發(fā)布時間：2021-01-07 05:47

　　采場覆巖變形是礦山壓力驅(qū)動下巖體變形、破裂與失穩(wěn)過程,表現(xiàn)在覆巖大范圍變形、離層發(fā)展、裂隙等方面,造成工作面強壓等礦井災害。因此,為了掌握礦山壓力顯現(xiàn)規(guī)律,針對巖石內(nèi)部變形預測難的問題,采用分布式光纖監(jiān)測巖石內(nèi)部變形,引入光纖平均頻移變化度作為判斷周期來壓指標,驗證光纖表征覆巖變形機理,并將監(jiān)測到的數(shù)據(jù)作為樣本集,結(jié)合機器學習算法構(gòu)建礦壓預測模型。本文以大柳塔煤礦淺埋煤層地質(zhì)條件實驗的39組開挖數(shù)據(jù),為實驗樣本。對其數(shù)據(jù)相空間重構(gòu),重構(gòu)后的數(shù)據(jù),取后11次開挖為測試集,共出現(xiàn)2次礦壓顯現(xiàn)。采用多種機器學習算法如:神經(jīng)網(wǎng)絡(luò)、支持向量機,集成算法:隨機森林、GBDT、XGBoost算法,建立礦山壓力顯現(xiàn)規(guī)律時間序列預測模型。在訓練樣本和測試樣本不變的前提下,BP神經(jīng)網(wǎng)絡(luò)類回歸模型（BPNN）成功預測出1次周期來壓、支持向量機類回歸模型（SVR）預測出2次周期來壓,相比于前兩種算法,集成學習表現(xiàn)更好,其中以XGBoost回歸算法（XGBR）為代表集成算法在預測礦壓表現(xiàn)最優(yōu),不僅成功預測出兩次周期來壓,而且在計算速度和模型指標都是最優(yōu),明顯高于其他模型。單一地質(zhì)資料還不能說明XGBoost的預... 

【文章來源】：西安科技大學陜西省

【文章頁數(shù)】：97 頁

【學位級別】：碩士

【部分圖文】：

數(shù)字成像超聲

同樣為理論研究提供大量依據(jù)還有試驗測試方法，傳統(tǒng)的試驗測試方法有全站儀、百分表、應變片等測量技術(shù)。隨著對試驗精度、范圍要求越來越高，引入更為先進的測試手段。來興平教授[26]利用聲發(fā)射技術(shù)研究了不同尺度開采過程中采空區(qū)圍巖介質(zhì)損傷系統(tǒng)于宏觀動力失穩(wěn)時空關(guān)系分析。潘一山教授[27]利用數(shù)字散斑技術(shù)研究了圍巖應力演化特征和巖體變形規(guī)律，解釋了沖擊礦壓和深部巖巷穩(wěn)定性控制機理。柴敬教授[28]通過相似材料模型試驗研究了關(guān)鍵層破斷規(guī)律的光纖傳感檢測，獲得了關(guān)鍵層初次破斷和周期破斷的曲線特征。圖1.4模型損傷的聲發(fā)射AE測試圖1.5覆巖變形BOTDA實驗測試1.2.2分布式光纖傳感技術(shù)及應用現(xiàn)狀自上世紀70年代末分布式光纖傳感技術(shù)憑借其體積孝精度高、實時監(jiān)測等特點廣泛的應用于各個工業(yè)領(lǐng)域。1980年左右R.Y.Chiao等[29]提出分布式光纖技術(shù)，充分發(fā)揮長距離連續(xù)性分布的特性，實現(xiàn)了100公里的遠距離分布式傳感監(jiān)測。1989年，日本Horiguchi等人[30]提出BOTDA系統(tǒng)，實現(xiàn)了結(jié)構(gòu)的應變測試，并取得很好的效果。隨著信息化、智能化的發(fā)展，工業(yè)領(lǐng)域?qū)ΡO(jiān)測技術(shù)的要求也越來越高。傳統(tǒng)監(jiān)測手段已經(jīng)漸漸無法滿足現(xiàn)代化、信息化、智能化的要求，分布式光纖傳感技術(shù)的出現(xiàn)大大解決了現(xiàn)狀。國外，MilchaelIten等[31]提出的將分布式光纖嵌入錨桿進行連續(xù)應力場分布檢測，并將BOTDA分布式光纖傳感成果應該到滑坡邊界定位中。Buchoud等[32]提出了基于分布式光纖監(jiān)測的土體結(jié)構(gòu)位移場測試方法，解決了地表沉降位移預測的問題。國內(nèi)，蔣小珍等[33]開展相似模型試驗通過BOTDR分布式光纖傳感技術(shù)來監(jiān)測巖溶塌陷問題，主要由分布式光纖的檢測可靠性來監(jiān)測變形的全過程。李煥強等[34]采用BOTDR

