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。     

非负变权组合预测模型在建筑物沉降预测中的应用

为了克服建筑物变形预测中单一模型预测精度差、不稳定的问题,本文融合了适应性强、互补性好的自回归滑动模型、灰色模型和三次指数平滑法三种模型,基于误差平方和最小准则,采用滚动时间域的方式构建了非负变权组合预测模型。工程应用表明:非负变权组合预测模型的预测精度、可靠性优于三种单一预测模型、方差倒数组合预测模型以及等权组合预测模型。研究成果对建筑物沉降预测具有较好的参考价值。     

变权组合模型在工程变形预测中的研究

随着变形预测在工程中的广泛应用,很多单一预测模型预测精度较低,因此,很多学者对组合预测模型进行探讨研究。本文主要研究定权和变权两种确定权重系数建立组合预测模型的方法,以灰色GM(1,1)模型和时间序列模型两种单一模型为基础建立定权组合预测模型和变权组合预测模型进行拟合预测,并通过实例验证分析,得出变权组合预测模型拟合预测精度高于定权组合预测模型拟合预测精度,得到了较好的拟合预测结果,从而可以更好地应用到工程变形预测当中。     

优化组合模型在建筑物基坑沉降预测中的应用

为了确保建筑物在建设过程中的安全,需要准确掌握建筑物基坑及周边的变形情况。针对建筑物基坑沉降变形预测问题,本文对单一的GM(1.1)模型与BP神经网络模型进行优化并构建组合预测模型。优化组合模型一方面解决了单一预测模型稳定性差、预测精度低的问题,另一方面提高了预测模型的适用性。将本文提出的组合预测模型应用于某在建建筑物基坑沉降变形预测中,结果表明,相较于单一的GM(1.1)模型与BP神经网络模型,本文提出的优化组合预测模型的预测精度与稳定性更高,证明了组合预测模型在建筑物基坑类沉降预测中的可靠性。     

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。     

基于熵值法定权的组合模型在变形预测中的应用

本文在介绍新陈代谢GM(1,1)、BP神经网络、卡尔曼滤波等三种单一的预测模型的基础上建立了基于熵值法定权的组合模型,通过实验分别对单一模型和组合模型进行分析和论证。实验结果表明:基于熵值法定权的组合模型预测精度要比单一的预测模型进度有所提高,为高精度变形预测又提供了一种新的行之有效的方法。     

基于GM(1,1)-ARIMA最优组合的大坝预测模型

为了对大坝变形进行预测,本文根据ARIMA模型和灰色模型各自的特点,建立综合ARIMA模型和灰色模型的变形组合预测模型,并在不同的定权准则下建立了多种组合模型。在通过平均绝对误差(MAE)及均方误差(MSE)两种精度指标选取最优组合模型时,为了克服单一评价方法导致的结果非一致性问题,提出基于最小机会损失准则进行评价的方法,通过将各组合预测模型的最小机会综合评价值进行排序,得到最优组合预测模型。最后以某大坝位移监测数据为例,建立不同的组合模型,通过模型精度评价,得到了最优组合预测模型。     

基于灰色神经网络组合模型的矿区地表变形预测方法研究

矿山开采区地表变形是资源开采引起的重要现象。监测、分析其内在规律,建立预测模型预计开采区地表沉降,对矿山安全生产和企业经济可持续发展具有重要意义。针对地表沉降变形预测,分别建立了BP人工神经网络模型、灰度预测模型、时间序列模型以及灰色神经网络组合模型,探讨四种模型适用场景及模型局限性,结合矿区地表一年的实际监测值进行模型精度评定,分析比较四种模型的模型特点以及预测结果。综合比较表明组合模型融合了BP神经网络与灰度预测模型的优势,预测精度高,更加贴合实际测量值,且广泛适应性强,可适用于多种应用场景,能较好地反映矿区地表沉陷变形发展趋势。     

变权组合预测模型在大坝沉降监测中的应用

为探讨变权组合预测模型在变形监测中的应用,以监测某大坝沉降量为实例,研究基于线性回归预测模型和灰色模型GM(1,1)的变权组合。通过预测该大坝坝内沉降量,比较两种单一预测模型和变权组合预测模型的预测误差平方和,证明变权组合预测模型在沉降预测中具有更好的预测精度。     

变分模态分解与长短时神经网络的大坝变形预测

为了提高大坝变形数据的预测精度,该文提出一种变分模态分解和长短时记忆神经网络相组合的预测模型.对大坝的历史变形数据进行变分模态分解,利用长短时记忆神经网络进行预测,累加各模态分量的预测值完成重构.以江西省某蓄能水电厂2010-2014年大坝监测数据为例,设置不同的对比实验验证VMI-LSTM组合模型的有效性和稳定性.研究表明:组合模型能够有效减小单一模型的误差,VMD能够将变形序列分解为不同频带的分量,减少非线性、非平稳性对预测精度的干扰,且VMD-LSTM神经网络的预测精度要优于其他模型,对于大幅提升大坝变形的预测精度有一定的参考价值.     

