基于PSO和LSSVM的边坡稳定性评价方法

提出了基于粒子群算法（PSO）和最小二乘支持向量机（LSSVM）的边坡稳定性评价方法。该模型既利用了最小二乘支持向量机求解速度快、易于描述非线性关系的优良特性,同时也利用了粒子群算法快速全局优化的特点。粒子群算法用于搜索最小二乘支持向量机模型的最优参数,然后将模型用于预测边坡的安全系数。计算结果表明,该方法是合理的、有效的。     

PSO-LSSVM模型在位移反分析中的应用

提出了一种基于均匀设计原理、最小二乘支持向量机(LSSVM)和粒子群优化算法(PSO)的快速位移反分析方法。该方法利用均匀设计和有限差分法获得学习样本,再用粒子群算法搜索最优的最小二乘支持向量机模型参数。并用最小二乘支持向量机回归模型建立反演参数与监测点位移值之间的非线性映射关系,最后用粒子群算法从全局空间上搜索与实测位移最吻合的反演参数。该反演模型利用了粒子群算法高效简单、均匀设计构造高质量小样本以及最小二乘支持向量机的小样本、泛化性能好的特点。将该模型应用于龙滩水电站左岸地下厂房区岩体地应力场的反演分析中,计算结果与实测的位移值和地应力值均吻合较好,说明了该模型在岩土工程快速反演分析中具有良好的应用价值。     

基于PSO-DSRVM的边坡变形预测

为了建立高精度的边坡位移预测模型,文章采用基于粒子群优化(PSO)的双稀疏相关向量机(DSRVM)建立边坡稳定性和影响因素之间的非线性关系。双稀疏相关向量机是在变分和相关向量机(RVM)框架下提出的一种多核组合优化的方法,相比于RVM和其他多核学习方法,DSRVM不仅有更少的训练时间,并且能够得到更高的预测精度。由于DSRVM的核参数对预测效果的影响较大,文章采用粒子群算法实现多个核参数的优化选取并应用于边坡位移预测。最后将本文提出的基于粒子群优化的双稀疏相关向量机(PSO-DSRVM)预测结果与极限学习机(ELM)和小波神经网络(WNN)预测结果进行对比,通过均方根误差(RMSE)、复相关系数(R²)和平均相对预测误差(ARPE)进行评价,验证了PSO-DSRVM模型在边坡变形预测上的可行性。     

煤体瓦斯渗透率的PSO-LSSVM预测模型

结合有关煤体渗透率的众多研究成果,总结出影响煤体渗透率的3个主要因素为有效应力、温度和瓦斯压力。采用粒子群优化算法(PSO)对最小二乘支持向量机(LSSVM)的参数进行优化选择,并以上述3个因素和抗压强度为输入值,以渗透率为目标输出值,建立煤体瓦斯渗透率的PSO-LSSVM预测模型。利用25组数据进行PSO-LSSVM模型与BP神经网络及支持向量机的比较实验,PSO-LSSVM预测结果与实际值拟合程度优于其他两个模型,且具有更小的误差。实验结果表明,采用PSO-LSSVM模型可由有效应力、温度和瓦斯压力对渗透率进行较高精度的预测。      

基于APSO-SVR-GRU模型的白水河滑坡周期项位移预测

滑坡周期项位移的预测,是研究地质灾害中滑坡变形至关重要的一步。由于单一模型易受偶然因素影响,且无法充分利用有效信息,导致其预测精度不高,适用性不强。基于此,文中提出了一种结合自适应粒子群算法（APSO）、支持向量机回归算法（SVR）、门控神经网络算法(GRU)的组合模型。该模型通过自适应粒子群优化算法对支持向量机回归算法进行参数寻优,确定最优参数组合,然后利用最小二乘法对APSO-SVR模型与GRU模型赋权建立最优权重比组合模型。以三峡白水河滑坡作为研究对象,选取降雨量、库水位及位移量作为周期项位移的影响因子,对模型进行训练验证,结果表明:在白水河滑坡周期项位移预测中,文中所提出的APSO-SVR-GRU组合模型与单一模型相比,具有更高的预测精度和稳定性。     

