概率积分法开采沉陷预计的GIS实现

以概率积分法为预计模型,对研究区可能的沉陷趋势进行预计,然后与GIS耦合,利用新一代的ArcGIS数据存储格式——Geodatabase建库,以整合目标区地形图、矿区图以及户籍信息等,为沉陷预计和信息管理做准备,然后利用预计模型求得的下沉参数实现沉陷范围和趋势的可视化,以方便信息的综合管理和其他决策。     

基于P-SA-PSO算法的概率积分法参数反演

针对目前概率积分法参数反演存在的问题,为了更加准确稳定地解算出概率积分法参数,在经典粒子群算法的基础上,引入自适应惯性权重以及模拟退火算法中的Metropolis准则,提出了一种基于P-SA-PSO算法的概率积分模型参数反演方法。论文通过仿真实验,与遗传算法(GA)、经典粒子群算法(PSO)以及加入自适应惯性权重优化的粒子群算法(P-PSO)进行对比分析,结果表明：新算法反演各参数的精确性、稳定性和收敛速度优于其他3种算法。将新算法引入工程实例中,进一步体现了新算法在反演概率积分模型参数上的可行性。     

粒子群算法在概率积分法沉陷预计模型参数反演中的应用

针对开采沉陷预计模型参数反演所存在的算法复杂、计算量大等缺陷,将粒子群算法引入到概率积分法开采沉陷预计模型参数反演中。研究粒子群算法反演概率积分法预计模型参数的基本原理、编码方法及适应度函数的构造方法,同时结合河北省某煤矿的实测数据,以下沉拟合值与实测值的中误差作为反演精度的评价标准对算法进行实例验证,对提高开采沉陷预计的精度有一定的参考实用价值。     

概率积分预计参数的神经网络优化算法

在分析BP神经网络不足的基础上,为提高概率积分法进行开采沉陷预计时所采用的预计参数的正确性,该文建立了地质采矿条件与预计参数之间的非线性关系,以我国43个地表移动观测站的实测数据为训练和测试样本,采用多种群遗传算法(MPGA)优化BP神经网络的权值和阈值,构建新的概率积分法参数解算方法。计算结果表明,较单纯的BP神经网络算法和标准的遗传算法而言,MPGA算法优化的BP神经网络算法解算的预计参数具有更高的相对精度,这对于获取待研究区域的高精度概率积分法预计参数具有良好的指导意义。     

基于改进人工蜂群算法的概率积分法参数反演

针对传统算法在反演概率积分法参数时易发散且难以获得全局最优解的问题,提出利用自适应人工蜂群算法反演概率积分法参数。根据该算法在求解过程中收敛速度快,获得全局最优解的特点,将参数反演问题转化为组合优化问题,建立了自适应人工蜂群算法的概率积分法预计参数反演流程,并将计算结果与实际值进行对比分析。通过理论分析与实验证明,自适应人工蜂群算法反演概率积分法参数精度高,较最小二乘法和模矢法拟合效果好,可应用于矿山开采沉陷预计。     

基于狮群算法的概率积分预计参数反演方法

针对传统的开采沉陷预计方法,在求取预计参数时存在计算量烦琐、精度低、速度慢等缺陷,本文开展了基于狮群算法(LSO)的概率积分预计参数反演方法研究.LSO是一种群体智能算法,该算法已在光伏最大功率跟踪中方面得到广泛的应用,至今尚未发现应用于矿山开采沉陷预计领域中.为了准确获取预计参数,本文将LSO应用于概率积分参数反演中...     

基于概率积分法的矿区地表沉陷预计分析

为了预防矿区开采造成的沉陷及其诱发的自然地质灾害,进行必要的沉陷预计工作。以兖州某煤矿10303工作面开采为例,选取适宜本区域的概率积分法作为预计模型,采用该矿地表观测站实测分析得到的岩移参数作为预计参数,进行地表移动变形预计,根据预计结果绘制村庄地表破坏分区图,并根据临界变形值标准划分实际的地表破坏等级范围,为进一步确定开采方案提供参考。     

