一种改进的开采沉陷动态下沉模型

针对Knothe时间函数在描述点位动态下沉过程中的不足,该文采用分段函数构建改进的Knothe时间函数。结合煤矿工作面观测站实测数据,建立工作面开采沉陷动态下沉预计模型;并利用概率积分法模型及回归分析等方法解算模型所需参数,包括地表任意点最终下沉量、时间因素影响系数及地表点位最大下沉速度出现时间。经实验验证,基于改进的Knothe时间函数的开采沉陷动态预计模型能够真实地反映地表下沉的动态过程,且精度满足开采沉陷工作需要。     

开采速度与地表动态下沉速度及加速度的关系模型研究

基于改进的Knothe时间函数模型与概率积分法建立了在半无限开采条件下与开采速度有关的地表动态下沉预计模型,并利用Matlab软件绘制出对应的关系曲线,分析了开采速度对地表动态下沉速度与加速度的影响,得出了一味提高开采速度并不能降低地表下沉速度,而应根据工作面的实际情况进行合理预计来确定最佳开采速度的结论。     

InSAR联合矢量倾角分段函数模型计算矿区地表下沉量

针对单轨合成孔径雷达(InSAR)仅能获取沿雷达视线(LOS)向形变和概率积分法(PIM)难以预计沉陷盆地边缘区域下沉量的问题,该文提出了一种由单轨InSAR监测的LOS形变联合移动矢量倾角模型计算矿区地表下沉量的方法。该方法首先在分析下沉盆地地表移动矢量倾角变化特征的基础上,建立主断面上地表点移动矢量倾角的分段函数模型,再结合主断面地表点的LOS向与地表移动矢量的矢量夹角与倾角的函数关系,实现由LOS向形变计算矿区地表下沉量。以马泰壕井田和上湾煤矿的两个工作面为研究对象,采用Sentinel-1A数据和水准实测数据对该方法的可行性和精度进行了验证;结果表明,在沉陷盆地边缘区域,该方法计算的地表下沉量与实测值吻合,两个矿区的监测精度均方根误差(RMSE)都约为5 mm,高于InSAR监测精度的19 mm,监测精度分别提高了74%和71%。     

地下开采引起的地表下沉预测

介绍地下固体与液体及气体矿层开采引起的地表下沉及其危害，把地表下沉视作开采空间向地表传播扩散的结果，采用下沉根源函数和下沉传播影响函数的积分来描述开采引起的地表下沉预测，重点讨论应用随机统计原理下沉传播影响函数的问题，为预测地下开采而引起的地表下沉提供通用模型。     

改进的Konthe地表沉陷时间函数模型

基于地下采矿引起的地表沉陷随时间变化的规律,分析了描述地表沉陷动态过程的knothe时间函数的不足,用数学分析的方法改进了knothe时间函数,改进后的时间函数模型可较准确地描述地表沉陷的动态过程,该模型求得的下沉速度的变化为0→vmax→0,下沉加速度的变化为0→+am ax→0→-am ax→0,并且该模型能求出沉陷速度最大的时间,所举矿山实测实例证明该模型可较正确地描述地表下沉的动态过程。     

盐穴收缩引起的地表下沉监测与预计

岩盐水溶开采后,形成巨大空间的盐穴,可以利用盐穴存储石油、天然气。盐穴的收缩将引起盐穴容积减少,导致存储空间减少和地表下沉。地表移动变形监测是发现盐穴收缩变化的重要手段,由于目前国内没有专门的监测标准,本文提出采用国家标准GB 50026—2007作为测量规范。基于岩盐水溶开采与地下煤层开采引起地表移动规律基本相似,把盐穴收缩引起的地表下沉视作一个随机过程,把圆柱形盐穴容积收缩量转换为等效开采厚度和正方形开采区域,基于克诺特影响函数,建立了圆柱形盐穴收缩引起的地表下沉预计模型。     

基于FLAC3D的深部开采沉陷预计数值模拟

针对深部开采物理实验困难问题,本文采用数值模拟的方法,对某深部矿井条带开采工作面应用FLAC3D数值模拟进行分析,结合该矿区地质条件,分别模拟两个工作面开采对地表下沉的影响,并进行研究,得到数值模拟下沉预计值为0.188 m,实测最大下沉值为0.179 m,与数值模拟预计值之间仅相差9 mm,数值模拟开采沉陷预计值与实测值的相对误差仅为5.03％,误差值相对较小.数值模拟值具有一定的精度可靠性,模拟了煤层两个工作面的开采,结果表明:随着条带开采个数的增加,地表及各岩层的下沉值随之增加,开采影响范围逐步扩大,相邻工作面的开采会导致老采空区上方地表的进一步下沉,在进行多个工作面开采时,应当注意这种影响;对于两条带工作面开采完成后最大沉陷出现的位置进行了合理的解释,为实际生产提供了一定的帮助.     

