基于APSO-WLS-SVM的含瓦斯煤渗透率预测模型

为了较准确预测含瓦斯煤渗透率,有效预防瓦斯安全事故,提出自适应粒子群算法（APSO）优化的加权最小二乘法支持向量机（WLS-SVM）算法。根据对含瓦斯煤渗透率的相关理论及文献研究分析,选取有效应力、瓦斯压力、温度和抗压强度作为主要特征指标,采用APSO算法对WLS-SVM模型的组合参数（C、σ）寻优,建立APSO-WLS-SVM含瓦斯煤渗透率预测模型。结合现场实测资料中的40组数据作为训练样本,其余10组为预测样本,对该模型进行训练与检验,并将其预测结果与利用PSO-WLS-SVM和WLS-SVM模型的预测结果进行对比。结果表明:APSO-WLS-SVM模型的预测效果优于另外2个模型,提高了煤体渗透率的预测性能与泛化能力。      

气固耦合作用下温度对煤瓦斯渗透率影响规律的实验研究

为得到温度对煤瓦斯渗透率的影响规律, 在实验室通过改装三轴渗透仪, 进行了不同温度条件下煤瓦斯的渗透率测定实验。实验结果表明, 在不同温度下, 渗透率随有效应力的减小均呈二次抛物线趋势, 即渗透率先减小后增大。在卸载初期, 温度较低时煤瓦斯渗透率下降梯度比高温时大, 渗透率值较高; 卸载后期, 较高温度时煤瓦斯渗透率上升梯度比低温时大, 渗透率值大。由实验可知, 煤层气开采过程中, 对于不同温度, 煤瓦斯渗透率的变化关系均具有典型煤层气开采的三阶段主导作用特征。有效应力、气体吸热和煤固体受热是影响煤体渗透率的重要因素。在卸载初期, 煤固体受热膨胀及有效应力对渗透率起主导作用, 卸载中后期, 气体滑脱和气体吸热对渗透率起主导作用。实验分析后认为, 开采煤层气时采用先压裂后注热的方式将有助于提高煤层气的产量。      

采掘扰动与温度耦合影响下工作面前方煤体渗透率模型研究

为了探究采掘扰动和温度变化对工作面前方煤体渗透率的影响,将引起煤体裂隙变形的因素划分为有效应力、吸附解吸和热膨胀3部分。基于损伤力学、吸附理论和热应力理论推导出了采掘扰动与温度耦合作用下煤体裂隙应变表达式,进而构建了采掘扰动与温度耦合影响下工作面前方煤体渗透率模型。结合改变温度、同时改变扰动应力和温度的两种渗透率试验结果对所建立的模型适用性进行了拟合分析,并对模型中的参数敏感性进行了讨论。结果表明:所构建的煤体渗透率模型可以较好地描述采掘扰动与温度耦合影响下煤体渗透率的演化过程;在同一温度下,煤体渗透率随着内膨胀应变系数的增大而增大,随着热内膨胀应变系数的增大而减小。研究结果可为煤炭开采及瓦斯抽采的工作提供指导。     

基于塑性变形的煤体损伤本构关系及渗透率模型研究

开采扰动诱发的煤与瓦斯突出是煤矿生产过程中的主要瓦斯动力灾害之一。为系统探索开采扰动下煤体损伤演化特征和瓦斯渗流规律,拟开展不同瓦斯压力下全应力应变–渗流实验。通过考虑气体吸附和热膨胀效应修正广义胡克定律,建立基于塑性变形的煤体损伤本构关系,进一步构建考虑损伤的分段渗透率模型。结果表明:以渗透率突变点为界,可将煤体渗透率分为峰前和峰后2个变化阶段。其中,峰前呈指数型降低,而峰后急剧增加,峰值抗压强度和弹性模量均随着瓦斯压力升高而降低;煤体轴向塑性应变和损伤演化规律具有良好的一致性,二者均呈现出峰前变化不大,峰后激增的变化趋势;利用不同瓦斯压力和50℃实验数据对所建的损伤模型及渗透率模型进行验证,得到理论曲线和实验数据具有较好的吻合度,表明新建模型可较好地反映不同条件下煤体破坏失稳过程中的损伤演化规律和瓦斯渗流特征。      

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。     

孔隙压力梯度对煤的渗透性影响实验

为了研究煤体渗透率与压力梯度之间的关系,在考虑煤体吸附变形的基础上建立了煤体渗透率与瓦斯压力梯度的数学模型,并在恒温条件下进行同一压力梯度不同吸附平衡压力的条件下和同一吸附平衡压力不同压力梯度条件下的渗流实验。研究结果表明:在较低的孔隙压力条件下,煤体渗透率随着吸附平衡压力和压力梯度的增加而减小;建立的渗透率动态演化模型能够较好地描述煤层瓦斯抽采过程中瓦斯的流动规律。研究结果可以为我国煤矿瓦斯治理和抽采工作提供一定的理论支撑,具有一定的指导和实践意义。      

