基于岭估计的概率积分法预计参数的求取

采用最小二乘拟合求取概率积分法预计参数时,经常遇到发散问题,致使求参结果失真。而求参过程中法矩阵的病态是造成结果发散的主要原因之一。将岭估计应用于预计参数的求取中,能够有效地克服传统最小二乘拟合求参时法矩阵的病态。在给出基于岭估计求参模型的同时,使用Matlab实现了参数的自动求取。最后通过模拟算例验证了该求参模型克服法矩阵病态的有效性及求参结果的可靠性。     

基于抗差估计的概率积分法的预计参数模型研究

针对利用实测数据求取概率积分法预计参数时,受异值或粗差影响使参数严重偏离真值,预测结果失真的问题,建立了抗差估计的概率积分法求参模型。利用谢一矿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,该方法抑制了异值或粗差对求参结果的影响,保证了求参结果的真实性和可靠性。     

探讨L-M算法在求取概率积分法预计参数中的应用

概率积分预计参数的精确性决定了模型预计的准确度,基于其非线性的特点,文中结合某煤矿为例,采用了L-M算法,克服了最速下降法及高斯-牛顿法的缺点,求出最佳预计参数.     

概率积分法预计参数求取及应用研究

大量地表移动观测资料显示,概率积分法预计的下沉曲线边缘部分比实际观测下沉曲线收敛快,其预计结果与实际观测值在移动边界区域很难拟合一致,造成了利用观测站求取的预计参数计算的地表变形值在开采影响边界区域与实际观测值不符.文中根据观测站实测数据,提出对观测站分区域反演预计参数,分区域进行地表变形预计的方法,可以有效克服概率积...     

改进GWO-BP算法的概率积分法预计参数求取

针对BP神经网络模型在求取概率积分法预计参数时的缺陷,提出了一种基于改进灰狼优化算法(GWO)的BP神经网络参数预测模型。主要通过对灰狼算法的收敛因子a进行非线性收敛的改进,再利用粒子群算法(PSO)的速度更新公式更新搜索灰狼搜索位置。用改进的灰狼优化算法对BP神经网络的初始权值和阈值进行优化,然后利用最优的初始权值和阈值对模型进行训练和预测,从而得到概率积分法参数的预测结果。结果显示经过改进的灰狼算法优化BP神经网络的参数预测结果明显优于单一的BP神经网络模型和不改进的灰狼算法优化BP神经网络模型的预测结果,可以在矿区开采沉陷预计方面得到应用。     

基于SSA-BP神经网络的概率积分法预计参数求取研究

为解决BP(Back-ProPagation,BP)神经网络求取概率积分法预计参数出现的局部最优解和收敛速度慢的问题,采用麻雀搜索算法(Sparrow Search Algortihm,SSA)优化BP神经网络的结构,得到最优的权重值和偏置项,建立了基于SSA-BP神经网络的概率积分法预计参数求取模型。结合50组典型的实测数据,随机抽取45组数据输入SSA-BP神经网络模型进行训练,剩余数据输入训练好的模型求取概率积分法预计参数,并与实测数据对比,分析SSA-BP神经网络模型和BP神经网络模型的优劣;通过改变训练样本和测试样本的数量,讨论模型精度与训练样本数量的关系。研究表明:(1) SSA-BP神经网络模型预计下沉系数q、水平移动系数b、开采影响传播角θ、主要影响角正切值tanβ和拐点偏移距s/H的平均绝对百分比误差分别为1.33%、3.48%、0.49%、3.86%和9.33%,BP神经网络模型的相应取值分别为8.05%、7.34%、3.33%、9.82%和19.60%,可见前者求解精度更高。(2)两种模型求取的预计参数均与实测数据较接近,SSA-BP神经网络模型最大相对误差为21...     

开采沉陷预计概率积分法动态参数研究

本文针对在极不充分采动或不充分采动时概率积分法预计结果与实测结果不符的问题，对具有典型代表性的观测站观测成果进行了分析研究，提出了下沉纱数和水平移动系数的修正公式。     

概率积分法预计参数反演方法研究进展

概率积分法是我国矿山开采沉陷预计的主要方法,其预计的精度直接取决于参数的准确性,如何利用合适的方法准确稳定地求取预计参数是实际应用中的关键问题。全面总结了概率积分法预计参数反演的常用方法并分析了各种方法的优缺点,着重介绍了具有全局搜索能力遗传算法在参数求取中的应用。最后,从概率积分法求参误差、求参准则、求参范围、参数相关性及其模型的非线性等角度,提出概率积分法预计参数求取中存在的问题及需要进一步研究的内容。     

概率积分法在开采沉陷预计中的应用

实践证明,以相邻区域开采实际取得的地表移动参数为依据,运用概率积分法能够较准确地预计开采沉陷数据,指导"三下"开采和煤柱留设。龙固煤矿应用概率积分法对微山湖大堤下煤柱开采进行沉陷预计,以此为指导对微山湖大堤进行采前预加高加固,实现安全开采,既保护了微山湖大堤稳定可靠,又解放了大量煤炭资源。     

开采沉陷预计概率积分法动态参数研究

本文针对在极不充分采动或不充分采动时概率积分法预计结果与实测结果不符的问题，对具有典型代表性的观测站观测成果进行了分析研究，提出了下沉系数和水平移动系数的修正公式。     

