首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 93 毫秒
1.
对采空塌陷场地进行稳定性评价是保证后续工程建设安全的重要前提。针对某磷矿急倾斜矿层采空塌陷场地稳定性评价影响因素多、地质采矿条件复杂的问题,提出了基于主成分层次聚类模型的稳定性判别方法。在确定采空塌陷场地稳定性评价范围的基础上,筛选了表征采空塌陷场地稳定性的8个主要指标作为学习样本进行训练,经主成分降维后,建立采空塌陷场地稳定性评价的AGNES(AGglomerative NESting)层次聚类模型并应用于该磷矿采空塌陷场地稳定性评价中。实验结果表明,采空塌陷场地稳定性影响因素的前4项主成分的累计贡献率为81.8%,较好地表征原始样本指标所包含的信息,采空塌陷场地稳定性总体能够与此区域城市规划不同用地性质的土地承载力相适应,并与其他手段评价结果相比较证明了主成分层次聚类模型应用于采空塌陷场地稳定性评价中的可行性和有效性。  相似文献   

2.
基于T-S模糊神经网络的采空塌陷危险性判别   总被引:1,自引:0,他引:1  
采空区地面塌陷的危险性判别受地质因素、采矿因素等多重因素的影响,各因素往往影响程度不同且部分因素之间又相互联系。为了能够较准确地对采空塌陷危险性进行评估,引入了T-S模糊神经网络模型。以北京西山地区采空塌陷为例,根据塌陷特点,分别选取了地质构造复杂程度、覆盖层类型、第四系覆盖层厚度、覆岩强度、煤层倾角、采深采厚比、采空区埋深、采空区空间叠置层数8项影响因素作为评价指标,并建立了分级标准。将单因素评价指标均匀线性插值作为训练样本,建立了T-S模糊神经网络判别模型。利用训练好的神经网络模型对选取的8处采空区进行评估,结果分别为:Ⅰ、Ⅱ、Ⅲ、Ⅱ、Ⅲ、Ⅱ、Ⅲ、Ⅱ,结果与实际情况吻合。研究表明,利用T-S模糊神经网络研究采空塌陷危险性是可行的。  相似文献   

3.
矿区岩溶地表塌陷神经网络预测研究   总被引:3,自引:0,他引:3  
针对近年来某矿岩溶地表塌陷频繁发生的现象,分析确定了影响地表塌陷的主要因素,构建了矿区岩溶地表塌陷预测BP神经网络模型,以训练后的BP网络模型对矿山帷幕注浆三期工程完成后可能形成的地表塌陷区的空间分布进行预测。并针对矿山现实塌陷情况,结合各区预测塌陷危险分级结果,提出了相应的岩溶地表塌陷灾害防治措施。实践表明,所建模型的预测结果与矿区地表塌陷实际情况相符,可为矿山后续帷幕注浆工程的设计与施工提供有益借鉴,为岩溶矿区地表塌陷灾害提供预警支持。  相似文献   

4.
张静 《地质与勘探》2024,60(1):88-94
采空塌陷危险性评价是编制地质灾害防治规划、开展地质灾害防治与监测预警工作的重要依据。本文采用层次分析法与频率比模型相结合构建了采空塌陷危险性评价模型(AHP-PF组合模型)。以沈阳市蒲河-清水矿区为例,考虑了地质条件、地表特征、开采条件等3方面影响因素,选取了第四纪覆盖类型、第四纪松散层厚度、地质构造复杂程度、可采煤层顶板强度指标、煤层倾角、地表沉陷速率、采深采厚比、采空区叠置层数等8个评价指标,利用AHP-PF组合模型计算各指标权重及频率比,最后进行采空塌陷危险性分区。评价结果表明,采空塌陷危险性高区主要集中在采深采厚比小、沉陷速率大及目前仍在开采的区域,该区域是地质灾害防治、搬迁避让的重点区域。  相似文献   

5.
人工神经网络在岩溶塌陷预测中的应用研究   总被引:10,自引:2,他引:8  
本文利用已有资料建立了岩溶塌陷预测BP神经网络模型,并对桂林岩区进行了岩溶塌陷预测。结果表明,在岩溶塌陷预测中应用BP神经网络模型是行之有效的。  相似文献   

6.
本文以吉林省三合城村玄武岩台地采空塌陷为例,通过对比分析,发现由于玄武岩盖层的存在,玄武岩台地采空塌陷有其特殊性,概率积分法计算结果与塌陷实际情况差异较大,但水平变形最大区域与裂缝带的分布位置却有着良好的对应关系。进而,本文总结了玄武岩台地采空塌陷地表变形的一般规律,以期对今后玄武岩台地采空塌陷的预测与防治工作有一定参考价值。  相似文献   