基于蚁群优化最小二乘支持向量机模型的边坡稳定性分析

边坡稳定性与其影响因素之间存在着复杂的非线性关系。通过分析影响边坡稳定性的主要因素,采用支持向量机建立边坡稳定性和影响因素之间的非线性关系;同时,考虑到支持向量机参数对预测效果的影响,采用连续蚁群算法对其进行优化选择,从而提出边坡稳定性预测的蚁群优化支持向量机模型。锦屏一级右岸拱肩槽部位谷坡为顺向坡,绝大部分基岩裸露,自然边坡为大理岩边坡,现状稳定。结合锦屏一级右岸拱肩槽边坡,采用蚁群优化支持向量机模型对其稳定性进行预测分析,预测结果与实际情况吻合较好,说明蚁群优化支持向量机模型在边坡稳定性分析中具有良好的实际应用价值。     

静态致裂作用下低渗厚煤层瓦斯增透数值模拟研究

为提高煤层静态致裂井下作业效率,优化致裂布孔参数,以中煤华晋王家岭矿12316综采工作面胶带巷为实验背景,结合煤层变形破坏方程、瓦斯扩散渗流方程和煤层渗透率演化方程,构建煤层破坏及渗透率演化模型;采用FlAC^3D-COMSOL Multiphysics对煤体静态致裂增透过程及影响因素进行数值模拟,揭示静态致裂作用下煤层应力分布、塑性扩展与瓦斯压力传递演化规律。通过优化选取致裂工艺参数开展现场试验,定量分析不同孔距下静态致裂过程中煤层瓦斯抽采量的变化特征。结果表明：静态致裂过程中膨胀应力在煤体内部沿致裂孔半径方向向四周均匀传递,单孔致裂过程中形成圆环状应力圈和塑性区;在双孔致裂条件下,两致裂孔内膨胀应力的水平叠加效果优于竖直叠加效果,使煤体水平方向破坏效果较竖直方向显著,且两致裂孔中间区域的煤层先于其他区域破坏。受静态致裂作用范围的限制,增透促抽后煤层内瓦斯压力大小与孔距呈正相关关系,煤层渗透率与孔距间呈负相关关系;现场试验表明,将孔距设为1.6 m以内进行静态致裂增透,在抽采负压为20 kPa条件下抽采30 d,测得致裂后瓦斯抽采纯量提升1倍左右,说明静态致裂对瓦...     

开采扰动下考虑损伤破裂的深部煤体渗透率模型研究

为了研究深部煤体在开采扰动影响下的渗透率演化规律,以三向应力条件下的煤体渗透率模型为基础,从吸附解吸作用引起裂隙变形和损伤破裂造成煤基质弹性模量劣化的角度进行理论推导,引入内膨胀应变系数的概念,同时基于Drucker-Prager破坏准则的损伤本构关系建立了两种考虑煤体损伤破裂的渗透率演化模型——指数型和立方型,并且对常规三轴加载、开采扰动加卸载和改变气体压力下的瓦斯渗透试验结果进行了拟合分析。结果表明：所构建的两种模型可以较好地反映常规三轴加载和开采扰动加卸载下煤体渗透率的分区段变化特征,也可以描述有效围压恒定条件下煤体渗透率随气体压力升高而降低的规律。在开采扰动加卸载和改变气体压力的试验中,指数型的拟合效果略优于立方型。研究结果可为深部煤炭开采及瓦斯抽采的工作提供指导。     

沿抽采井筒的煤储层渗透率模型研究

渗透率是表征瓦斯流动的重要参数,为保证煤矿瓦斯安全高效抽采,有必要探究距抽采井筒不同位置处煤层瓦斯渗流演化特征。然而,瓦斯抽采过程中伴随有效应力、煤基质对瓦斯的吸附/解吸能力以及煤储层温度的不断变化,甚至出现抽采损伤,使得煤层瓦斯运移行为异常复杂。为探究抽采过程的煤层瓦斯渗流特性,在圆柱坐标系下,考虑压力场与温度场变化对煤储层渗透率的影响,构建温度影响的孔隙压力时空演化函数,据此建立应力与温度作用下的煤储层渗透率模型。结果表明:建立的模型能合理描述沿抽采井筒孔隙压力的演化规律以及瓦斯的运移特性,即在恒定外应力的条件下,随抽采时间增加,不同位置处孔隙压力先降低后变化平缓,煤储层渗透率先降低后升高;此外,同一煤储层位置处,考虑温度比不考虑温度的渗透率计算值更低;通过讨论发现,随抽采时间增加,根据裂隙压缩与基质收缩对渗透率演化的不同效应,设置合理的负压抽采方式可提高瓦斯抽采量。      

