凉水塔变形监测与基坑敏感因子灰色关联分析

基坑开挖容易引起临近电厂凉水塔变形,是深基坑工程面临的主要难题之一。本文实地监测深基坑开挖对附近电厂凉水塔的影响,统计了基坑开挖过程中凉水塔地表垂直和水平位移、结构变形等参数。依托某实际工程,研究基坑开挖引起凉水塔变形预测方法,建立凉水塔地表垂直位移灰色预测模型。采用灰色关联分析确定基坑各敏感因素对凉水塔变形的影响程度,由大到小依次为:基坑与建筑物间距、土体弹性模量、围护结构厚度、土体内摩擦角、土体粘聚力。通过开展凉水塔变形监测与相关研究工作,相关研究理论能够为类似深基坑工程提供参考。

桥梁变形监测数据小波去噪与Kalman滤波研究

针对跨海大桥三维变形监测问题,实施了测量机器人与三维激光扫描仪测量方案,二者三维监测数据最大较差不超过0.5mm,而且测量机器人监测数据精度高,说明三维激光扫描技术应用于桥梁变形监测是可行的。根据小波分析与Kalman滤波理论,建立小波去噪后的桥梁变形监测Kalman滤波模型。实验表明,经过小波去噪的监测数据再进行Kalman滤波处理,提高了桥梁变形预测与变形分析的可靠性。通过标准Kalman滤波、自适应Kalman滤波桥梁变形观测数据处理,及平方和误差、均方误差、平均相对误差精度分析知,自适应Kalman滤波要优于标准Kalman滤波方法。

桥梁变形数据小波去噪与混沌预测

跨海大桥因海浪、飓风、船体撞击等外界因素作用,桥梁变形表现为动态非线性变形状态,也存在混沌现象。为此,选择db10小波和软阈值消噪法分解与消除变形数据中的粗差与噪声,并对小波预处理后的平滑变形时间序列通过相空间重构,运用Lyapunov指数进行桥梁混沌状态判定;再将混沌时间序列预测结果与指数平滑法预测值进行分析对比,证明混沌预测可靠且精度高。

地铁隧道地表变形小波去噪及灰色-时序组合预测模型研究

以青岛地铁3号线地表变形横向观测线实测数据为例,开展小波去噪及时序组合预测模型的研究。首先,采用小波理论对观测值进行粗差剔除与去噪处理,根据均方误差最低、信噪比最高的原则,证实dmey小波1层分解、rigrsure软阈值小波去噪方法是最优的。其次,给出地铁隧道地表变形灰色-时序组合预测模型表达式,选用等维新息GM(1,1)模型和残差时间序列模型进行地表变形叠合预测。最后,通过小波去噪后时间序列预测模型、小波去噪前灰色-时序组合预测模型、小波去噪后灰色-时序组合预测模型进行计算分析,结果表明小波去噪后灰色-时序组合模型预测精度最高,并分析了各模型预测精度差别的成因。

近距离重复开采导水裂隙带发育问题研究

山东省某煤矿开采的3_(上)、3_(下)煤的层间距较近,属于近距离煤层开采。以煤矿近距离开采工作面为工程背景,针对重复开采中导水裂隙带的高度发育问题采用经验公式计算、现场实测与数值模拟的方法进行了研究。研究结果表明:相较于经验公式,FLAC^(3D)数值模拟在运用于近距离重复开采时误差更小,适用性更强;导水裂隙带的发育高度随开采进度呈“缓慢-快速-缓慢-稳定”的规律;开采下层煤时导水裂隙带的高度发育受层间距影响较大,层间距大于10 m时导水裂隙带高度较稳定,层间距小于10 m时导水裂隙带高度迅速发育。通过研究为进一步探索水下采煤覆岩的发育规律与保证近距离煤层安全开采提供了科学依据。