基于粒子群优化支持向量机的延长县滑坡易发性评价

参数优化问题直接影响着支持向量机的预测精度和泛化能力,粒子群优化算法具有全局最优搜索能力,因此通过粒子群算法优化支持向量机参数可以有效提高预测精度。以延长县历史滑坡数据为基础,分析了岩性、地貌类型、土壤厚度、坡度、坡向、坡高与滑坡分布的关系,并利用滑坡密度值对各定性或定量因子进行了归一化处理;在此基础上,通过区域内所划分的16 300个斜坡单元作为评价单元,采用粒子群优化支持向量机(PSO-SVM)算法完成了延长县滑坡的易发性评价。从滑坡密度指标角度来看,评价结果中高易发区和极高易发区的历史滑坡数占比72.19%,通过滑坡面积百分比(LAR)等指标进行了有效的验证,均显示出对滑坡易发性评价效果良好。     

基于地震属性优化和机器学习的煤层厚度预测方法

煤层精准定位是无人采煤的关键技术,煤层厚度预测是煤田地震资料解释的重要研究内容之一。参考实际地层厚度及物性参数,构建含楔形煤层的正演模型,通过地震剖面正演和地震属性提取、优化,对比分析信噪比和多种回归方法对煤层厚度预测的影响。研究结果表明：部分地震属性与煤厚相关性较强,可以用于煤厚预测;地震属性间的信息冗余不可忽略,但基于主成分分析和多维标度的地震属性优化结果无本质区别;当信噪比较低(10 dB)时,随机森林回归算法的均方根误差最小(1.07),支持向量机回归算法的误差居中(1.15),多元线性回归算法的误差最大(1.84);当信噪比较高(25 dB)时,支持向量机回归算法的误差最小(0.05),随机森林回归算法的误差居中(0.11),多元线性回归算法的误差最大(0.20);输入数据信噪比对煤厚预测有明显影响,信噪比越高、预测效果越好。基于地震属性优化及支持向量机回归的煤厚预测方法,是实现薄煤层厚度高精度解释的一种有效途径。     

GRA——FAHP模型的煤层底板突水危险性评价

矿井水害一直是制约我国煤炭安全生产的重要隐患之一,对其进行准确的预测评价具有十分重要的理论意义和实用价值。本文根据煤层底板突水各影响因素之间的关系是灰色关系并且具有非线性特征的特点,建立了定量与定性指标为一体的煤层底板突水评价指标体系及等级划分标准。同时将灰色关联分析法(GRA)和模糊层次分析法(FAHP)相结合。构建了能真实反映影响因素与底板突水之间灰色关系和非线性关系的底板突水危险性评价模型,并应用模型对某典型工作面突水危险性等级进行了评价,可为今后煤层底板突水预测评价的研究提供一定的借鉴和依据。     

库岸滑坡地下水位时间序列混沌特征识别与PSO-LSSVM模型预测

地下水位预测对滑坡稳定性分析具有重要意义,三峡库区库岸滑坡地下水位时间序列在季节性强降雨和周期性库水位涨落等诸多因素影响下呈现混沌特征。在对地下水位序列进行相空间重构的基础上,采用饱和关联维数法和最大Lyapunov指数法对其混沌特征进行验证。再用预测性能优秀的最小二乘支持向量机(LSSVM)模型对其进行预测,并用粒子群算法优化选取LSSVM模型的参数,以克服LSSVM模型参数选取困难的缺点。以三峡库区三舟溪滑坡前缘STK-1水文孔日平均地下水位序列为例进行了混沌分析,分别运用粒子群优化的LSSVM模型(PSO-LSSVM)和BP神经网络模型对STK-1水文孔地下水位进行了预测。结果表明库岸滑坡地下水位序列存在混沌特征,PSO-LSSVM模型预测结果的均方根误差为0.193m,拟合优度为0.815,说明预测效果较理想,且PSO-LSSVM模型预测精度高于BP网络模型,具有较强的实用性。     