基于灰色最小二乘支持向量机的边坡位移预测

利用边坡实测位移序列预测边坡未来时间的位移,可以有效地判断边坡的稳定性。在分析了灰色预测方法和最小二乘支持向量机各自的优缺点的基础上,提出了将二者相结合的一种新的预测模型--灰色最小二乘支持向量机预测模型。新模型既发挥了灰色预测方法中“累加生成”的优点,弱化了原始序列中随机扰动因素的影响,增强了数据的规律性,又充分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,避免了灰色预测方法及模型存在的理论缺陷。同时,采用遗传算法进行了模型的参数优化,通过2个工程实例说明灰色最小二乘支持向量机模型预测边坡位移的有效性,具有较高的精度。     

进化-最小二乘支持向量机的边坡稳定性估计

针对最小二乘支持向量机的参数选择问题,用遗传算法来搜索最小二乘支持向量机的相关参数,避免了人工搜索参数的盲目性,提高了模型的推广性能。根据大量的实际边坡工程数据,建立了基于进化-最小二乘支持向量机的边坡稳定性模型,并将其应用于估计丁家河磷矿自然边坡稳定状况。计算结果与工程实际情况一致,表明了该方法的有效性和合理性。     

基于时间序列与人工蜂群支持向量机的滑坡位移预测研究

总结以往滑坡预测方法存在的诸多不足,针对滑坡监测位移-时间曲线特点,本文提出了一种基于时间序列的人工蜂群算法（ABC）与支持向量回归机（SVR）相结合的滑坡位移预测方法。以三峡库区白水河滑坡为例,通过对滑坡位移、降雨、库水位等因素的分析,研究影响滑坡位移变化的因素。用时间序列加法模型和移动平均法将滑坡位移分解为趋势项和周期项。以多项式最小二乘法拟合滑坡位移趋势项,用人工蜂群支持向量机模型对滑坡位移周期项进行训练和预测。通过灰色系统关联分析法计算多项因子与滑坡位移周期项之间的关联性。最终的滑坡总位移预测值为周期项预测值与趋势项预测值之和。与BP神经网络、PSO-SVR模型方法相比,该方法在滑坡位移预测中有更高的精度,在防灾减灾工作中有较好的推广应用前景。     

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。     

基于LSSVM-ARMA模型的基坑变形时间序列预测

如何准确预测和控制基坑变形是基坑工程的一个难点,提出了一种基于小波变换、粒子群优化的最小二乘支持向量机（PSO-LSSVM）和自回归移动平均模型（ARMA）的基坑变形时间序列预测方法。首先,利用小波变换将基坑变形时间序列分解和重构为2个子序列--趋势时间序列和随机时间序列,在该基础上,采用PSO-LSSVM模型与ARMA模型分别预测趋势时间序列与随机时间序列未来值,将2个子序列的预测值求和作为最终预测结果。最后,将该方法应用于昆明某基坑工程的深层水平位移预测,不断地利用前期工况的最新实测数据建模,对后期工况未来变形量进行滚动预测,获得了令人满意的结果。     

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。     

基于小波变换和GALSSVM的边坡位移预测

边坡变形是一个受多种因素综合作用的复杂非线性动力学演化过程,用现有的物理模型来解决边坡变形的预测问题有很大难度。大量的研究工作表明,用实测的边坡位移时间序列来预测边坡未来变形更为准确,而将多种方法组合起来进行预测成为研究的主要趋势。在此基础上,建立了一种基于小波变换和进化最小二乘支持向量机(GALSSVM)的边坡位移预测模型。首先利用小波变换将边坡时间序列分解为低频分量和高频分量,然后利用互信息法和伪近邻法得到各分量的时间延迟和嵌入维数并进行相空间重构,再根据各个相空间的特点建立相应的GALSSVM预测模型,最后把各分量的预测结果进行小波重构,重构后的结果即为最终的边坡位移预测结果。对丹巴滑坡预测研究表明,这种新的预测模型具有较高的预测精度,可以应用于实际工程     

核主成分分析与支持向量机模型在储层识别中的应用

针对低孔、低渗致密储层识别较常规储层难这一问题,首次应用核主成分分析与支持向量机(KPCA-SVM)模型进行储层识别.该模型先通过核主成分分析(KPCA)进行非线性特征参数提取,然后将提取的特征参数作为支持向量机(SVM)的输入变量,最终实现储层识别.由于KPCA-SVM模型集成了核函数、主成分和支持向量分类机的优点,较好地解决非线性小样本的问题,能消除数据之间的噪音,降低维数,而又不缺失有效信息,达到准确快速预测的功能.将该模型应用到新场须二气藏新856井区储层预测中,预测结果验证了本模型的优越性,可作为致密储层预测的可选方法.     

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...