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。     

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。     

基于主成分分析的GA-BP神经网络地表下沉系数预测

为提高条带开采地表下沉系数预测准确率,基于地表下沉系数影响因素具有一定相关性、不确定性以及非线性的复杂现象,建立基于主成分分析的遗传算法(Genetic Algorithm,GA)优化的神经网络GA-BP智能预测模型.利用遗传算法对BP神经网络(Back Propagation Neural Network)的初始权值和阈值进行优化处理,通过SPSS20(Statistical Product and Service Solutions 20)软件对地表下沉系数影响因素进行主成分分析,降低数据维度,消除变量间的冗余信息,找出主成分并作为模型的输入样本,利用MATLAB(Matrix Laboratory)软件进行仿真与分析.结果表明:与传统BP神经网络模型和主成分分析(Principal Component Analysis,PCA)的PCA-BP神经网络模型相比,基于主成分分析的GA-BP模型的相对误差不超过5％,与实测值更为接近,预测精度进一步提高,基本满足矿区实际工程需要,为条带开采地表下沉系数预测提供了又一种准确可行的方法.     

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。     

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。     

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。     

秦皇岛地区柳江盆地地表塌陷区的遥感研究

柳江盆地是秦皇岛市的重要水源地,由于大量开采地下水,在隐伏岩溶发育区将引起地表塌陷。笔者通过对多波段、多时相的卫星图像、计算机数学处理图像及不同比例尺的黑白、彩色航空像片的解译研究,结合地面地质调查及钻探、物探资料进行综合分析,对该地区隐伏断裂构造、第四系松散堆积物的分布及其含水性、地表岩溶及隐伏岩溶区的分布作了研究分析,并分析了引起地表塌陷的各种地质因素,进而预测了几个开采地下水后将可能引起地表塌陷的危险区,为制定预防塌陷灾害的措施提供了必要的地质资料。     

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%。