庐枞矿集区科学钻探的岩性识别方法

庐枞矿集区科学钻探钻遇岩性复杂,岩性亚种类别繁多,利用测井资料识别岩性存在较大的技术难度。笔者采用网格搜索法、粒子群优化和遗传算法三种方法优选支持向量机的核函数参数γ和惩罚因子C,其中基于遗传算法优选的支持向量机参数准确率最高。利用测井,结合岩芯、录井等资料,基于遗传算法建立支持向量机岩性自动识别模型,该模型实际数据预测总体符合率为86.86%,优于BP神经网络,全井岩性识别与岩芯录井相符,取得了好的应用效果。     

基于matlab的煤层底板突水预测系统

针对当前煤层底板突水预测存在的问题,在突水概率指数法预测预报系统的基础上,用matlab开发出了一套新型煤层底板突水预测系统软件。通过对地质、水文地质等信息数据进行分析处理,从而确定导致煤层底板突水的主控因素及次级影响因素,并分别赋予其相应的权重值,将各因素在底板突水中所起的作用定量化。特别是对于不同矿区不同控制因素的影响,其相应权重值的大小可以灵活改变。建立赋权求和数学模型,绘制出各个主要控制因素的专题图,并根据各个主要控制因素的不同权重值,叠合绘制出底板突水概率指数法突水分区图。同时计算出煤层底板突水概率指数。将系统软件应用于工程实际,预测效果与实际情况相吻合。      

煤层底板破坏流固耦合数值模拟

根据煤层底板含水层具有不均一性的特点,建立了底板含水层非均布水压力学模型和流固耦合模型,并根据"下三带"理论和弹塑性理论求得了底板保护带突水极限压力的弹性解和塑性解。利用FLAC3D软件对工作面采动底板进行了流固耦合数值模拟,并对煤层采动底板的应力破坏特征以及渗流特征进行了研究。综合采用理论计算和数值模拟的方法对煤层底板进行了突水预测。研究表明:非均布水压模型更符合工程实际,数值模拟方法可以快捷、准确的对煤层底板突水进行预测,对水害防治具有重要意义。      

Assessment of water inrush and factor sensitivity analysis in an amalgamated coal mine in China

Hydrogeological data are generally incomplete and inaccurate in amalgamated coal mines in China, which results in inaccuracy in water inrush forecasts. To enhance the precision of the prediction of water inrush from coal floor in an amalgamated coal mine, the vulnerability index method was developed using an analytic hierarchy process (AHP) to analyze the water inrush hazard. Six factors related to water inrush were selected and the corresponding single factor thematic map was established through geographic information system (GIS). The AHP model was built to calculate the weight of each factor. The final forecast map based on vulnerability index was acquired by superposing the six thematic maps. The forecast map was consistent with the real water inrush position. The sensitivity of the six factors was analyzed and the water-resisting layer played a significant role in controlling water inrush. Several suggestions about water inrush prevention were put forward based on the prediction results.     

矿井煤层底板突水预测新方法研究

本文针对煤矿矿井煤层底板突水系统为一非线性系统的特性,提出采用对非线性问题具有良好适用性的人工神经网络系统（以下简称神经网络）,进行煤层底板突水预测。以作者们研制,使用神经网络的实践为基础,阐述系统、建模方法、适用条件和应用问题,并在焦作矿务局演马庄矿、焦作金科尔集团方庄煤矿对所建立的煤层底板突水预测神经网络进行生产性检验,取得良好的结果,说明该系统应用于煤层底板突水预测的可靠性。     

顶板突(涌)水危险性“双图”评价技术与应用——以鄂尔多斯盆地西缘新上海一号煤矿为例

为解决煤层顶板突水预测预报评价难题,在提出了富水性指数和突水危险性指数的基础上,以鄂尔多斯盆地西缘新上海一号煤矿为研究对象,应用富水性指数和突水危险性指数的双图,对三个采煤工作面顶板突水危险性进行评价,结果表明,采煤活动位于富水区又位于突水危险区是顶板突（涌）水的充要条件。      

Risk Assessment of Coal Floor Water Inrush from Underlying Aquifers Based on GRA–AHP and Its Application

