坐标参数模型的最小二乘拟合研究

从时变变形模型可非时变化的角度出发，给出了非时变位移分布模型，简化了变形模型的研究，并重点讨论了坐标参数模型的最小二乘拟合问题。     

松岭混合井井塔变形信息系统设计

本文论述了井塔变形信息系统设计的主导思想和方法。通过变形模型的选择,阐述了非线性回归分析在井塔变形中的应用。     

煤层吸附He,CH_4和CO_2过程中的变形特性

为深入研究煤层吸附气体过程中的变形特性,开展了He,CH_4,CO_2三种气体作用下的煤层吸附变形实验,同步测试煤样在CH_4,CO_2气氛下的气体吸附量,探讨了煤样等温吸附变形机理,建立了综合考虑吸附态气体和游离态气体作用的煤等温吸附变形模型。结果表明,He作用下煤样产生压缩变形,应变曲线可分为孔隙压密和线弹性变形两个阶段; CH_4和CO_2气氛下煤样吸附变形与吸附量均呈非线性关系,相同吸附量条件下煤样吸附CH_4产生的膨胀变形量大于吸附CO_2产生的膨胀变形量;煤基质在CO_2气氛下比在CH_4气氛下更容易产生压缩变形;游离态气体不仅通过孔隙压力对煤基质有压缩作用,还能通过改变煤结构促进煤的膨胀变形。可用二次函数表达游离态气体作用下的煤样变形量与孔隙压力关系。与相关模型的对比分析表明,建立的等温吸附变形模型能够对试验数据进行精确拟合,并能够很好地描述煤样在不同吸附性气体作用下的吸附变形特征。     

现代变形监测网观测权非线性动态优化设计

本文探讨了现代变形监测同非线性动态变化的设计的必要性；给出了高斯－马尔柯夫非线性模型的未知参烽的方差－协方差阵的具体公式，在此基础上，提出了顾及精度和灵敏度准则的现代变形监测网观测权的非线性动态优化设计模型，并给出了具体解算方法。     

变形预测的加权灰色GOM(1,1)模型与时序方法

在进行变形监测的过程中，尤其是变形数据呈现递减趋势时，采用传统的模型有其不合理性，采用反向累加生成的方法建立灰色反向累加加权模型，并且与时间序列方法结合使用，通过实例表明，对于呈递减趋势的变形数据，使用这种组合模型预测值优于传统的灰色模型和时间序列模型。     

老采空区残余变形监测技术与预计方法述评

地表残余变形是由老采空区引起的地质灾害之一,对老采空区上方建(构)筑物产生不利影响.多年来,针对老采空区的残余变形监测方法与预计模型研究取得一定的进展.通过梳理现有研究成果,对已有残余变形监测技术在精度及工作有效性方面进行总结分析,结合多种开采沉陷预计方法,对其构建的残余变形预计模型及其适用性进行介绍.在此基础上,对更...     

三维变形监测网的优化设计

现代科学技术发展的今天，对变形体的研究越来越精细，加之所监测对象是微小变形，因此对变形监测的精度和可靠性提出了更高要求。为此，在变形监测中采用布设三维网，避免将空间位置问题分成二维平面和一维高程单独处理带来的缺陷，从而可更严密地获得监测点的空间关系，使变形分析结果更符合客观实际。本文针对三维变形监测网的布设，提出了两个方面的优化设计模型、设计观测方案、配置观测精度。本模型为一个观测精度高、观测费用低、具有一定可靠性的变形监测方案。     

弛张筛面大挠度非线性变形分析与实验

为研究高硬度弛张筛面挠曲运动过程中的大挠度非线性变形特性,考虑其受端部支承轴向压缩而失稳,建立了弛张筛面的细长压杆模型,引入换元积分,导出了筛面变形量随筛面长度的精确定量表达式,利用数值算法发现了筛板端部移动量应不大于0.271 5l(l为筛板长度);进行了筛面大挠度变形量的测试实验,发现变形筛面中心线两侧对称测点处的测量值十分接近,且筛面各测点处大挠度非线性变形的测量值和理论值的误差保持在7%以内,表明上述模型在表征筛面变形特性上的可行性。     

不同类型应力场下巷道变形特性分析

巷道变形特征主要取决于巷道所处应力场类型,为了确定在不同应力场中巷道变形特征,为不同应力场内巷道支护提供指导,以南煤集团大阳泉煤矿埋深约600m巷道为研究对象,建立了以构造应力为主、垂直应力次之,垂直应力为主、构造应力次之的两类六个数值模型。分析结果表明,在以构造应力为主的模型中,巷道变形量主要体现在巷道顶板;在以垂直应力为主的模型中,巷道变形量主要体现在巷道两帮,为处于不同类型应力场内的巷道支护提供指导。     

神经网络在宝日希勒露天煤矿边坡变形预测中的应用

随着宝日希勒露天矿开挖深度的增大,边坡变形的预测与控制己成为露天矿安全生产的关键问题之一。由于边坡变形预测是一个复杂的非线性问题,而传统的边坡变形预测理论计算法和实测数据分析法都不同程度存在着局限性,通过深入分析人工神经网络的结构、参数特征及学习算法,建立了边坡变形预测的人工神经网络BP模型。利用所建立的模型对边坡变形进行了预测,预测结果与实际监测数据非常接近。说明采用人工神经网络BP模型进行边坡变形预测是可行且有效的,可推广应用于工程实践中。     

采空区变形监测数据分析研究

针对煤矿采空区变形数据处理,基于灰色系统理论的GM(1,1)模型对某采空区沉降变形监测数据做了分析,采用三次线性拟合进行了结果对比,给出了对比数值表和对比曲线图,并对分析结果作了评价,提出采用GM(1,1)模型与三次线性拟合互检核的方式进行采空区变形分析.     