矿山开采沉陷动态参数预计方法的探讨

开采沉陷动态参数预计是矿山开采沉陷学科的核心内容,它对开采沉陷的理论研究和生产实践都有重要意义。本文简要介绍开采沉陷动态参数预计的几种方法,采用编程语言Visual Basic 6.0进行开发,编制了概率积分法求取动态预计参数经验公式的程序。通过实例,取得了较满意的预计参数,对于矿区的开采有一定的指导意义。     

概率积分法预计参数解算的总体最小二乘岭估计法

将总体最小二乘平差方法应用于矿山开采沉陷概率积分法预计参数的解算,建立了概率积分法总体最小二乘平差模型,给出了非线性总体最小二乘平差的迭代算法。并以淮南矿区谢桥矿某工作面为例,考虑观测方程系数阵病态性的影响,分别采用最小二乘岭估计法和总体最小二乘岭估计法解算预计参数,计算表明,采用总体最小二乘岭估计法在解算预计参数时精度更高,且拟合参数的估值受到模型参数初值的影响。     

概率积分法参数的稳健估计模型及其应用研究

将稳健估计理论应用于矿山开采沉陷预计参数的求取,建立了概率积分法稳健求参数学模型,并编制了相应的稳健求参计算软件。利用峰峰矿区开采沉陷实测资料进行人工异值干扰求参实验,结果表明是国家采用稳健求参技术可降低异值或粗差的干扰,克服常规的最小二乘法拟合求参时常出现的结果发散问题,保证了求参结果的可靠性和稳健性。     

预计结果的地表移动观测点选取

地表移动和变形的观测工作一直都是研究开采沉陷危害的比较直接方式,而合理有效的观测站的设置就显得尤为重要。本文在布设观测站时,除考虑采深影响外,还利用概率积分法预计下沉曲线,根据下沉曲线上的特征点选取观测点。通过对某矿的实际应用表明该方法精度更高,具有一定的实际应用价值,从而为地表沉陷的观测工作提供了更好的方法。     

积分法实现公路平面几何线形数字化——基于CASIO fx-4850P编程实现

本文用积分法建立平面线形数据库,编制了计算线路中任意边桩的坐标的CASIO fx-4850P计算器程序,并通过实例证明了用积分法计算的方便、快捷以及实用。     

GPS-RTK技术在矿山高精度沉陷监测的应用研究

针对复杂地表条件下,采用常规水准测量和导线测量等常规方式,进行地表变形周期观测,任务量巨大甚至无法实施,提出建立研究区域的似大地水准面精化模型,采用GPS-RTK技术获取观测站三维空间信息,进而获得概率积分法预计参数。以内蒙古准格尔旗某煤矿的生产实践,说明该技术的有效性和可行性,极大地提高了工作效率,为保护煤柱的留设提供了科学的依据。     

动态矿区DEM生成方法及其在土地复垦中的应用研究

首先根据我国矿区土地复垦工作中存在的不足,通过研究提出"动态土地复垦"的概念,并确定了动态土地复垦方案制定的数据基础——动态矿区数字高程模型。动态矿区数字高程模型应该包含煤矿生产对地表的累积影响结果数据和地表的原始地形信息,开采沉陷预计结果可以提供前者,地面测量可以提供后者,经过数据处理可以按时间间隔生成描述塌陷区的一系列数字高程模型(DEM)(准动态),然后运用DEM的空间分析技术提取塌陷区在不同时间段的土地破坏类型、范围和位置数据,并根据这些数据进行动态土地复垦方案决策数据的提取,经实例验证该方法可行。     

灰色关联分析与BP神经网络的概率积分法参数预测

在综合分析地表沉陷概率积分法参数与地质采矿条件关系的基础上,提出运用灰色关联分析法找出影响概率积分法参数的主要因素,进而利用BP人工神经网络模型预计参数。在对实测数据灰色关联分析后得出:覆岩平均坚固性系数、采厚、倾角、采动程度与各个参数关联程度较高,表土层厚度和采深次之。在此基础上,建立BP人工神经网络模型,并对预计结果与实测数据进行对比分析。结果表明:该方法预计最大相对误差15.78%,最小相对误差1.92%,考虑到个别参数实测值较小,造成相对误差较大,而绝对误差很小,即模型预计效果较好,是一种预计概率积分法参数的有效方法。