概率积分预计参数的ENN优化算法

为了提高ENN(Elman neural network)神经网络获取概率积分预计参数的准确性,以我国30个地表移动观测站的实测数据作为学习训练和测试的样本数据,采用强稳健局部加权回归法（Rlowess,RW)对30个地表移动观测站数据进行降噪处理,采用蚁群算法（Ant Colony Optimization,ACO）对ENN神经网络的权值和阈值进行优化,构建了ACO ENN概率积分预计参数解算模型。结果表明：对比分析ACO ENN模型解算RW降噪处理前后的实测数据,发现RW降噪处理显著提高了数据质量,提高了解算模型的预测精度;利用ACO ENN模型解算下沉系数、水平移动系数、主要影响角正切及拐点偏移距的平均相对误差分别为2.41%、3.48%、6.11%和1.67%, ACO ENN模型对于概率积分预计参数的解算精度优于传统ENN算法,为精确获取概率积分预计参数提供了新思路。     

基于遗传算法的概率积分法预计参数反演

地表移动观测站实测数据反演求取概率积分法参数是这一方法应用过程中的关键问题,现有算法存在求参易发散,难以获取最优解的缺陷.提出采用遗传算法反演概率积分法参数,研究了该算法反演结果的准确性和可靠性.研究结果表明,遗传算法反演概率积分法预计参数精度高,参数相对误差小于1.5%,对观测站中的观测值随机误差、粗差、观测点缺失的问题具有较强的抗干扰能力,较最小二乘法、模矢法在参数反演准确性和可靠性方面有明显优越性.     

基于Matlab的概率积分法开采沉陷预计参数解算

通过在开采工作面地表建立观测站获取地表变形数据解算概率积分法开采沉陷预计参数,从而预计工作面周边或相似开采条件下工作面的开采沉陷并评估和指导开采作业,其前提是精确获取概率积分法开采沉陷预计参数。为此,基于Matlab软件,采用最小二乘法拟合观测点变形数据解算概率积分法开采沉陷预计参数,并结合Matlab软件绘图工具开发了集数据载入、坐标转换、参数解算、结果输出、开采沉陷预计及反演为一体的可视化开采沉陷预计系统。以淮南谢桥煤矿11316工作面为例,根据地表移动观测点位移数据解算开采沉陷预计参数并与实测值进行对比分析,结果表明,该系统解算出的开采沉陷预计参数符合两淮矿区开采沉陷的基本规律,反演结果与实测值基本吻合,该系统对于实现矿区开采沉陷高精度预计和反演具有一定的参考价值。     

基于改进果蝇算法的概率积分法预计参数反演

由于概率积分法函数模型的非线性表现形式以及各参数之间的相关性,概率积分法开采沉陷预计参数反演时存在计算复杂、易发散、容易陷入局部最优解等问题。利用参数设置少、计算效率高、算法实现容易、全局寻优能力强且精度较高的果蝇算法进行基于概率积分法的开采沉陷预计参数反演,并对算法进行改进。以实测下沉值为参照,将预计结果与实测值相比较,结果表明,改进的果蝇算法对概率积分法的开采沉陷预计参数反演具有适用性,对于用概率积分法进行开采沉陷预计的精度的提高有一定的积极作用。     

利用果蝇算法反演概率积分法开采沉陷预计参数

针对概率积分法开采沉陷预计参数反演时存在算法复杂、计算量大等问题,将具有算法简单、计算量小、精度高等特点的果蝇算法引入到概率积分法开采沉陷预计参数反演中,研究了利用果蝇算法反演概率积分法开采沉陷预计参数的基本原理,构造了下沉拟合值与实测值均方差最小的适应度函数模型。结合安徽省某煤矿的实测数据,分别采用果蝇算法、遗传算法以及粒子群算法反演概率积分法开采沉陷预计参数,并以下沉拟合值与实测值的均方差为各算法反演精度的评价标准进行对比分析,结果表明：利用果蝇算法反演出的下沉拟合值与实测值的均方差（33.7 mm）以及相对中误差（1.4%）均小于同类条件下遗传算法、粒子群算法的反演结果,说明果蝇算法适用于反演概率积分法开采沉陷预计参数,对于提高概率积分法开采沉陷预计的精度有一定的参考价值。     

地表沉陷的概率积分法预计参数的回归分析

概率积分法是我国常用的地表移动变形预计方法之一,用该法进行预计时涉及4个基本参数的确定,目前参数的确定方法主要依据经验进行计算或者参照与待预计矿山类似条件的已有矿山数据进行确定,但这种确定方法存在误差较大,导致预计结果误差较大.文中以100个实测典型工作面的概率积分参数作为样本,借助MATLAB的曲线拟合工具Curve Fitting Tool对概率积分法的预计参数进行了回归分析,确定了最大下沉值、影响半径、最大水平移动值和开采影响传播角这4个参数与矿山地质采矿因素之间的函数关系,并经过与实测数据进行对比分析,验证了函数模型的合理性,可用于概率积分法的地表移动变形预计,并减小了误差.     

基于D-InSAR和概率积分法的矿区沉降预计

提出利用D-In SAR技术确定主要影响半径,结合GPS实测值,求取了概率积分法预计参数,预计值与实测值误差在0.25 m之内,实验证明该方法可更好地用于矿区地表形变的沉降预计。     

基于概率积分法的多维参数预计实验

提出了一种基于约束规则的多维参数优选来实现高精度预计的方法,通过偏差值、相对偏差值等指标加以评价。实验证明:采用多维参数进行预计是可行的,而且较于使用定维参数进行预计,其预计精度得到一定程度的提高。     

概率积分法参数影响因素分析与研究展望

概率积分法预计的基本参数值选取的准确与否直接关系到矿区地表移动和变形预计的精度。针对目前无实测资料或特殊地质采矿条件下的矿区沉陷预计参数选取缺乏理论依据的现状,详细分析了地质采矿因素对概率积分法参数的影响机理,并结合大量文献,总结了概率积分法参数的影响因素。