充填开采覆岩导水裂缝带高度发育规律研究

我国东部地区的煤矿对于建筑物下压煤广泛采用井下充填开采。针对充填开采覆岩导水裂缝带发育高度问题,采用井下打仰上孔双端堵水观测技术,对唐口煤矿9301充填开采工作面进行了覆岩破坏探测,通过分析基准孔、采后钻孔分段注水观测数据,确定了充填开采导水裂缝带高度值及裂采比。通过采用数值模拟软件UDEC,模拟得到了充填开采工作面不同推进长度下覆岩导水裂缝带发育高度值与覆岩裂缝动态变化规律。基于英国数学家提出的麦克斯韦体(Maxwell体)及鲍依丁-汤姆逊(Poyting-Thomson)岩石蠕变模型,建立了充填体压缩变形量计算公式,提出了通过增加充填抗压强度来降低覆岩导水裂缝带发育高度的方案,为煤矿井下充填开采技术推广应用,实现建筑物下安全开采提供了技术依据。

塌陷区地形分形生成方法与应用

由于煤炭开采而形成的塌陷区地形形态复杂,本文利用分形插值理论模拟了塌陷区地形。在Matlab语言环境下,实现了塌陷区基于遗传算法求取无标度区最优解和基于FBM分形插值算法,在此基础上求解分形特征参数H和σ。对概率积分法预计的数据进行分形内插绘制地表下沉图,取得了理想的效果。

矿区GPS变形监测与变形分析

对矿区GPS变形监测网的建立、实时监测、基线平差、变形分析及分形特征等问题,进行了较系统深入的探讨。经对GPS实时监测变形数据分析可知,地表点的移动具有较强的分形增长规律,GPS变形监测技术能够揭示地表移动的非线性特征,为变形分析与预测提供了新的途径。

桥梁水平位移混沌特征识别与神经网络预测研究

跨海大桥系统受外界影响扰动,其变形伴有混沌现象发生。对桥梁变形监测数据实现了混沌识别,运用C-C法计算时间序列的延迟时间,用G-P方法求得最佳嵌入维数,通过求取的时间延迟和最佳嵌入维数对桥梁变形监测数据进行相空间重构,为混沌时间序列预测模型的建立奠定基础;基于RBF神经网络建立混沌时间序列预测模型,对实测数据进行桥梁变形水平位移预测,并与基于最大Lyapunov指数混沌时间序列预测结果以及实测数据进行对比分析。结果表明,基于RBF神经网络建立的混沌时间序列预测模型的预测结果比基于最大Lyapunov指数混沌时间序列预测模型的预测结果要好,且短期预测效果好。

条带开采关键层控制地表变形分析

以山东某煤矿3煤厚煤层宽条带开采工作面覆岩与地表变形控制为研究对象,对覆岩关键层控制覆岩与地表变形机理进行探究。根据关键层理论确定了该区域上覆岩层厚度290.97 m的细砂岩为主关键层,并且其下方有一亚关键层协同控制地表变形,二者构成复合关键层,计算了主关键层破断距。数值模拟覆岩主、亚关键层应力和位移变化规律,建立了顾及关键层的地表下沉预计模型。研究结果表明:亚关键层断裂、主关键层未断裂时,地表变形增大不明显;主关键层断裂时,地表变形有突变现象发生;同时经实测数据验证:建立的顾及关键层地表下沉预计模型是可靠的。

地下水动态的突变预测横型

本文把地下水的排泄与补给看成一个系统其运动过程包含突变阶段,运用尖点突变模型的改进模型,建立了地下水位变化的预报模型并对其模型进行了分析,结果表明地下水开采量是造成地下水位突变的主要因素,同时也提出了避免突变的水资源的管理和规划的政策。

井筒变形预测与治理

山东某金矿1#井筒近年受民采影响发生变形错位、开裂破坏,为了保证矿区的安全生产,对1#井筒进行了下沉和拉伸压缩变形预测,并根据预测变形值采用了爆破卸载和预应力锚索加固等治理措施,经倒垂线井筒变形观测,治理取得了很好的效果。

煤矿地表移动三维力学预计模型

针对开采沉陷的力学预计问题 ,给出预计的力学模型优化的判别准则 ,并进行了开采沉陷移动值的计算分析 ,表明本文所提出的方法是可行及最合理的。

矿山地表移动与变形的分形分析

采用分形插值方法拟合矿山地表移动的非线性监测曲线 ,用R/S分形时间序列对地表移动时间序列进行了状态演变分析 ,模拟并预测裂缝的变化与发展。结果表明 ,分形理论应用于地表移动的非线性数据分析 ,逼真地描述了地表移动的非线性特征 ,计算简便。

