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。

基于主成分分析的GA-BP神经网络地表下沉系数预测

为提高条带开采地表下沉系数预测准确率,基于地表下沉系数影响因素具有一定相关性、不确定性以及非线性的复杂现象,建立基于主成分分析的遗传算法(Genetic Algorithm,GA)优化的神经网络GA-BP智能预测模型。利用遗传算法对BP神经网络(Back Propagation Neural Network)的初始权值和阈值进行优化处理,通过SPSS20(Statistical Product and Service Solutions 20)软件对地表下沉系数影响因素进行主成分分析,降低数据维度,消除变量间的冗余信息,找出主成分并作为模型的输入样本,利用MATLAB(Matrix Laboratory)软件进行仿真与分析。结果表明:与传统BP神经网络模型和主成分分析(Principal Component Analysis,PCA)的PCA-BP神经网络模型相比,基于主成分分析的GA-BP模型的相对误差不超过5%,与实测值更为接近,预测精度进一步提高,基本满足矿区实际工程需要,为条带开采地表下沉系数预测提供了又一种准确可行的方法。

D-InSAR技术在矿区地表沉降中的监测研究

采用双轨D-InSAR技术对某矿进行地表变形监测研究,利用SARscape软件中的D-InSAR工作流,对哨兵一号数据进行干涉处理、滤波、相位解缠、相位转形变等一系列数据处理,得到该煤矿地区2018年8月至2018年10月之间的地表变形图像。将D-InSAR处理得到的地表沉陷值与实际测量得到的变形值进行比较分析,进行精度评定。结果表明:通过对2018年2景Sentinel-1影像进行二轨差分干涉处理,获得沉降区域与矿区工作面位置相符且呈漏斗状,沉降区变化范围在0—52.3 mm之间,与所测得的精密水准数据具有较高的吻合度且误差不超过15 mm。

充填开采地表沉陷影响因素正交试验

为了研究煤层倾角、采宽、采厚、充填率在充填开采中对地表沉陷的敏感性,以山东某矿的采场条件为工程背景,基于正交试验原理,利用数值模拟软件(FLAC3D)进行计算,采用极差分析法与方差分析法分析各因素的敏感性,最后利用多元回归分析法建立了各因素与地表最大下沉值的函数关系式。研究结果表明:各因素对地表沉陷的敏感性由大到小为采宽、煤层倾角、采厚、充填率;地表最大下沉值与煤层倾角、充填率呈负相关的关系,与采宽、采厚正相关;回归方程效果显著,模拟值、回归方程预计值与实测数据吻合。为控制地表沉陷提供了参考依据。

基于PCA-GA-SVM模型的地表下沉系数预测

为解决地表下沉系数难以精准预测的问题,提出了基于主成分分析(PCA)的遗传算法(GA)优化的支持向量机(SVM)模型。利用主成分分析法对45个矿区的7个地表移动参数影响因子进行降维,提取出新的主成分,同时通过遗传算法获取能够优化支持向量机的最优惩罚参数和最优核函数参数,将主成分输入优化后的支持向量机,对比地表下沉系数的预测值与真实值之间的差距,计算平均相对误差,并与SVM,PCA-SVM,GA-SVM 3种模型的平均相对误差对比。结果表明:PCA-GA-SVM模型的平均相对误差可以达到7.01%,精度更高,更能准确地预测地表下沉系数。