覆岩载荷扰动下平硐围岩变形分析及支护优化

传统的收敛仪、三维激光扫描等矿山巷道围岩变形监测技术无法满足复杂工程全面监测需求,实时及自动化监测程度低,且不具备长距离、高精度和大面积监测能力,而现有光纤传感技术仅针对巷道围岩的单一参量进行监测,无法全面分析巷道围岩稳定状况。以某煤矿主平硐为工程背景,采用数值模拟研究了平硐上方填土前后的围岩稳定性,结果表明:填土工程导致平硐两帮围岩支承压力升高,且呈不对称分布;顶板最大下沉量由填土前的8.3 mm增至22.1 mm,最大底鼓量由4.0 mm增至8.5 mm,两帮移近量最大增幅为16.2 mm;围岩变形量与支承压力对应性较强,呈现随平硐上方填土厚度增大而增大的特征。采用光纤布拉格光栅(FBG)传感器构建了平硐围岩变形监测系统,在平硐断面设置FBG传感器监测平硐拱顶裂缝张开度、顶底板及两帮变形量、断面应力应变等,通过实时光谱图分析围岩局部变形情况,结果表明平硐在现有料石砌碹支护状态下,受上覆载荷扰动影响,顶板受压明显,顶板最大下沉量约为30 mm,形成约2 mm宽的裂缝,且监测结果与数值模拟、现场观测结果相符,验证了基于FBG的平硐围岩稳定性监测方法的有效性。根据监测结果,针对平硐支护薄弱处提出了锚杆+T型钢板的补强支护方案,通过数值模拟对其支护效果进行验证,结果表明优化支护方案后,在覆岩载荷扰动下平硐顶板最大下沉量为11.3 mm,两帮最大移近量为12.04 mm,围岩变形量平均降幅达48.8%,提高了围岩稳定性。

基于贝叶斯算法优化的CatBoost矿压显现预测

通过传统的监测手段获取矿压数据并采用统计学或机器学习算法对矿压进行预测已不能满足矿山智能化发展要求,需要寻求新的方法提升矿压数据监测及矿压预测的准确性和实时性。基于三维相似物理模型试验,搭建分布式光纤监测系统,沿模型走向和高度2个方向预埋分布式光纤,在模拟工作面开采过程中采集来压数据,并引入光纤布里渊频移平均变化度作为判断是否来压的指标;通过对光纤监测数据进行噪声去除、归一化及相空间重构等预处理,将一维初始监测数据转换为三维数据;使用贝叶斯算法对CatBoost算法进行迭代参数寻优,在达到最大迭代次数后将最优参数组合装载到CatBoost算法中,通过训练得到矿压显现预测模型。结果表明:贝叶斯算法比传统网格搜索法的迭代次数更少、误差更小;与随机森林(RF)、梯度提升决策树(GBDT)和极值梯度提升树(XGBoost)算法相比,CatBoost算法的预测精度更高、泛化能力更强;基于贝叶斯算法优化的CatBoost矿压显现预测模型能准确预测出测试集中的3次来压,且整体预测趋势与实测值较为吻合,平均绝对误差为0.0091,均方根误差为0.0077,决定系数为0.9339。