基于2种相位解缠方法的矿区地表沉降对比分析

相位解缠作为DInSAR技术的重要环节,对DInSAR的产品质量有着重要影响。分别选用最小费用流法(MCF)和统计费用流法(SNAPHU)对覆盖某煤矿4307工作面的8景Sentinel-1A SAR影像进行DInSAR技术处理,其监测结果分别与水准高程测量获得的4307工作面地表沉降数据进行对比分析。研究结果表明,采用上述2种相位解缠方法的DInSAR沉降监测均能较好反映矿区沉降范围;在沉降边缘区域,两者的监测结果相似,均与水准监测成果之间存在一定差异;在沉降中心区域,SNAPHU法比MCF法能监测到更大的沉降漏斗,但MCF法监测到的沉降漏斗的形状与水准结果更为拟合。

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。

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。

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。

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。

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。

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。

基于组合权重的地表下沉系数预测分析

地表下沉系数是地表沉陷预计中的重要参数,其取值的精度会对沉陷预计结果产生直接的影响,由于煤矿开采地表下沉系数影响因素众多且因素间存在着不确定性和非线性等复杂关系,从而导致地表下沉系数预测工作极为困难。为解决地表下沉系数难以准确预测的问题并提高预测精度,根据国内35个矿区的实测地表移动观测站数据,构建地表下沉系数预测模型。选取开采厚度、煤层倾角、平均采深、走向宽深比、倾向宽深比、推进速度、松散层厚度和覆岩平均坚固系数等8个影响因素,采用灰色关联度分析和主成分分析相结合的方法求取地表下沉系数影响因素的组合权重,根据组合权重对地表移动观测站数据中的地表下沉系数影响因素进行排序,获得影响地表下沉系数的主要影响因素,并将主要影响因素作为输入,地表下沉系数作为输入参数,进而提出一种地表下沉系数预测分析的BP神经网络模型。结果表明:松散层厚度、推进速度、平均采深和倾向宽深比的组合权重更大,是地表下沉系数的主要影响因素;由地表下沉系数主要影响因素建立的地表下沉系数BP神经网络预测模型的预测精度高,其绝对误差最小值为3.954%,最大值仅为-6.918%,平均相对误差可以达到7.179%,与实测值极其接近。模型预测精度能够满足基本的工程需要,是地表下沉系数准确预测的一种可行方法。

混沌理论支持下的桥梁变形监测研究

针对桥墩的非线性下沉问题,引入了混沌理论。采用改进的C-C算法计算时间序列的时间延迟τ,采用改进的G-P算法计算最佳嵌入维数m,进行相空间重构,并与传统算法对比抗干扰性,计算效率等得到了改善,运用Lvyapunov指数判别该时间序列的混沌特性;最后根据所求参数建立加权一阶局域预计模型和RBF神经网络混沌预计模型,分别对观测数据进行预计分析,将混沌时间预测结果与指数平滑法预测结果进行对比分析。得出混沌时间预测精度高于指数平滑法预测精度,RBF神经网络混沌预计模型的预计精度最高,证明混沌时间序列预计精度可靠,能够实时对桥身变形进行监测,避免灾害的发生。

基于插值的非等间距GM(1,1)建模方法

非等间距GM(1,1)模型因其对非等间距观测数据的处理能力,在变形观测的预测方面发挥着越来越重要的作用。为了更加准确地进行变形预测,提高其实用性,对非等间距GM(1,1)模型进行改进。首先分析不同插值方法对非等间距序列的适应性,选取合适的插值方式。通过插值将非等间距序列构造成等间距序列,建立插值优化背景值和不对背景值进行优化两种模型。对该等间距序列进行预测,最后再进行一次插值还原为原始非等间距序列的预测值。将预测的结果与其他方法进行比较,验证了改进的模型预测精度明显提高。

基于Pix4Dmapper的无人机低空摄影测量数据处理

随着科技发展,无人机的使用就像汽车一样应用于各个领域,成熟的航空摄影测量理论为无人机在测量方面的使用提供了坚实的基础,而后处理成像软件通过提供三维模型来实现数据的精确可视化,更进一步提高了无人机的有效性。本文利用航空摄影测量的中心投影原理,提出基于Pix4Dmapper的无人机低空摄影测量数据处理流程,对经过空中三角测量和相机校准的航摄像片经过光束法区域网平差、空三加密、点云编辑、滤波处理,生成高精度的Google瓦片、正射影像图(DOM)、三维点云模型、数字表面模型(DSM)、数字高程模型(DEM)、数字地面模型(DTM),经过多次应用表明:处理成果能够满足应用需求,极大促进了摄影测量技术的发展。

Reliability Analysis of Numerical Simulation of Sea-Crossing Bridge Deformation Under Wave Forces

To study on the numerical simulation calculation reliability of sea-crossing bridge under complex wave forces,the paper applied GPS deformation monitoring and numerical simulation calculation by researching Qingdao Jiaozhou Bay Sea-Crossing Bridge.The db3 wavelet three-layer decomposition was used on the horizontal movement of the sea-crossing bridge and the wind speed of the waves to analyze their correlation.The complex wave forces value of Qingdao Jiaozhou Bay Sea-Crossing Bridge was loaded on FLAC3D software successfully to make numerical simulation calculation of bridge deformation.Since the accuracy of the GPS deformation monitoring reaches millimeter level,it was used to monitor the exact value of the bridge deformation to judge the reliability of numerical simulation.The relative errors of displacement in X,Y and Z directions were between 33%and 41%through comparison.It could be seen that the numerical simulation error was relatively large,which was mainly due to various environmental factors and the deviation of applied wave forces.However,numerical simulation generally reflects the deformation law of the sea-crossing bridge under complex wave forces,providing an effectively technical support for the safe operation assessment of the sea-crossing bridge.

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。