基于改进麻雀搜索算法优化SVR和FLAC3D的开采地表沉降预测

准确地预测矿山地下开采造成的地表沉降一直是矿山安全发展的难题。为了能够提高采空区地表最大下沉量预测的精度,分别利用机器学习和数值模拟的方法预测某磷矿的采空区地表沉陷,并进行对比研究。综合考虑地表最大下沉量的影响因素,参照有关文献对国内矿山相关数据的统计成果,利用探索性因子分析(EFA)实现影响因素降维,用t分布和切线飞行机制改进的麻雀搜索算法(tSSA)优化支持向量回归机(SVR),从而构建采空区地表沉降EFA-tSSA-SVR预测模型,并用该模型和FLAC3D数值模拟模型对某磷矿地下开采所造成的地表沉降进行预测。结果表明,两种模型对一步骤盘区开采后的最大下沉量预测结果相近,与一步骤开采后的实际下沉量做对比,FLAC3D数值模型预测的地表最大下沉量的相对误差是EFA-tSSA-SVR模型的3倍,表明EFA-tSSA-SVR模型预测结果较好。用EFA-tSSA-SVR模型预测该磷矿未来的二、三、四步骤盘区开采后的地表最大下沉量,预测结果分别是为22.3 cm、24.1 cm、25.9 cm。