7.
煤矿开采后引发地面塌陷的危险性预测评估是煤矿地质灾害危险性评估的核心内容。以华亭矿区大柳矿井地质灾害危险性评估为例,介绍了煤矿采空引发地面塌陷危险性预测评估的基本内容及评估深度,并提出了较全面的矿区采空塌陷的防治措施,可以为矿井开采后防治地面塌陷提供指导。  相似文献   

8.
通过对当阳石膏矿基本情况调查,在收集资料的基础上,详细查明了当阳石膏矿的地质条件及采空塌陷所产生的环境地质问题,准确圈定了塌陷灾害的平面分布范围,探讨了当阳石膏矿1~#采空区塌陷特征、形成机理。根据现有的采空塌陷成因分析,预测了其发展趋势。  相似文献   

9.
人工神经网络在水源地影响评价中的应用   总被引:5,自引:0,他引:5       下载免费PDF全文
为了评价水源地开采过程中对周围地下水环境的影响,本文运用BP神经网络模型建立了有4个输入、2个输出的三层网络模型,通过BP网络学习训练,得到水源地的BP网络模型,并运用该模型预测了在不同条件下因水源地开采所引起的降落漏斗秒地下水补给量,计算表明,BP神经网络用于模拟地下水系统简便,实用,能很好地预测地下水动态变化情况。  相似文献   

10.
薛新华 《岩土工程技术》2006,20(5):237-239,266
针对BP人工神经网络具有易陷入局部极小等缺陷,提出了将遗传算法与神经网络结合,同时优化网络结构的权值与阈值的思想,建立了基于遗传算法的围岩松动圈预测的神经网络模型。用该模型对巷道围岩松动圈厚度进行了预测并与BP预测结果相比较。结果表明,该遗传神经网络模型可靠,预测精度高,用来对围岩松动圈厚度进行预测是有效的和可行的。  相似文献   

11.
导水裂隙带高度是西部矿区保水采煤的理论依据和关键参数。近年来,BP神经网络广泛应用于导水裂隙带高度预测,但BP神经网络存在收敛速度慢、易陷入局部极小等问题。为提高导水裂隙带高度预测的准确性,利用粒子群优化算法(PSO)对BP神经网络的权值和阈值进行优化,建立基于PSO-BP神经网络的导水裂隙带高度预测模型。选择开采厚度、开采深度、工作面倾斜长度、煤层倾角、覆岩结构特征为导水裂隙带高度主要影响因素,选取22例导水裂隙带高度实测数据对PSO-BP神经网络进行训练,将训练后的PSO-BP神经网络对2例测试样本的预测结果与实际值进行对比,并与BP神经网络预测模型及经验公式预测结果进行对比。结果表明:PSO-BP神经网络预测模型的平均相对误差为1.55%;BP神经网络预测模型的平均相对误差为4.8%,经验公式的最小相对误差为9.4%,PSO-BP神经网络预测精度明显优于BP神经网络和经验公式,且绝对误差和相对误差变化较稳定,可以有效预测导水裂隙带高度。   相似文献   

12.
地表移动预计参数选取的神经网络法   总被引:6,自引:0,他引:6  
地表移动预计参数的选取是研究地表移动及其规律的重要内容,由于预计参数受多种复杂因素的影响,具有高度的不确定性和离散性,利用神经网络具有自组织、自学习和高度非线性映射的能力,并既能考虑定量因素又能考虑定性因素的优点,可建立地表移动预计参数选取的神经网络模型以及对BP神经网络进行改进。利用大量的地表移动实际观测数据样本对该网络模型进行训练和学习,并用该网络模型对地表移动参数进行预计,结果表明,该改进的BP神经网络具有收敛速度快、预计参数精度高的优点,从而为开采沉陷地表移动预计中参数的选取提供了新方法。  相似文献   

13.
基于BP神经网络方法的矿井涌水量预测   总被引:2,自引:0,他引:2  
鉴于矿井涌水威胁煤矿安全生产及其影响因素的复杂性,提出基于BP神经网络的矿井涌水量预测方法.在充分分析新安煤矿+25m开采水平的涌水影响因素的基础上,选取大气降水、采空区面积和底板构造断裂和采动裂隙三个影响因子,建立了非线性人工神经网络预测模型,对+25m开采水平的正常涌水量进行了预计.其结果和实际观测数据能够较好地相吻合,表明采用人工神经网络预计矿井涌水量是可行的.  相似文献   

