矿山开采沉陷动态参数预计方法的探讨

开采沉陷动态参数预计是矿山开采沉陷学科的核心内容,它对开采沉陷的理论研究和生产实践都有重要意义。本文简要介绍开采沉陷动态参数预计的几种方法,采用编程语言Visual Basic 6.0进行开发,编制了概率积分法求取动态预计参数经验公式的程序。通过实例,取得了较满意的预计参数,对于矿区的开采有一定的指导意义。

机器学习辅助下的概率积分法参数预计模型寻优

收集整理了多组地表移动观测站资料作为训练样本和检验样本,以工作面地质采矿条件为输入集,概率积分法预计参数为输出集,利用机器学习方法对概率积分法预测参数进行了预测。选取支持向量机、BP神经网络和偏最小二乘法3种机器学习方法对训练样本进行训练,利用训练所得模型预测检验样本中的概率积分法预测参数,并将预测结果与观测站实测值进行对比。结果表明,利用支持向量机预测下沉系数、主要影响角正切值及水平移动系数的精度最高,其平均相对误差分别达到7.46%、4.00%、13.17%;拐点偏距及开采影响传播角利用偏最小二乘法预计精度最高,平均相对误差分别为10.83%、0.88%;总体而言支持向量机的预测精度最为稳定。

基于模糊聚类的开采沉陷参数预计模型

针对由于岩移观测数据资料缺失或不准确而导致开采沉陷预计参数求取不精确的问题,本文提出一种基于模糊聚类的开采沉陷参数预计模型。首先,根据相似第三定理对地矿特征进行了分析简化;其次,利用方程分析法、量纲分析法进行特征提取,得到特征方程;然后,对原有模糊聚类方法进行改进,得到基于竞争合并策略的IWFCM_CCS算法的模糊聚类方法;最后,对岩移观测数据进行模糊聚类分析,得出观测站数据的隶属度矩阵和聚类中心,建立了基于隶属度权重的回归模型。通过与矿区实测数据和模型预计结果的对比分析,验证了所提参数预计模型的准确性和可行性。该模型减小了观测数据导致的预计参数求取误差,可为以后的预计参数求取提供参考。

改进的WOA-BP算法在概率积分法参数预计中的应用

针对BP神经网络在预测概率积分法参数时将引起初始偏置值和权值的随机性的问题,该文旨在解决由此导致预测参数不稳定的问题。首先对鲸鱼算法(WOA)的收敛因素和位置更新方式进行改进,使其寻优能力提升;再利用改进的WOA算法对BP神经网络的初始偏置值和权值进行优化,使用最优的偏置值和权值获得概率积分法预计参数,并在矿区沉降监测中应用。利用实测数据验证表明,与BP神经网络和普通WOA-BP算法相比,改进WOA-BP算法具有较高的一致性指数和决定系数,且均方根误差和相对误差平均值明显减小,迭代次数显著减少。因此,改进的WOA-BP算法可有效提高概率积分预计的质量,在矿区沉降监测中发挥一定作用。

基于SSA-BP神经网络的概率积分法预计参数求取研究

为解决BP(Back-ProPagation,BP)神经网络求取概率积分法预计参数出现的局部最优解和收敛速度慢的问题,采用麻雀搜索算法(Sparrow Search Algortihm,SSA)优化BP神经网络的结构,得到最优的权重值和偏置项,建立了基于SSA-BP神经网络的概率积分法预计参数求取模型。结合50组典型的实测数据,随机抽取45组数据输入SSA-BP神经网络模型进行训练,剩余数据输入训练好的模型求取概率积分法预计参数,并与实测数据对比,分析SSA-BP神经网络模型和BP神经网络模型的优劣;通过改变训练样本和测试样本的数量,讨论模型精度与训练样本数量的关系。研究表明:①SSA-BP神经网络模型预计下沉系数q、水平移动系数b、开采影响传播角θ、主要影响角正切值tanβ和拐点偏移距s/H的平均绝对百分比误差分别为1.33%、3.48%、0.49%、3.86%和9.33%,BP神经网络模型的相应取值分别为8.05%、7.34%、3.33%、9.82%和19.60%,可见前者求解精度更高。②两种模型求取的预计参数均与实测数据较接近,SSA-BP神经网络模型最大相对误差为21.00%,最大迭代次数为89次,BP神经网络模型最大相对误差为35.00%,最大迭代次数为205次,说明优化后的BP神经网络模型预计结果精度更高,收敛速度快。③在样本总量不变的情况下,随着训练样本数量的增加,模型的预计精度和可靠性也相应增加。上述分析对于进一步提升概率积分法预计参数求取精度有一定的参考价值。

用模糊模式识别确定开采沉陷预计参数

基于模糊模式识别理论,根据给定的开采沉陷相似现象群的分类及基础岩层移动参数,提出了按择近原则进行新矿区模式识别和预计参数确定的方法.即对于B1,B2,…,Bn这n个开采沉陷模型,如果有一个新矿区的模型C与Bi(i=1,2,…,n)最贴近,就可用Bi作为该矿区的开采沉陷预计参数.实例研究表明,用此方法确定的预计参数具有更强的可靠性和准确性.