卡尔曼滤波在矿区地表下沉预报中的应用研究

本文将卡尔曼滤波理论运用于煤层开采过程中地表下沉量的动态预报,通过建立矿山高程测量卡尔曼滤波模型,对地表移动观测站多期的观测数据进行滤波处理,同时动态预报各个观测站的状态。文中结合实例,从单个观测站多期的预报效果和整条观测线某一期的预计情况两个不同角度分析比较,结果表明本文构建的卡尔曼滤波模型对地表移动观测站受煤层开采影响小的下沉预报能够获得较好的预报效果。     

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PSO-BP神经网络的地表下沉系数选取研究

针对BP神经网络自身收敛速度慢、容易陷入局部极小点的缺点,引入粒子群优化算法,建立地表下沉系数的PSO-BP选取模型。利用粒子群算法反复优化BP网络的权值和阈值,将其作为BP网络的初始值,并将上覆岩层岩性、开采深厚比、松散层厚度、覆岩中坚硬岩层所占比例、是否为重复采动和顶板管理方法等主要影响因素作为网络输入,进行BP算法,直至网络达到训练指标。利用实测资料数据,建立PSO-BP预计模型,并同普通BP神经网络预计结果对比。结果表明：PSO-BP神经网络不仅训练速度快,而且预测精度明显提高,该模型对地表下沉系数选取具有一定的应用价值。     

基于BP神经网络的矿区地表沉降预测研究

BP神经网络具有非常强的非线性映射能力,广泛应用于分类识别、逼近、回归、压缩等领域。本文基于BP神经网络的理论基础,利用某矿区地表沉降观测点1~10期的实测沉降数据资料,结合MATLAB建立针对矿区地表沉降的预测模型,并预测其11~15期的沉降情况。通过将预测值与实测值进行对比,分析预测模型精度,结果表明BP神经网络用于矿区地表的沉降研究是可行的。     

基于Logistic和Gompertz曲线模型拟合的建筑物沉降分析

重大工程建设一般会有定期的沉降和变形监测,本研究利用具有规律变化的Logistic和Gompertz曲线模型进行拟合,并以某大型发电厂为研究对象,利用近15年的监测数据,建立预测模型并进行精度评估。研究结果表明,若监测数据具有一定程度的稳定性,并对计算时监测数据进行合理取舍,对采取的全区、分区平均值或单一点高度值的检测数据,运用Logistic和Gompertz曲线模型来预测大型建筑物的沉降情况是可行的。     

利用优化的组合核相关向量机算法构建地表下沉预测模型

为了提高地下开采地表下沉预测结果的精度及可靠性,提出了基于混合智能优化算法（hybrid intelligent optimization algorithm,HIOA）与组合核相关向量机（multi-kernel relevance vector machine,MK-RVM）的地下开采地表下沉预测方法。首先,分别构建HIOA与MK-RVM算法,并利用HIOA优化MK-RVM的参数。然后,采用优化后的MK-RVM构建地表下沉几何参数预测模型和动态下沉预测模型。最后,利用以上模型对上山移动角、下山移动角、中心移动角、地表最大下沉及动态下沉进行预测,并分析预测结果的精度及可靠性。实验结果表明,该方法的精度与可靠性较单一核函数相关向量机与支持向量机有较大改善。     

利用MATLAB的地表动态预计系统的算法设计

本文分析了当前地表动态预计软件的现状和MATLAB软件功能特点,重点介绍了该软件在开发地表动态预计系统算法的应用.以动态时间函数结合概率积分法为理论基础,运用MATLAB软件进行开发预计系统.结果表明,该方法能反映地表移动的动态特征,实现了煤炭开采对地面动态沉陷影响的较为精确的分析与计算,可以直观而精确地对地表变形各种...     

