概率积分参数选取的主成分回归分析

为解决地质采矿因素之间的相关性及信息重叠影响概率积分法参数的计算精度问题.采用主成分回归分析的方法,以43个典型观测站的实测数据作为样本,研究了概率积分法参数的计算方法.研究结果表明:通过主成分分析方法提取前5个主成分的累积方差贡献率已经达到91%,可用其代替原始的8个因素;该方法可以有效减少变量的个数,消除变量之间的相关性及信息重叠.采用提取的主成分进行多元线性回归计算参数的最大相对误差为8.9%,最大平均绝对误差百分率为5.4%;内部拟合误差及外部预测误差均较小,表明该方法的计算结果是准确可靠的.

概率积分参数的交互式反演方法研究

概率积分法是我国矿山开采沉陷预计的主要方法,其预计的精度直接取决于参数准确性。目前国内外学者尝试采用各种智能算法进行概率积分参数反演的研究工作。在反演过程中,由于实测数据监测误差、地表变形不规律、概率积分参数相关性、反演过程中拟合误差评价准则的选取等问题,产生的对反演结果准确性的影响,是难以通过优化反演算法消除的。因此,研究采用交互式方法,通过提高关键部位变形数据的拟合效果,直接实时地干预和调整不合理的参数组合,有效提高了参数反演结果的准确性和可靠性。研究结合Visual Basic编程语言,设计和开发了交互式参数反演程序,实际工程案例的分析应用,确定了该方法的有效性。

空天地一体化监测联合反演开采沉陷概率积分预计参数研究

煤炭开采引发的地表沉陷需要通过合适的手段对其进行有效监测。针对传统差分干涉测量难以监测地表大梯度形变、无人机技术无法对矿区边缘进行高精度监测的难题,提出融合DInSAR和无人机两种非等精度的监测技术,采用地面传统测量实测进行验证,将三种数据的优势进行互补,实现矿区的高精度监测。使用融合后的数据对华阳集团一矿81403工作面的概率积分参数进行反演。结果表明,反演的参数结果与实测参数结果基本接近。

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。

概率积分法参数对预计地表下沉的影响度分析

地表沉陷预计的常用算法——概率积分法的预计参数及参数间交互作用对变形值不同的影响程度,造成参数选取、反演的不确定性。针对这一问题,采用五元二次正交旋转组合设计,研究了概率积分法中预计参数对地表点最大下沉的影响关系,得出了单因素与两两因素交互作用对地表点最大下沉值的影响规律。研究结果表明:沉陷预计参数中的下沉系数、主要影响角正切、拐点偏移距对预计最大下沉具有显著影响,影响程度排序为:下沉系数>主要影响角正切>拐点偏移距;且q与tanβ、tanβ与S/H的交互作用影响明显。

基于PCA-BP神经网络的概率积分法参数算法研究

随着经济的快速发展,我国对煤炭资源的需求量也越来越大,近年来地下煤炭资源被大量开采,造成了地表沉陷、裂缝、粉尘、固态垃圾等一系列环境问题,给矿区的生产生活带来严重威胁。为最大程度开采煤炭资源并减少地表大面积沉陷,对开采沉陷预计理论展开广泛研究。常见的开采沉陷预测模型有力学模型法、概率积分法+时间函数模型法、基于非线性理论的预测模型法,当前最常用的是概率积分法及其改进模型。为更好地建立地质采矿条件与概率积分法预计参数之间的非线性关系,以40个典型矿区的实测数据为样本,采用主成分分析法获取影响预计参数的主因素,作为BP神经网络输入层,采用BP神经网络解算概率积分法预计参数。主成分分析结果表明,影响概率积分法预计参数的地质采矿条件,按敏感性由大到小的排序为:松散层厚度、煤层倾角、煤层厚度、采深、倾向采宽比、走向采宽比、推进速度、覆岩平均坚固性系数。BP神经网络预测结果表明:预测相对误差在-3.80%~10.00%,精度满足工程需要。剔除敏感性较小的参数走向采宽比、推进速度、覆岩平均坚固性系数,并基于剔除后的数据进行BP神经网络建模,预测对比结果表明其预测精度高,此方法行之有效。