14.
针对煤层底板突水预测问题,在总结现有突水预测方法和理论的基础上,通过特征选择实验得出水压、距工作面距离、砂岩段厚度、煤层厚度、煤层倾角、断层落差、裂隙带、开采面积、采高、走向长度是影响突水发生的主要因素,这些因素具有复杂、非线性的特点。提出基于长短时记忆(LSTM)神经网络构建的突水预测模型,将煤矿突水实例的数据作为样本数据对模型进行训练。最后,将LSTM神经网络模型与遗传算法-反向传播(GA-BP)神经网络模型和反向传播(BP)神经网络模型进行对比实验。实验结果表明,LSTM神经网络模型在测试集上的预测正确率更高,稳定性更好,更适用于煤层底板突水预测。   相似文献   

15.
Predicting the destroyed floor depth caused by the mining of coal seams is of great importance in judging whether the mining of a deep coal seam can be safely performed above a confined aquifer and to prevent the inrush of water from the floor. Thirty sets of coal mining data on destroyed floor depth were selected for study. A comprehensive analysis of the factors that influence the depth of destruction of coal seam floor strata was performed and combined with the ability of a BP neural network to address dynamic nonlinear information. Then, a set of test samples was assembled and used to construct a predictive model using a BP neural network. The model was then used to predict the destroyed floor depth of the 7105 working face of the Baizhuang Coal Mine in the Feicheng coal field. To verify the effectiveness of the model, the depth of the destroyed strata comprising the coal seam floor was measured using equipment called the “Double Sided Sealed Borehole Water Injection Device.” By comparing the predictions made by the BP neural network with actual measurements, the conclusion was reached that a BP neural network model can effectively be used to predict the destroyed floor depth caused by the mining of a coal seam.  相似文献   

16.
文章以莱州湾凹陷垦利油田沙河街组储层为例,对传统的回归统计模型和基于BP神经网络的人工智能预测模型评价储层渗透率方法和效果进行了对比研究。目标储量报告里定火沙三段中孔、中渗;岩性(粒度)和孔隙度是储层渗透率的主要影响因素。根据岩心及测井数据,建立了孔隙度——粒度二元回归渗透率统计评价模型和BP神经网络渗透率预测模型。通过检验样本集精度对比,分析了隐含层数、隐含层节点数等网络结构参数变化对模型预测结果的影响,重点分析了不同的测井参数输入对BP神经网络模型预测结果的影响。优化后的BP神经网络模型对检验样本集的渗透率预测结果精度最高,其平均相对误差为37%,比传统的二元回归统计模型精度提高了26%。对目标油田三口井连续处理,BP神经网络模型渗透率预测结果更加合理,可以满足开发层段产能分析等生产需求。  相似文献   

17.
针对沈阳地铁一号线重工街站至启工街站区间隧道开挖引发地面沉降变形的问题,利用现场实测的地表沉降变形数据建立BP神经网络模型,并进行网络训练与预测。预测结果表明,时间序列神经网络模型能够很好地表达地面沉降监测数据序列间的非线性关系。利用BP神经网络建立的预测模型,所得预测值与实测值拟合很好,是预测地铁施工引发地面沉降变形的一种有效方法,能为沈阳地铁隧道的设计及施工提供科学合理的依据。  相似文献   

18.
提出了一种基于遗传算法(genetic algorithms,GA)的BP神经网络模型来进行径流量预测。此模型融合了遗传优化算法的全局寻优能力和BP神经网络的局部搜索的优势,有效地防止了网络陷入局部极小值,同时又保证了预测结果的精确性。仿真实验结果表明:在黄河三门峡1950~1985年年径流量预测方面,GA-BP模型预测的平均相对误差为5.67%,标准BP算法的模型平均预测误差为11.05%,说明提出的GA-BP径流量方法行之有效。  相似文献   

19.
基于BP神经网络的深埋隧洞地应力预测研究   总被引:3,自引:0,他引:3  
深部地应力的测量一直是工程界难题之一.由于研究手段和测试技术的限制,深部地应力很难测到,或者部分数据不理想.本文将BP神经网络方法引入地应力场研究,选取深度、岩芯密度(天然密度)、岩芯弹模、岩芯的三轴抗压强度(10MPa围压)、岩芯的声发射地应力测值、岩芯裂隙率6个参数作为地应力预测研究的主要指标,在此模型的基础上对秦岭深埋隧洞地应力测量数据进行了拟合分析,并对深部的地应力做了预测.结果表明用BP神经网络模型进行深埋隧洞地应力大小的预测是可行的.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号