基于广义回归网络的金属变形抗力预测

金属的变形抗力是表征钢材压力加工性能的一个基本量,正确确定不同变形条件下金属的变形抗力,是制定合理的轧制工艺规程的必要条件。以往许多研究者在建立变形抗力与变形量、变形速度及温度的关系模型时,采用多元非线性回归对实测的数据进行处理,得到相应的变形抗力模型。该方法首先要对变形抗力模型的函数类型做出假设（如通常采用指数型函数）,而实际上变形抗力的变化规律并不能在大范围内与所选择的函数类型完全一致。特别是考虑静态再结晶,应变积累,动态再结晶,相变等因素的影响时,变形抗力的变化很复杂,难以用所选定的函数来描述,因而这种方法势必带来较大的计算误差。人工神经网络是在模拟脑神经对外部环境进行学习过程中建立起来的一种人工智能模式识别方法,具有适应性强和能够处理复杂非线性问题的特点,广泛应用于解决非线性系统以及模型未知系统的预测和控制。     

时间序列分析及其在变形数据分析中的应用

变形数据分析与预报是变形监测数据处理的重要内容。数据分析与预报结果是进行决策的最主要依据，它们的质量直接影响整个变形监测工作的成效；因此选用切实有效的方法进行变形数据分析和预报十分重要。基于平稳时间序列的特性，研究了应用ARMA(P，q)模型对变形数据进行分析处理和预报的方法步骤，并用1组实测变形数据实例说明；结果表明，应用ARMA(P，q)模型分析处理变形数据十分有效、可靠。     

变形观测数据处理的连续动态平差

本文根据运动学理论和变形分析的“速度模型”提出了变形观测数据处理的连续动态平差法,并给出了由位移向量求应变参数的模型。无论是大型工程建筑物的变型、矿山地表的移动变形,还是地壳振动区的变形,其过程都是连续性的移动变形过程。为了获得它的移动变形信息,描述它的变形状态,需要在不同时刻进行连续的观测,也就是要进行多期重复观测。所以变形观测的结果是连续的。本文针对变形观测结果的这一特点而提出一种连续动态平差法,即根据运动学理论和变形分析的“速度模型”,采用动态最小二乘平差原理对变形观测数据进行连续性处理和分析。其解算过程是:按本方法的模型方程、由以后各期的观测值依次求得未知参数(包括变形参数)的估值和相应的方差阵。这种对变形观测数据进行连续性分析和处理的方法最适合处理多期观测数据,并有利于提高控制网动态状态的检测,在连续动态平差模型中,变形参数是形变点的移动速度和加速度,变形参数的个数是监测网中点的个数的函数,而不是观测次数的函数,因此,模型方程比较稳定。而且观测值的个数也不受限制,多少都可以处理,所以说这种连续动态平差法便于处理变形观测过程中破坏或新建的部分观测点。应该说,在长期变形过程中,部分点被破坏或新建一部分点是实难避免的。从这种数据处理方法中看出,它还有一个明显的特点,即在数学运算中只应用矩阵的加和乘,而不需要通过矩阵求逆来解法方程,这种避免求逆的解法,不仅大大简化了计算,而且还可进一步提高数据的稳定性。变形监测网一般有两种:一种是有固定基准点的绝对网;另一种是没有固定点作基准的相对网,即自由网。     

卡尔曼滤波在建筑物变形监测中的应用

建筑物的变形监测模型应结合其动态特性而建立。论述了卡尔曼滤波和附加衰减因子自适应卡尔曼滤波的算法,分析了适用于建筑物变形监测的动态模型,建立了状态方程和观测方程,并对试验数据进行分析,验证了动态模型应用在建筑物变形监测中的可行性和有效性。     

山区开采地表动态移动变形规律

我国约有1/3的煤矿位于山区,开采造成的山区地表移动变形与平原地区有较大区别。为探究山区开采地表移动变形的时空特征,揭示山区开采地表动态移动变形规律,首先通过分析山区地表移动变形特征,确定了山区开采滑移影响函数,并应用叠加原理构建了顾及山区地形与平原因素的山区地表移动变形预计模型;然后结合Knothe时间函数,推导了山区开采地表动态移动变形预计公式;最后分析了正坡、反坡2种模型的地表动态移动变形规律。采用山西某矿的现场实测数据对山区地表移动变形预计模型进行了验证,取得了较好的一致性。山区开采地表动态移动变形规律的分析,为最大限度确保矿区地表建（构）筑物免于地表动态移动变形破坏提供了技术依据。     

模型优化法在滑坡变形分析中的应用

该文以文献〔1〕为基础 ,将初选出的最佳变形模型的模型参数作为带有动态噪声的状态向量 ,用卡尔曼滤波法进行滤波 ,并以此为基础建立滑坡变形预测模型。实例计算表明 ,这种方法能够提高变形模型的拟合精度和预报精度     

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.     

大坝变形预测的支持向量机模型

支持向量机在解决非线性及高维模式识别问题中表现出其特有的优势。针对大坝变形具有强非线性的特点以及传统神经网络模型预测时存在局部极小与过学习等问题,将支持向量机应用于大坝变形预测。以某大坝的变形监测数据为例,建立SVM预测模型,将支持向量机模型与神经网络模型进行比较分析。结果表明,该模型具有较高的精度,可以很好地应用于大坝变形监测分析。     

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...