金川矿山地表岩移GPS监测及岩体采动影响规律

本文通过建立在金川二矿区地表的GPS监测系统,对由于地下采矿引起的地表岩移进行了GPS实时监测,并根据2001～2006年12期监测数据分析了二矿区地表岩体移动变形的特征。在此基础上,阐述了急倾斜金属矿体开采条件下岩体移动的概化传递模式及其地表岩移显现特征,并结合数值模拟和GPS监测结果,分析了采动影响下金川矿山岩体移动发生的机理,同时,探讨了地表岩体移动速率变化特征。     

金川二矿区多中段开采对地表岩移的影响研究

金川二矿区多中段开采曾引起了许多研究焦点,尤其是多中段开采导致的围岩变形和灾变问题最为突出。本文以多年地表监测的结果验证了多中段开采至结束期间并没有造成地表岩体变形的异常或突变。研究认为开挖的地质力学模型内所赋存的岩体应变能是一定值,开挖活动是能量耗散和转移的动态过程。因此,在构造应力影响的开挖力学模型中,不能采用外力边界条件而应采用位移边界条件。小步距开采-充填有利于避免大幅度的岩移发生,矿岩才保持了相对缓慢的低能量释放率的松动、破裂,是矿岩未发生大的灾变失稳的关键因素。最后指出,地表岩移速率大小主要与地下开采速度和采充比有关,在金川二矿地下开采速度和采充比基本保持不变的情况下,地表岩体移动、变形速率不会发生突变现象。     

基于时序InSAR技术的甘肃金川铜镍矿区地表沉降研究

文章采用时序InSAR技术对甘肃省金川铜镍矿区域地表沉降规律开展研究.利用Senti-nel-1A干涉影像,基于SBAS-InSAR技术和时序D-InSAR技术,反演2018年1月-11月金川铜镍矿区域地表沉降.经过2种技术结果对比及验证分析表明,2018年矿区有2个沉降漏斗,分别是西二采区5-7行和老矿坑.西二采区5...     

基于滑坡监测数据的Elman神经网络动态预测

滑坡在我国是一种极为频发的地质灾害,且其积累位移监测曲线有着复杂的非线性特性,对此各研究者建立过许多预测模型,然而这些模型的预测精度不尽如人意。基于Elman神经网络可以任意精度逼近任意非线性函数的特征,并以sigmoid为方程的核函数,在选择隐含层数时用了试用法,通过\     

基于时序预报神经网络的斜坡变形预测方法

将神经网络理论引入到斜坡变形预测领域，利用时序数据构造训练样本，在训练过程中引入遗忘因子和期望因子，形成相应的网络结构，初步探索出了一条新的预测斜坡变形的理论方法。     

采矿地表沉陷的神经网络预测

矿山开采引起的地表沉陷受地质条件和采矿条件等诸多因素的影响,这些因素又具有非线性关系,很难用数学模型加以描述,因而在求解问题时遇到困难.利用神经网络系统对求解非线性问题的优点,对地表沉陷问题进行预测,其结果和实测值基本一致,从而证明了它对地表沉陷预测的可行性和实用性.     

基于改进的Elman神经网络的中长期径流预报

径流中长期预报长期以来一直都是人们关注的热点研究问题。现行的径流预报方法很多,传统的有时间序列法,多元回归分析法等,这些方法虽然简单易用,但是如果预报对象提供的样本容量偏小或者因子选择不够合理,都会造成预报精度偏差过大,难于有效的指导工程应用。鉴于此,本文提出一种改进的采用局部回归的Elman神经网络方法。并应用到凤滩水库优化调度的径流预报中。结果表明,与回归分析法、BP网络相比较,该方法不仅提高了算法的效率,而且提高了预报的精度,在径流预报中具有有效性和优越性。     

基于A-BP神经网络的软土基坑开挖地表沉降预测

基坑开挖引起的周围地表沉降势必影响周边道路和建筑物等基础设施的安全与稳定,准确预测基坑开挖地表沉降具有重要意义。针对BP神经网络预测方法效率低、精度小等缺陷,采用模拟退火法的全局寻优原理对数据进行处理优化,提高BP神经网络预测方法的效率和精度,在大量软土基坑开挖现场监测数据的基础上,构建了基于模拟退火法的SA-BP神经网络预测模型对软土基坑开挖墙后最大地表沉降进行预测,并结合正态、偏态模式及统计分析计算方法进行对比和验证。研究结果表明：SA-BP神经网络预测方法的结果与实测吻合较好,该方法预测精度较高,可有效地运用于基坑开挖地表沉降的预测分析中。     

