基于遗传-支持向量机的分布式光纤监测矿压时序预测

为了有效的掌握岩层内部变形,准确预测开采过程中的矿压显现规律。采用分布式光纤监测覆岩内部变形并结合支持向量机计算方法,将光纤频移变化度作为主要特征参数,构建混沌矿压数据相空间,采用遗传算法（GA）对支持向量机回归（SVR）超参数寻优。开展相似材料模型试验,模拟工作面开采,并引入光纤频移变化度概念,建立GA-SVR时序预测模型。预测结果与传统回归模型（SVR）和BP神经网络模型（BPNN）进行比较。结果表明,BPNN容易发生过拟合,传统SVR模型依赖超参数选取,GA-SVR模型在超参数选取上更科学,不容易发生过拟合,预测精度高于上述两种算法,为矿压时序预测定量化提供科学依据。     

采动覆岩运移BOTDA-FBG监测试验

为研究采场覆岩变形破坏特征,采用相似材料物理模型试验的方法模拟煤矿工作面回采过程,用BOTDA分布式光纤和布拉格光纤光栅(FBG)监测采场覆岩运移规律。实验搭建了1.5 m×0.6 m×1.3 m的三维立体模型,几何相似比为1∶150,同时在模型水平方向埋设2根光纤,垂直方向铺设4根光纤,亚关键层埋设2个光纤光栅应变传感器,用以研究模型开挖过程中覆岩运移状态与BOTDA及FBG测试结果的对应关系。试验表明,FBG传感器应变量与岩层运移状态密切相关,可实现对采动覆岩变形破断和离层发育过程的监测。水平光纤测试结果与岩层垮落移动呈明显的对应关系,测试频移峰值间距与岩层垮落顶部离层宽度几乎一致,平均误差不超过3%;垂直光纤频移变化可以反映覆岩垮落及离层发育的动态变化过程。