基于Logistic模型的单点下沉预测应用研究

岩层与地表移动具有一定的规律,由于Knothe时间函数虽然可以预计地表下沉,但在预计中有描述地表下沉速度的不足,并且其函数复杂。研究矿区单点动态下沉过程对于地表建筑物的保护具有重要意义,本文采用Logistic模型拟合下沉曲线,得到了预计方程,结果表明预计精度较高。Logistic模型参数少,函数相对简单,计算结果表明Logistic模型对矿区开采沉陷具有较好的预测精度。该模型对单点的下沉拟合程度高,在采用81期数据的预计模型中,误差平方和SSE为0.0066218,误差均方MSE为0.0000871,接近于0,表明拟合与预计精度较高,最大预计误差为0.0120673 m,对于研究矿区地表下沉规律具有重要意义,有助于了解地表单点下沉全过程,在地表活动剧烈期可对地表建筑加强支护。     

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。     

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。     

机载激光点云构建西部矿区开采沉陷模型研究

针对榆神矿区地形起伏而植被覆盖度较低的条件,采用无人机激光雷达(LiDAR)对采煤沉陷盆地进行地面扫描和建模,按现有的点云滤波和插值算法所构建的沉陷模型精度不足的问题,该文提出基于格网高程排序的类地面点云提取算法,通过改变格网大小和点云提取比例来优化点云滤波效果,改进了地表沉陷模型的精度。在此基础上,选用概率积分法和GaussAmp函数对沉陷模型进行最小二乘拟合,结果表明GaussAmp函数对于试验区地表动态沉陷模型的拟合精度更高。     

高速铁路沉降变形的组合预测方法

为实现各种预测模型的优势互补,提高沉降预测精度,分析单项沉降预测模型各自的特点,将组合预测方法应用到高速铁路沉降变形预测分析中;介绍组合预测基本方法和常用的定权方法,提出模型建立的步骤和具体原则,研究出一种变权最优预测的方法。通过工程实例验证表明,该组合方法预测精度较高,拟合能力更强,可作为高速铁路的沉降预测模型。     

改善单基站CORS RTK测量精度的自适应卡尔曼滤波算法

针对单基站CORS RTK在矿山开采沉陷地表移动变形监测中测量精度偏低的问题,构建基于方差分量估计原理的自适应卡尔曼滤波算法,以CORS RTK在各历元采集的平面坐标与正常高为基础,利用CORS RTK实测数据并对比分析四等水准测量成果,分析得出滤波后的CORS RTK测量精度得到了较大的提高,并满足矿山开采沉陷地表移动变形监测的精度要求。      

注浆采区地表形变时空演化SMD-InSAR监测分析法

当前矿区合成孔径雷达差分干涉测量(D-InSAR)监测研究大多局限于以地表移动为对象,求取其他形变指标通常仍需野外测量。针对这一不足,构建出一种提取地表移动变形(surface movement and deformation,SMD)面域信息的模型——SMD模型。模型可求解的量有:①地表沿任意方向的倾斜、曲率,地表倾斜、曲率最大值与其所沿方向;②水平或近水平煤层开采下,矿区地表沿任意方向的水平移动、水平变形,地表水平移动、水平变形最大值和其所沿方向。SMD模型在垂直形变图的基础上,按照方向导数原理计算地表倾斜和曲率;地表水平移动和水平变形则根据开采沉陷先验规律计算。模拟试验显示,该模型可以较高精度获取地表移动变形值。淮北矿区某矿进行了充填开采,应用SMD模型结合时序InSAR分析该矿地表形变时空演化过程,以及充填开采的减沉减变效果,分析认为注浆活动可以有效控制地表形变。日平均注浆量、工作面推进距离与最大下沉速度之间的关系可以用多元线性回归模型来描述。SMD模型可用于分析区域地表形变综合情况,为范围评估开采沉陷对建构筑物的影响提供有力依据。     

基于空间变异修正普通克里金的矿区复杂地形高精度建模

普通克里金法是构建矿区三维地形模型并揭示地表沉陷形变场动态变化规律的有效方法。但普通克里金法存在平滑效应的问题,导致估计值的空间变异程度小于实际,无法真实反映矿区复杂地表形态的空间变化特征。本文结合矿区实际地形采样数据,提出了一种空间变异修正的普通克里金法,并将其应用于矿区复杂地形的高精度建模,并与已有方法在建模精度和空间变异性复现方面进行了对比分析。研究结果表明,空间变异修正的普通克里金法能够很好地处理平滑效应对建模的影响,具有更高的建模精度和空间变异性复现能力,在矿区复杂地形高精度建模应用中具有较强的适用性,可以作为一种可靠的建模工具用于矿区复杂地形沉陷形变场动态变化规律分析。     

无人机地形跟随在矿区沉陷监测中的应用

针对传统无人机矿区开采沉陷监测因地形起伏导致同一航测架次的监测精度相差较大的问题,本文分析了地形变化对影像分辨率、相片重叠度及监测精度的影响,并对无人机加装TOF传感器,对PID控制器进行编码设置,使无人机相对地面保持相同高度飞行,实现了无人机地形跟随监测。试验表明:地形起伏会使传统无人机监测精度降低,本文提出的方法可实现无人机地形跟随航测并保证监测精度;在地形复杂矿区,传统无人机沉陷监测平均精度为65.73 mm,具备地形跟随技术的无人机沉陷监测平均精度达46.59 mm,监测精度得到提高;与实地布设的观测线数据相对比,航测监测的下沉趋势准确,但对地表的细微变化无法捕捉;获取的矿区沉陷范围全面广泛地反映出由于工作面的推进造成的矿区沉陷所影响的区域,可为矿区开采沉陷监测提供参考。