基于MATLAB求取地表移动预计参数的方法研究

在分析求取地表移动预计参数常用方法存在的问题和拟合求参基本原理的基础上,提出了利用Matlab中的非线性最小二乘法拟合函数求取概率积分法预计参数的方法.根据观测站的实测资料和各个观测站具体地质采矿条件选择合适的预计函数,用此方法求取各个观测站的地表移动预计参数.结果表明,用该方法求取地表移动预计参数方便、准确.

重庆市矿区开采沉陷预计参数类比分析研究

为了得到实测资料较少、地质采矿条件特殊的重庆市矿区概率积分法预计参数,首先分析了现阶段重庆市3大煤矿区开采沉陷实测参数,然后分别利用P系数法、模糊模式识别、相似理论3种类比方法分析了重庆矿区概率积分法预计参数,最后通过比较类比分析参数与实测参数得出各方法的优缺点及适用范围,由此提出一种适用于重庆矿区预计参数的综合类比分析方法。研究结果表明:覆岩综合评价P系数方法不能准确地反应开采深厚比和煤层倾角的差异对各预计参数的影响情况;利用模糊模式识别或相似理论建立的开采沉陷相似现象群主要以东部矿区的实测参数为主,由此建立的参数函数模型对于重庆矿区参数的相似性不大;利用综合类比分析得出的预计参数与实测参数之间的差异较小,能有效类比得出重庆矿区无实测资料的开采沉陷预计参数,为重庆市矿区煤矿进行开采沉陷预计提供了科学依据。

预计参数对开采沉陷的影响研究

随着煤炭资源的开采,开采沉陷所引发的环境破坏问题日益严峻。如何建立准确的开采沉陷预计模型至关重要。基于MATLAB平台开发了开采沉陷动态预计系统,结合工程实例分析了下沉系数、主要影响半径、开采速度这3个预计参数对预计结果的影响。研究表明:下沉系数增大,地表下沉盆地陡峭,水平移动距离与曲率也随着增大;主要影响半径增大,地表下沉范围增大,下沉曲线的拐点不变,而主要影响半径减少会使开切眼与终采处地表倾斜值和曲率值在小范围内急速增大,对地表扰动影响较大;加快开采速度,利于减少地表的移动变形量,从而减少采动对地表的影响。

综放面地表变形预计参数综合分析及应用研究

为了给兖州矿区综放面地表移动变形预计提供更加科学的依据,在实测资料基础上,通过理论研究和数理分析:(1)获得下沉系数与采宽/基岩厚的关系式,并获得水平移动系数、主要影响角正切、拐点偏移距系数与宽深比之间的系列关系式;(2)指出当开采宽度增加到一定程度(采宽/基岩厚=1.0左右)后,地表下沉系数增加明显;(3)随着宽深比的增大,水平移动系数的变化是一个先减小、后增大的过程,当宽深比0.5左右时,水平移动系数最小;(4)获得适合兖州矿区的综放面边界上方预计下沉值的修正公式。

地表移动预计参数选取的神经网络法

地表移动预计参数的选取是研究地表移动及其规律的重要内容,由于预计参数受多种复杂因素的影响,具有高度的不确定性和离散性,利用神经网络具有自组织、自学习和高度非线性映射的能力,并既能考虑定量因素又能考虑定性因素的优点,可建立地表移动预计参数选取的神经网络模型以及对BP神经网络进行改进。利用大量的地表移动实际观测数据样本对该网络模型进行训练和学习,并用该网络模型对地表移动参数进行预计,结果表明,该改进的BP神经网络具有收敛速度快、预计参数精度高的优点,从而为开采沉陷地表移动预计中参数的选取提供了新方法。

基于GA-BP神经网络的概率积分法预计参数研究

针对BP神经网络的不足,为提高概率积分法预计开采沉陷的准确性,采用遗传算法(GA)优化BP神经网络,建立了一种基于GA-BP神经网络的概率积分法参数预计模型。将多组地表观测站实测数据分为训练样本和检验样本,以工作面的7个地质采矿条件参数为输入集,5个概率积分法预计参数为输出集,通过GA优化的BP神经网络机器学习方法对训练样本进行训练,利用训练模型预计检验样本的概率积分法参数,并与观测站实测数据进行了对比分析。研究表明:对于不同地质采矿条件下的概率积分法参数进行预计时,GA-BP模型明显优于BP神经网络和偏最小二乘模型,平均相对误差最大为8.64%,预计精度可靠性较高。