基于蝙蝠算法的概率积分预计参数反演方法

开采沉陷预计参数在反演时存在精度不高、计算量大、过程复杂等问题,因此如何准确、快速反演概率积分预计参数成为开采沉陷预计的热点问题和难点问题。蝙蝠算法(bat algorithm,BA)作为一种元启式优化算法,具有算法简单、参数较少、计算速度快、求参精度高、易于编程实现等优点。因此,本文将BA应用到开采沉陷预计参数反演中,构建了以下沉与水平移动的实测值与预测值之差的绝对值的累计和最小为标准的适应度评价函数,构造出基于BA的概率积分预计参数反演模型。先通过模拟实验分析验证基于BA的概率积分法(probability integral method,PIM)模型的准确性与稳定性,再利用所构建的BA-PIM参数反演模型求解淮南市某煤矿1414工作面PIM参数,求解结果为:q=1.03,tanβ=1.97,b=0.38,θ=86.66°,S_(1)=-2.51 m,S_(2)=-13.42 m,S_(3)=60.36 m,S_(4)=42.37 m,下沉和水平移动拟合中误差为116.34 mm,符合工程应用标准。研究结果表明:本文所构建的BA-PIM参数反演模型对提高开采沉陷预计参数准确性具有一定的参考价值。

基于狮群算法的概率积分预计参数反演方法

针对传统的开采沉陷预计方法,在求取预计参数时存在计算量烦琐、精度低、速度慢等缺陷,本文开展了基于狮群算法(LSO)的概率积分预计参数反演方法研究。LSO是一种群体智能算法,该算法已在光伏最大功率跟踪中方面得到广泛的应用,至今尚未发现应用于矿山开采沉陷预计领域中。为了准确获取预计参数,本文将LSO应用于概率积分参数反演中,以此构建基于LSO的概率积分预计参数反演方法。研究结果表明:①仿真实验:反演参数q、tanβ、b、θ的反演参数中误差分别为0.0325、0.1188、0.0285、1.0678且4个反演参数相对误差最大值均小于4.90%;拐点偏移距S_(a)、S_(b)、S_(c)、S_(d)反演参数中误差均小于6.8,反演参数相对误差均小于2.90%。②应用实例:利用基于LSO的概率积分预计参数反演方法求解淮南矿区顾桥矿1414(1)工作面的概率积分预计参数,求取参数结果分别为:q=1.10;tanβ=1.82;b=0.35;θ=86.62°;S_(a)=-3.20 m;S_(b)=-5.12 m;S_(c)=59.28 m;S_(d)=43.45 m;下沉值与水平移动值拟合中误差为122.76 mm,满足工程要求。

基于灰色关联分析与SVM的概率积分法参数预测

为了准确预测淮南矿区缺少观测站的矿井工作面概率积分法参数,基于灰色关联分析与支持向量机原理建立了灰色关联分析(GRA)-支持向量机(SVM)模型,利用MATLAB中的Libsvm工具箱对选取的26组淮南矿区主要矿井工作面观测站数据进行训练和预测,并用实测数据对模型进行测试。模型预测的最大相对误差为5.52%,最大平均误差百分率为3.67%,最小泛化性能值为0.7959。测试结果表明灰色关联分析-支持向量机模型可以通过限制模型训练过程中的权值和阈值范围提高训练效率,并且具有实际预测价值和较高的预测精度,能够作为一种有效的概率积分法参数预测方法。

基于FWA-Logistic方法的概率积分动态参数预测

求取精准可靠的概率积分参数在开采沉陷移动变形预测中至关重要,在非线性模型广泛应用于参数预测的背景下,开展了融合FWA和Logistic模型的概率积分动态参数预测方法(FWA-Logistic方法)。结合Logistic模型的应用情况,考虑到非线性最小二乘求取模型参数的波动性较大,且不合理的初值选取会导致求参结果发散,因此引入了一种FWA算法;综合FWA算法原理、Logistic模型和概率积分动态参数变化规律,提出了FWA-Logistic方法。试验结果表明,拟合样本参数q、tanβ、θ的效果较好,拟合中误差分别为0.028、0.100和0.023°;预测各期参数q、tanβ、θ的平均相对误差分别为2.87%、2.02%、0.03%;最大相对误差约为4.39%。为验证预测参数的实用性,基于预测的各期的概率积分动态参数,代入动态概率积分模型进行地表主断面下沉预计;与实测相比,预计下沉误差在-343~208mm之间,中误差分别为47.66mm、113.60mm、86.67mm、89.23mm。

利用三维激光扫描数据求取开采沉陷预计参数研究

三维激光扫描技术是一种新兴的测绘技术,它具有快速、实时、高效等优点,突破了传统测绘手段的局限性,可以直接获取三维坐标,目前正被广泛应用于测绘各个领域。为此,研究三维激光扫描仪数据应用于地表沉陷参数求取问题,针对其特点,利用VB6.0语言,采用模矢法编制了概率积分法求参程序,并将程序应用于实际求参,实践证明,效果较好。