Ground water inrush from underlying coal seam aquifers is a serious geohazard during coal mining in China. In order to effectively predict coal floor water inrush, the evaluation index system and evaluation standard for coal floor water inrush, containing quantitative indexes and qualitative indexes, is established on the base of conditions of aquifer and aquiclude, geologic structure and mining disturbance. Simultaneously, grey relational analysis and analytic hierarchy process are used to establish an evaluation model which efficiently overcomes the uncertainty between indexes of water inrush effects and really reflects the degree of importance for each index of water inrush effects. The model is applied to the typical working face of Yuzhou coalfield in the north of China to demonstrate the evaluation process. Compared to the water inrush coefficient method which is widely used for evaluating coal floor water inrush, the presented evaluation model in this paper accords more with the susceptibility of coal floor water inrush by multi-factor and is of nonlinear dynamic characteristics of highly complicated formation mechanism. This method offers a new tool in the assessment of ground water inrush in mine.     

煤层底板水害防治智能决策支持系统框架构建

煤层底板突水是华北型煤田煤矿生产过程中一种常见的水害类型,为解决水害防治工程的科学决策问题,进一步提高防治水工程的可靠性,提出构建智能决策支持系统的技术思路。智能决策支持系统是传统决策支持系统与人工智能技术相互融合的产物,在分析底板水害防治决策支持功能需求的基础上,提出“数据-模型-方案”一体化设计流程,从数据导入、模型驱动、智能决策等3个层次构建底板水害防治智能决策支持系统的基本框架。将模型驱动层进一步细分为方法库、模型库、知识图谱构建3项专业化服务,模型库包括底板突水空间点预测模型、疏水降压数值模拟模型、注浆改造工程可靠性分析模型、隔离工程设计模型及底板水害监测预警模型。系统最终输出的决策方案包括底板突水危险性分区、疏水降压Q-t-s方案、区域注浆改造设计及工程可靠性评价、隔离工程设计、底板突水监测预警警情发布。系统通过注浆过程的反馈-控制、突水监测预警的深度学习、疏水降压方案的动态优化等实现其智能决策。智能决策支持系统将会在煤层底板水害防治可靠性保障方面提供新的技术支撑。      

Application on Floor Water Inrush Evaluation Based on AHP Variation Coefficient Method with GIS

The prediction and prevention of floor water inrush is directly related to the safety of the coal mine production. The previous evaluation method of floor water inrush was more one-sided and lacked main control factors related to mining conditions. In order to evaluate the floor water inrush more accurately, under the project background of geological data of Wanglou coal mine, stope width, mining depth, fault scale index, water pressure, water abundance and thickness of aquifer were selected as main controlling factors of floor water inrush. Combined with the subjective weight analytical hierarchy process and the objective weight variation coefficient method, the weight coefficients corresponding to the main controlling factors were obtained respectively. The thematic map of the risk assessment of coal seam floor water inrush was drawn by combining the constructed comprehensive weight vulnerability index model and geographic information system. The results show that: ① according to the actual geological data of mine, two fault related factors were removed. And stope width and mining depth were increased as the main controlling factors to evaluate floor water inrush. It is easier to compare and calculate the weight of evaluation factors. ② The constructed comprehensive weight vulnerability index model can comprehensively evaluate the risk of floor water inrush. And the results of the evaluation are more accurate. ③ The related thematic maps can directly reflect the risk of floor water inrush, which is of guiding significance for the prediction and prevention of coal seam floor water inrush.     

基于二项logistic回归模型与CART树的煤层底板突水预测

为定量评价煤层底板突水信息对突水过程的影响程度,获得煤层底板突水规则,采用二项logistic回归与CART树相结合的方法进行煤层底板突水预测。在煤层底板突水信息分析的基础上,建立了包含全因素的煤层底板突水预测概率模型,基于向后逐步回归分析方法获得了包含6项主要突水信息的精简煤层底板突水预测概率模型。通过CART树算法获得了煤层底板突水规则,分类测试结果表明,所获得的突水规则分类准确率达到91.67%。      

基于GIS的煤层底板突水脆弱性评价——以山西曹村井田为例

煤层底板突水因素众多,突水系数法作为传统的方法所能考虑的突水影响因素种类很有限,不能全面的描述煤层底板突水的复杂机理。为保障煤矿的安全生产,本文以底板突水脆弱性理论为基础,对曹村井田II^#煤层底板突水危险性进行评价,为煤矿今后的安全生产起指导作用。