基于SBAS-InSAR技术采动地表沉降监测与分析

为了掌握煤矿开采区域地面沉降情况,包括时序沉降量、沉降速率、时序沉降面积等,利用覆盖郓城县的19幅Sentinel-1 A影像、AUX_POE-ORB精密星厉和SRTM1(空间分辨率为30 m)DEM数据,采用SBAS-InSAR技术从19幅影像数据中提取矿区的沉降速率、时序沉降量和累计沉降量,对沉降漏斗沉降速率的分布情况和沉降发展趋势进行了研究,并在开采工作面方向与水准观测线数据进行量化分析和对比。结果表明:从2016年9月至2017年9月该煤矿区域内存在一个较大的沉降漏斗,通过分析该沉降漏斗的沉降速率,发现2302、1307、1305、1303和4302工作面最大沉降速率分别为353、389、345、273和352 mm/a;通过分析各工作面的时序沉降情况,发现1303和1305工作面北部沉降量在减小,南部沉降量还会增加,而4302、2302和1307工作面还处于活跃期,其沉降还会不断增加;对2302工作面走向方向的时序沉降情况进行了量化分析并与水准监测数据进行对比分析,发现最大中误差为9.25 mm,其精度结果符合《DD2014-11地面沉降干涉雷达数据处理技术规程》中的精度(10 mm)要求,证明SBAS-InSAR技术沉降监测精度可靠。

厚冲积层下开采地表移动分析

本文应用弹塑性力学理论及有限力学变形理论 ,研究了厚冲积层下开采地表移动的机理与移动量计算问题 ,对有效地控制地下开采损害具有重大指导作用。

非均匀条带开采煤柱稳定性及地表变形规律分析

采用理论分析及数值模拟相结合的方法,分析了非均匀煤柱条带开采中的煤柱稳定性及地表变形规律,并与常规均匀条带开采进行对比。结果表明:条带开采中,煤柱受力存在明显的不均匀性,最中间的煤柱受力最大,两侧煤柱受力较小,塑性区宽度也稍小于最中间煤柱。随着最中间煤柱宽度的增加,所受应力逐步降低,煤柱弹性承载区面积逐步增大,煤柱的稳定性增加。从系统论的观点出发,要提高整个煤柱系统的稳定性,可以提高最容易发生失稳破坏的最中间煤柱的稳定性。同时,地表沉陷值从480mm减少为420,400mm,煤柱的冲击倾向性也降低。因此,非均匀煤柱条带开采有利于提高煤柱承载系统的稳定性,减少地表沉陷及冲击地压的发生。

基于GRA-PCA-BP神经网络模型的地表下沉系数预测分析

针对煤矿开采地表下沉系数难以准确预计的难题,基于国内41个矿区的地表移动观测站数据,建立基于灰色关联度分析(grey relation analysis,GRA)和主成分分析(principal component analysis,PCA)的GRA-PCA-BP神经网络预测模型,对地表下沉系数进行预测分析。运用GRA筛选出地表下沉系数的主要影响因素,对筛选出的主要影响因素进行PCA,消除因素间的冗余信息并降低数据维度,起到简化网络结构的作用,并在此基础上进行模型预测对比分析。结果表明:与传统的BP神经网络模型和GRA-BP模型相比,GRA-PCA-BP模型的网络泛化能力和预测精度更优,预测结果的平均相对误差为6.841%,与实测值更为接近,是地表下沉系数准确预计的又一种可行方法。

矿山地表移动的卡尔曼滤波模型

本文根据矿山地表岩移观测采用定期监测及GPS实时监测方案 ,根据其观测量建立了观测方程 ,根据其点的运动位置建立其状态方程 ,并给出了卡尔曼滤波方程递推解的方程表达式 ,适于多期及实时观测量的数据处理与变形分析。

地表移动趋势项预测模型的研究

提出了地表移动监测数据是由趋势项、周期项及随机项合成的观点。并给出了三种趋势运动规律的数学方法 ,结合实例数据 ,进行精度分析 ,提出了各种数学模型的适用条件 ,对提高地下工程变形预测可靠性研究进行了有益的探讨。