基于单视线向D-InSAR技术的倾斜煤层开采地表沉陷监测方法

基于合成孔径雷达差分干涉测量（differential interferometric synthetic aperture radar,D-InSAR）技术的开采沉陷监测理论和方法是矿山变形监测领域研究的热点,当前已有学者融合单视线向D-InSAR技术和开采沉陷规律成功构建了开采沉陷三维监测模型,然而由于该模型仅融合了水平煤层开采地表沉陷规律,其并不适用于倾斜煤层开采地表沉陷监测。针对上述问题,根据D-InSAR监测的视线向变形与三维变形的关系,融合倾斜煤层开采地表沉陷规律,提出了基于单视线向D-InSAR技术的倾斜煤层开采地表沉陷监测方法。模拟实验表明,所提出的方法下沉监测相对误差绝对值小于9.53%,平均为1.31%,南北方向和东西方向水平移动监测相对误差绝对值小于9.78%,平均为3.71%,满足开采沉陷监测精度要求。并利用该方法成功监测了中国山东省兖州矿区南屯煤矿9310工作面在2012-01-27—2012-02-07期间开采引起的地表移动与变形。     

最优权组合预测法在采煤沉陷变形预测中的应用

煤矿地表沉降变形预测多基于煤矿开采沉陷预计理论展开,基于变形分析理论的变形预测模型目前多集中在单模型预测。本文基于组合预测思想,以非等间隔灰色预测模型与BP神经网络模型为预测单模型,以陕西北部某煤矿采煤工作面上方实测地表沉降值为数据源,以最优加权法对单模型预测结果开展了最优权组合,组合模型中两种单模型的权重分别为0.466 7、0.533 3。选取部分监测点的预测结果进行模型精度评价,结果表明：3种预测模型精度均达到了一级。经对比3种模型预测结果,最优权组合预测的模型精度较单模型明显提升,预测结果较非等间隔灰色预测模型与BP神经网络预测模型有明显增益。     

顾及地貌特征的矿区地表塌陷DEM的生成方法

地下煤炭资源开采导致矿区地表塌陷和矿区地形的变化,直接由开采沉陷下沉预计数据生成的DEM不能表现矿区地表塌陷后的地形状况。通过在开采沉陷下沉预计程序中增加高程修正计算功能,对矿区原始地貌高程进行下沉修正计算,生成矿区地表塌陷高程数据文件,由该数据文件可以生成顾及地貌特征的矿区地表塌陷DEM。该方法操作和实现简单,生成的DEM精度可靠,能够表现矿区地表塌陷后的地形状况,可以作为矿区地理信息系统的基础数据,对于指导开采沉陷的防治和治理具有重要意义。     

灰色理论和多项式拟合在地表沉降监测中的应用

采用GM（1,1）模型和多项式拟合的数值处理方法并使用MATLAB编程计算,对比了两种模型在预测矿区地表沉降中的有效性和精确性,对于提高信息预测的精度和准确度有积极的意义。     

灰线性马尔科夫模型在建筑物变形监测中的应用

针对传统灰色GM(1,1)预测模型在建筑物变形监测预报中的拟合精度较差、预测精度较低和预测时间较短的问题,文中以传统GM(1,1)、线性回归和马尔科夫模型为理论基础,构建了灰线性马尔科夫预测模型,并结合某建筑物变形监测的观测数据,运用新陈代谢的计算模式进行预测。结果表明,灰线性马尔科夫预测模型的拟合精度和预测精度优于单一的灰色GM(1,1)预测模型和线性回归预测模型,灰线性马尔科夫预测模型具有预测精度高、预测时间长和稳定性高的优势。     

改进的等维灰数递补模型预测边界确定方法

针对当前利用灰色预测模型进行地表沉降预测研究更多注重模型本身探讨而较少涉及预测值合理范围以及预测值时间响应函数的还原方法的情况,该文提出了一种改进的等维灰数递补模型预测边界的确定方法,采用了误差传播定律对预测值范围进行界定,并尝试利用中值近似处理代替累减生成建立预测值的时间响应函数;最后,结合工程实例给出了预测值上下边界,探讨了模型在误差允许范围内的预测步长,并对比分析了改进的等维灰数递补模型、原始的等维灰数递补模型和GM(1,1)模型。结果发现:改进的等维灰数递补模型具有较好的拟合效果与预测精度。