基于时序InSAR的西南科技大学地表形变监测与分析

以西南科技大学青义校区为研究区,利用SBAS-InSAR和PS-InSAR对52景升轨Sentinel-1A雷达影像,分别获取了研究区2017年6月至2020年11月的地表形变速率及时序形变量。结合相干性系数、形变速率、方差及标准差对两种时序InSAR结果进行检验对比,从自然、人为因素两方面探讨了研究区地表形变机理与演化过程。结果表明：研究区存在多处显著沉降,最大垂直沉降速率可达15 mm/a,地表形变与学生公寓楼、道路扩建等人为因素有关,地表沉降区与强降雨、岩性及地势地貌关联紧密,地层界线与地表形变不显著相关。相较而言,两种监测结果总体一致性较好,SBAS-InSAR相比PS-InSAR的监测结果稳健性更好。     

基于BP神经网络的瓦斯含量预测

以淮南矿区潘一矿13-1煤层为研究对象,在分析勘探钻孔资料的基础上,确定了煤层埋深及厚度、顶底板岩性、地质构造和煤变质程度是影响煤层瓦斯含量的主要因素;使用BP神经网络方法建立了瓦斯含量预测模型;结合实际数据,对预测模型进行训练和检验。预测结果表明:该模型比使用多元线性回归预测能获得更高的精度,说明预测模型可靠。     

基于混沌神经网络理论的城市地面沉降量预测模型

通过分析城市地面沉降量时间序列的非线性动力学系统,认为该时间序列具有混沌特性。在此基础上,通过相空间重构的方法建立了用于城市地面沉降量预测的混沌神经网络模型;并利用此模型对高桥地面沉降量进行了预测,并和实际监测沉降量进行了比较,最大绝对预测误差为1. 7,预测的平均误差为0. 0833,研究结果表明,应用混沌神经网络模型进行城市沉降预测是可行、精确的。     

金川二矿区16行垂直矿柱的力学效应分析

大范围采用下向胶结充填无矿柱连续开采方法以及高产量等特点,使得金川二矿区充填体的整体稳定性一直是人们长期所关注的问题。结合金川二矿区1#矿体开采的工程实例,对16行垂直矿柱的数值模拟分析认为,随着双中段开采的进行,垂直矿柱中的应力集中程度和应力增高区的范围会不断加大,最终将导致垂直矿柱中的岩体变的更为破碎,但矿柱的留设可以有效减小上方残留水平矿体和充填体的垂直位移;对16行垂直矿柱的力学作用分析表明,垂直矿柱的留设可以有效地减小上方位移,矿柱的支撑力与矿柱的强度有关,而矿柱的强度又与其受到的侧限压力有关,侧限压力越大,其强度越高,因此,在充填过程中,提高充填体的接顶率和充填质量有利于提高16行矿柱的支撑能力。     

基于人工神经网络的钻压优化模型的建模方法

提出卫种新的钻压优化模型建模方法－－神经网络法,它可以克服传统方法需要建立数学模型的缺陷,满足自动送钻对实时性的要求。给出了利用反向传播神经网络（ＢＰ网络）建立钻压优化模型的方法,计算机仿真研究表明：利用这种新方法建立的模型不但能够满足自动送钻实时优化钻压的要求,而且也可以用于离线的钻压参数优选。     

利用土壤地球化学数据和BP神经网络预测松嫩平原油气资源

基于东北地区多目标区域地球化学调查获得的海量土壤地球化学数据,利用BP神经网络模型,在土壤地球化学性质与油气田空间位置之间建立模型,构造最优的油气资源预测模型. 以土壤54项地球化学指标以及XY坐标值共同作为模型输入层,以样本是否在油气田内(1代表油气田内,0代表油气田外)作为模型输出层,基于随机抽取的油气田内和油气田外各500个土壤样本数据进行模型训练. 结果显示,多次训练后识别准确率保持在90%左右,说明该模型分类效果较好,可用于油气资源预测. 利用该模型获得了松嫩平原11 291个土壤样本的含油气概率,并绘制了油气资源预测图. 研究表明,神经网络对于解决复杂的非线性地质问题可以发挥重要作用.     

基于神经网络模型的金矿成矿远景预测——以白马山-龙山地区为例

白马山-龙山地区是湘中重要的金锑成矿带.以1：20万水系沉积物检测数据为基础,结合区域地层、岩性、构造、岩浆岩等地质信息,在全区19 100 km2范围内以4 km2为评价单元,应用神经网络模型对区域金矿成矿远景进行预测,共划分了4个成矿远景区.