生产矿井无沉陷观测资料的地表移动与变形预计参数分析

通过对受开采影响的建筑物破坏程度与地表移动及变形值的关系进行分析,获得地表移动与变形分析值。在此基础上,选择几组预计参数初值分别对已获得地表移动与变形值的地表点进行预计,取预计值与分析值差值平方和最小的一组对应的预计参数,作为本矿井地表移动与变形预计参数。实例证明,该分析方法是正确的,且使用方便。

遗传算法求概率积分法预计参数程序设计

目前基于概率积分法求取地表移动预计参数的优化算法,如线性最小二乘法,具有易发散、易出现局部解、对初值要求较高、抗粗差干扰性弱等问题。遗传算法(Genetic Algorithm)是一种高效的全局寻优搜索方法,采用人工进化的方式对目标空间进行随机优化搜索。采用遗传算法,利用地表任意点的概率积分法数学模型编写了求取地表移动预计参数的程序,通过皖北某矿井的1013工作面的观测数据并结合地质采矿条件反演了地表移动预计参数,通过与传统的优化算法所求取的参数比较,证明了遗传算法反演结果的准确性和可靠性。

基于抗差估计的概率积分法的预计参数模型研究

针对利用实测数据求取概率积分法预计参数时,受异值或粗差影响使参数严重偏离真值,预测结果失真的问题,建立了抗差估计的概率积分法求参模型。利用谢一矿矿区开采沉陷实测资料进行人工异值干扰求参实验,结果表明,该方法抑制了异值或粗差对求参结果的影响,保证了求参结果的真实性和可靠性。

基于1stOpt的开采沉陷预计参数求取方法探讨

概率积分法在开采沉陷预计方面应用广泛,但预计结果的准确性在很大程度上取决于概率积分法预计参数的可靠性。文章使用数学优化计算软件1stOpt,探讨了概率积分法预计参数的反演方法,并用实例进行了分析验证。结果表明:该方法操作简单,计算准确性较高,且不需要预先给定初始经验值,大大降低了求取概率积分法预计参数的复杂性。

利用CAD技术求解概率积分法中的预计参数

论述了用CAD技术求解概率积分法中预计参数及地表移动基本参数的方法、主要计算原理及专用软件编制.作者利用该软件求解了多个地表移动观测站的概率积分法预计参数,结果令人满意.原理分析与实例计算结果表明,利用该方法提供参数不仅直观可靠,而且更适用于当地实际情况.

鲍店矿区开采沉陷预计参数综合研究

在鲍店矿区不同区域,随着地质条件不同,获得的概率积分法预计参数不同,这给实际工作中预计参数的选取带来极大困难。为此,通过综合分析,建立了鲍店矿区下沉系数、主要影响角正切、拐点偏移距系数、开采影响传播角、水平移动系数等概率积分法预计参数与地质采矿条件之间的对应关系,为矿区今后建(构)筑物下采煤提供了可靠的依据。

巨厚岩浆岩下开采岩移预计参数取值研究

在对煤矿采区地表建(构)筑物进行开采沉陷预测时,应采用一套尽可能符合该采区地质条件的岩移预计参数,不至于过高或过低估计地表沉陷程度及建(构)筑物的损坏等级,从而为开采规划方案制定和地表建(构)筑物保护提供可靠依据。利用济宁二号煤矿十一采区辽沟河堤沉降观测站的长期观测资料,根据最小二乘原理,应用曲线拟合方法,初步获得了大采深、厚冲积层和巨厚岩浆岩条件下的概率积分法开采沉陷岩移预计参数,即:下沉系数q=0.65,水平移动系数b=0.45,主要影响角正切tanβ=1.4,开采影响传播角θ=90°-0.6α(α为煤层倾角),拐点偏移距s=0.05H(H为采深),重复采动系数为1.1。所给出的岩移预计参数对于类似地质条件下地表开采沉陷预计有一定的参考价值。

极小工作面预计参数问题的探讨

在极小工作面开采条件下 ,利用概率积分法进行开采沉陷预计时结果与现场实测有较大偏差。本文针对此情况 ,从分析概率积分法的预计参数入手 ,结合现场实测资料 ,讨论了几种预计参数修正的方法 ,论证预计参数修正的必要性 ,并将其应用到华东某矿区的复杂地质条件的极小工作面开采沉陷预计 。