山区地表移动预计修正模型及其参数求取方法

为了克服山区开采地表沉陷预计模型中的滑移影响函数以及求参模型的缺点,建立了山区开采地表移动变形预计修正模型,即新的滑移影响函数仍沿用原有参数A,P,t形式,但各参数的取值和物理意义存在差异。依据修正模型,以实测下沉值、水平移动值分别与模型预计值之差平方和最小为原则构建适应度函数,基于遗传算法原理进一步提出了山区地表沉陷预计模型求参新方法。最后将提出的山区沉陷预计修正模型和求参方法用于山西某矿工作面开采地表移动,取得了良好的工程实践效果。

基于遗传算法的厚冲积层地表移动参数反演与应用研究

针对东欢坨矿冲积层厚度变化较大的特点,以该矿厚冲积层条件下多煤层多工作面开采地表观测站实测数据为基础,基于遗传算法反演了矿区不同冲积层与基岩厚度比条件的地表移动概率积分参数。结果表明:测区内实测最大下沉值为10893mm,最大倾斜为62.3mm/m,最大曲率为1.69mm/m^(2);采用遗传算法解决了多工作面开采概率积分参数反演问题,并对反演下沉系数进行修正,当矿区冲积层与基岩厚度比H_(s)/H_(j)≤1时,下沉系数0.82,主要影响角正切1.81,拐点偏移系数0.04,开采影响传播角90°-0.4α;当矿区冲积层与基岩厚度比H_(s)/H_(j)>1时,下沉系数0.96,主要影响角正切2.05,拐点偏移系数0.03,开采影响传播角90°-0.3α;研究成果在西村采动影响的应用分析中效果良好,验证了该矿条件地表移动规律和参数正确性。

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。

一类方程Φ有界变差解对参数的连续依赖性

借助Musielak及Orlicz等人提出的Φ有界变差函数理论,在文献[2]的基础上考虑了Caratheodory系统在Henstock-Kurzweil积分意义下的Φ有界变差解对参数的连续依赖性定理.

船撞桥概率模型的比较与选用

目前,桥梁防船撞概率模型主要采用统计分析方法和数学模型方法,其中最具代表性的有:AASHTO模型、KUNZI模型、三概率参数积分路径模型(改进的KUNZI模型)。三概率参数积分路径模型由我国学者创立[1],系船撞桥概率模型近年来新的理论成果。现通过实际工程案例,具体分析了3种模型的优缺点,并提出相关的建议。

灰色关联分析与BP神经网络的概率积分法参数预测

在综合分析地表沉陷概率积分法参数与地质采矿条件关系的基础上,提出运用灰色关联分析法找出影响概率积分法参数的主要因素,进而利用BP人工神经网络模型预计参数。在对实测数据灰色关联分析后得出:覆岩平均坚固性系数、采厚、倾角、采动程度与各个参数关联程度较高,表土层厚度和采深次之。在此基础上,建立BP人工神经网络模型,并对预计结果与实测数据进行对比分析。结果表明:该方法预计最大相对误差15.78%,最小相对误差1.92%,考虑到个别参数实测值较小,造成相对误差较大,而绝对误差很小,即模型预计效果较好,是一种预计概率积分法参数的有效方法。

EXCEL计算概率积分法预计参数

EXCEL软件是最常用的办公软件之一,本文介绍一种利用EXCEL软件规划求解功能计算开采沉陷预计概率积分法预计参数的方法,很方便地得到了预计参数的优化解,通过实例验证,运用该方法得到的这些参数的解满足开采沉陷预计精度的要求,有很好的应用价值。

多工作面影响下概率积分法参数拟合方法的探究

传统的概率积分法参数拟合方法仅仅考虑了单一工作面采动的影响,致使在这种情况下求参精度不高。为了提高求参的精度,分析了传统求参模型在工作面地表移动变形受多个工作面开采影响时所存在的问题,提出了多工作面影响下概率积分法求参的方法。实例分析表明,多工作面参数拟合方法对拟合精度的提高确有很大帮助,将拟合数据的精度由传统方法的141mm提高到67mm,提高了52.6%,从而提高了概率积分法的预测精度和适用范围。

三维激光扫描技术在沉陷监测中应用问题探讨

为了研究三维激光扫描在沉陷监测中应用的可行性、监测精度以及参与求参点的密度,采用三维激光扫描仪对开采引起的地表沉陷进行了观测,得到了整个区域的下沉值,通过设置部分固定测点,得到水平移动值。对这些数据,基于概率积分模型,使用非线性最优化方法求取了参数。研究结果表明:三维激光扫描可以应用于沉陷监测,获取沉陷盆地;监测精度可以达到毫米级,满足沉陷监测的要求;当采样间隔与采深之比达到2%时,即可求得稳定的与下沉值相关的参数,通过在工作面4个角点分别设置2~3个固定测点可获得水平移动系数。