地表进行曲面二元多项式拟合,基于地表曲面函数有效解决了任意点倾斜方向角、倾角、地表特性系数、影响半径等重要参数的获取问题,减少了前期数据准备的工作量。将甘肃某矿区急倾斜煤层开采相关参数代入预计系统进行计算及绘图,并与实际观测值进行了对比分析。结果表明:在下沉值和走向移动值预计中,约有86.8%的点位所处区域的地表变形符合实测值的凹形发展趋势,可有效反映矿区变形特征;而在倾向移动值预计中不符合实测值的发展趋势,是因为系统的预计误差受到地表曲面拟合精度及矿区实际条件制约,应采用更精确的矿区参数进一步验证。该系统对于山区急倾斜煤层开采所引起的地表移动变形预计具有一定的参考价值。     

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。     

等维新信息模型在矿区地表沉降预测中的应用

在煤层开采过程中,实时动态的对矿区地表的下沉值进行观测与预计对煤矿的安全生产及矿区人们的生活有重要的作用。因为灰色系统GM(1,1)预计模型具有所需数据量少,计算简单,预测准确的特点,所以文章用灰色系统GM(1,1)模型对矿区地表的下沉值进行了预计,得到比较好的效果     

基于GM(1，1)模型的岩层移动预测

地下开采引起的岩层和地表移动对周围环境造成了严重的破坏,地裂缝、房屋破坏、塌陷坑等,了解岩层和地表移动规律对于保护环境和控制房屋损害有着重要的意义。以某岩层移动监测站的实测数据为原型,对其监测数据进行了分析研究,利用MATLAB软件进行了GM(1,1)模型的建立和预测。研究结果表明,就岩层内部观测站而言,工作面正上方的监测点,由于其下沉单调递增规律,模型预计结果较好,相对误差小于10%;对于工作面外侧的监测点,由于其具有下沉、上升变化的波动性特征,不能进行GM（1,1）模型拟合预测。     

基于D-InSAR技术和灰色Verhulst模型的矿区沉降监测与预计

针对在地形复杂的矿区沉降观测资料不易获取的问题,将合成孔径雷达差分干涉技术（D-InSAR）与灰色Verhulst模型相结合,提出了一种矿山开采沉陷监测和预计方法。该方法首先对覆盖大柳塔煤矿某工作面的12景TerraSAR-X雷达数据进行D-InSAR处理,获取观测站沉降值;然后根据沉降量与时间的关系建立了基于灰色Verhulst模型的预测函数,对开采沉陷发展规律进行分析。试验结果表明：3个测试点D-InSAR监测数据的绝对和相对误差分别为2.8~15 mm,0.9%~6%;结合灰色Verhulst模型预测的绝对和相对误差分别为3.4~18.8 mm,1.2%~5.7%。上述研究结果进一步表明,所提出的方法可有效弥补矿区沉降实测数据的不足,为实现矿区开采沉陷监测和预计的一体化软件设计提供参考。     

DInSAR动态下沉监测特征点错失问题研究

本文以开采沉陷基本理论为依据,建立了DInSAR和GPS联合加密观测工作面推进距离模型,得出了工作面推进过程中的两次加密时间,即地表变形点下沉速度的剧增点和剧减点监测时刻,从而提高了DInSAR技术监测地表动态变形的有效性。最后以澳大利亚West Cliff煤矿长壁工作面32开采期间获取的DInSAR和GPS数据进行了实例分析。     

基于GPS技术的矿山塌陷区岩体移动三维模拟研究

为了解某煤矿三矿区因长期开采所造成的地表沉陷情况,通过GPS技术对该区域的地下岩体移动状况实施监测,基于《测绘技术设计规定》等有关规范针对矿区建立监测网点,获取GPS位置数据,并通过Surfer软件对所获取的地理位置数据进行三维模拟,输出三维沉降模型,进而对该区域的沉陷情况进行判断。经三维模拟与数值分析发现,三矿区地表局部出现沉降小盆地,存在较为剧烈的地表塌陷,在加固处理之前不宜再实施煤炭开采作业。