GM(1,1)模型在矿山开采沉陷预计中的应用

矿山开采沉陷预计对预防开采沉陷对地表构筑物的损害及保护地面设施,减少开采沉陷造成的经济损失具有重要意义。矿山开采沉陷受到多方面因素的影响,其过程可视为一个灰色系统。本文将观测时间间隔视为灰色系统的一部分,直接建立等间隔GM(1,1)模型,通过对计算值的改正,最终得到预测值。由后验方差检验结果和预测分析说明该模型应用于矿山开采沉陷量预测中具有可靠性。大量计算证明,在矿山开采前期阶段用该模型预测的矿山开采沉陷量与实际沉降量符合较好,可以用来预测矿山开采沉陷对地表建筑物的损害程度。     

基于非等间隔GM(1,1)模型的沉陷监测预报

开采沉陷是我国最重要的地质灾害类型之一,科学、准确地分析和预报沉陷有着重要的意义。灰色系统理论主要研究"小样本、不确定问题",在贫信息、少数据的情况下有其独到的优势。文章以预测地表沉陷量为目的,结合沉陷监测非等时间间隔的特点,以相邻监测时间间隔为权,建立非等间隔GM(1,1)模型。运用该模型与传统GM(1,1)模型分别针对沉陷监测数据进行模拟和预测,对两种模型的对比分析证明了非等间隔GM(1,1)模型的可靠性和优越性。     

基于GM(1,1)模型的矿山开采沉陷预测

矿山开采沉陷的因素具有复杂性,但可以利用预测理论加以预测。在分析矿山开采沉陷系统灰色因素的基础之上,提出了将开采沉陷下沉量作为矿山开采沉陷系统的特征量处理,运用灰色理论对开采沉陷下沉量进行预测。灰色理论运用预测对象自身的时间序列,而与预测对象相关联的其他因素没有参与运算和建模,因此运用起来比较简单使用,不用考虑其他复杂的要素。灰色理论在矿山开采沉陷预测中发挥了重要的作用。     

基于灰色模型的建筑物沉降预测研究

由于非等间隔GM(1,1)灰色模型对于处理数据量小且表达信息不确定的数据具有优越性,因此广泛应用于石油天然气勘探、机床故障诊断、电力负荷预测、大坝安全监测等领域。基于非等间隔GM(1,1)灰色模型理论,利用某小区建筑物沉降观测的实测数据,建立了适合该小区建筑物沉降预测的灰色模型。通过对比理论预测值和实测值,并进行模型对应的精度评定分析,结果表明,此模型适用于该建筑物沉降预测分析的研究。     

修正灰色模型在沉降监测间断资料插补中的应用

对于大型和高耸建筑,为了确保施工和安全运营,定期进行沉降监测是一项非常必要和重要的工作。但是由于受备种主、客观条件的限制和影响,沉降监测实测资料有时会出现间断。为了分析沉降规律,需要对间断资料进行插补。文章考虑到建筑物沉降监测非等时间间隔的特点,以相邻观测时间间隔为权,直接生成1-WA- GO序列,建立灰色系统非等间隔GM(1,1)模型,并将该模型应用于某建筑物沉降监测间断资料的插补工作中。当拟合值误差较大时,应用1阶残差序列建模,对原模型进行修正,提高了模型的拟合精度,得到了较满意的监测间断插补值。     

无人机倾斜摄影测量在采煤区沉陷监测中的应用

针对传统采煤区沉陷监测存在的工作量大、点观测、范围小、地面标志易被破坏等问题,本文以凉水井煤矿431301工作面为研究对象,采用大疆M210RTK专业无人机在工作面开采过程中进行多期航测,经过影像空三计算、三维模型生成、特征数据采集和数据挖掘分析,构建地表沉陷模型。基于沉陷模型进行走向、倾向下沉量计算,并进行沉陷边界角计算、工作面整体下沉分析。结果表明：无人机倾斜摄影测量应用于采煤区沉陷监测,能够满足确定下沉范围、下沉量、不同下沉量区域分布等监测要求,该技术在采煤区沉陷监测具有一定适用性。     

InSAR和改进支持向量机的沉陷预测模型分析

针对传统开采沉陷监测方法的缺陷和现有预测模型精度较低的问题,该文提出了一种基于SBAS-InSAR和差分进化混合灰狼优化算法(DEGWO)优化支持向量机回归(SVR)的预测模型,利用2018年10月-2020年3月的44景Sentinel-1A数据对陕西彬长矿区孟村煤矿进行开采沉陷监测,得到该矿区的年平均沉降速率和时间序列累积沉降值.SBAS-InSAR监测结果表明,该矿区年平均沉降速率最高达到了211 mm/a,最大累积形变量达到335 mm.用矿区GPS数据对InSAR处理结果进行验证,拟合效果较好.并将预测结果与传统SVR预测模型以及灰色GM(1,1)模型的预测结果进行对比,DEGWO-SVR模型的绝对误差、相对误差以及均方根误差,均为三者最小.说明了差分进化混合灰狼优化算法能够起到很好的参数优化效果,该方法优化的SVR预测模型能够在矿区开采沉陷预测中得到应用.     

开采沉陷时序预测技术

叙述了时间序列分析的基本理论，分析了矿山开采沉陷观测数据的特点，提出了基于时间序列分析的开采沉陷预计技术，建立了开采沉陷的时序预计模型。用该模型可以对采动地表移动变形进行预测，预测结果分析表明用时间序列分析的方法能够很好的解决开采沉陷的动态预测问题。地表移动变形的相对预测误差在5％左右，与传统的预测方法相比，预测精度可以提高5％－15％，最后还提出了这一预测方法所存在的问题和今后的解决办法。     

数据预处理条件下的神经网络开采沉陷预计模型研究

开采沉陷预计是矿山开采研究领域的核心和难点之一,它对开采沉陷的理论研究和生产实践都有重要的意义。本文以进行沉陷预计为目的,提出建立基于各影响因素数据序列思想,其主要步骤为首先建立影响因素序列;其次利用灰色理论对建立的数据序列进行预处理;最后构建基于数据预处理条件下的BP神经网络预测模型(AGO-BP模型),以用于矿区沉陷预报。通过对几组实例本文对建立的模型进行了多次反复预测实验,预测结果证实该模型预测精度较高,在工程上具有一定的应用价值。     

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。