覆巖變形BOTDA實驗測試

【參考文獻】：
期刊論文
[1]基于XGBoost的多維度超短期負荷預測研究[J]. 楊修德,王金梅,張麗娜,楊國華,李冰軒.  電氣自動化. 2019(01)
[2]基于相空間重構(gòu)的FOA-GLSSVM深基坑變形預測模型研究[J]. 謝洋洋,吳大鵬,付超,周杰,史益軍.  大地測量與地球動力學. 2018(10)
[3]采空區(qū)煤自燃預測的隨機森林方法[J]. 鄧軍,雷昌奎,曹凱,馬礪,王彩萍,翟小偉.  煤炭學報. 2018(10)
[4]采場覆巖變形和來壓判別的分布式光纖監(jiān)測模型試驗[J]. 柴敬,霍曉斌,錢云云,張丁丁,袁強,李毅.  煤炭學報. 2018(S1)
[5]基于GA-SVR的采動覆巖導水裂隙帶高度預測[J]. 柴華彬,張俊鵬,嚴超.  采礦與安全工程學報. 2018(02)
[6]智慧煤礦2025情景目標和發(fā)展路徑[J]. 王國法,王虹,任懷偉,趙國瑞,龐義輝,杜毅博,張金虎,侯剛.  煤炭學報. 2018(02)
[7]XGBoost算法在制造業(yè)質(zhì)量預測中的應用[J]. 蔣晉文,劉偉光.  智能計算機與應用. 2017(06)
[8]Xgboost在滾動軸承故障診斷中的應用[J]. 張鈺,陳珺,王曉峰,劉飛.  噪聲與振動控制. 2017(04)
[9]XGBoost在超短期負荷預測中的應用[J]. 楊修德,王金梅,張麗娜.  電氣傳動自動化. 2017(04)
[10]XGBoost算法在電子商務(wù)商品推薦中的應用[J]. 張昊,紀宏超,張紅宇.  物聯(lián)網(wǎng)技術(shù). 2017(02)

博士論文
[1]基于光纖頻移變化度的采動覆巖變形表征試驗研究[D]. 朱磊.西安科技大學 2018
[2]基于監(jiān)測時間序列的沖擊地壓混沌特性分析及其智能預測研究[D]. 陶慧.中國礦業(yè)大學 2014
[3]基于支持向量機的時間序列組合預測模型[D]. 向昌盛.湖南農(nóng)業(yè)大學 2011
[4]全尺度光纖布里淵分布式監(jiān)測技術(shù)及其在土木工程的應用[D]. 何建平.哈爾濱工業(yè)大學 2010
[5]基于支持向量機的巖土非線性變形行為預測研究[D]. 董輝.中南大學 2007

碩士論文
[1]分布式光纖傳感監(jiān)測大數(shù)據(jù)的存儲、管理與處理系統(tǒng)研究[D]. 王夢嬌.電子科技大學 2019
[2]基于信息融合和XGBoost的結(jié)構(gòu)損傷識別研究[D]. 張騰劍.浙江大學 2018
[3]基于Python機器學習的可視化麻紗質(zhì)量預測系統(tǒng)[D]. 張凱姣.東華大學 2017
[4]基于支架工作阻力的工作面礦壓顯現(xiàn)規(guī)律自動分析技術(shù)研究[D]. 趙吉玉.山東科技大學 2017
[5]基于相空間重構(gòu)預測方法預測能力研究及其在風暴增水預測中的應用[D]. 尤成.國家海洋環(huán)境預報中心 2015
[6]地下工程圍巖變形的支持向量機預測方法研究[D]. 耿耘.北京交通大學 2014
[7]礦山地震活動及其混沌時間序列分析[D]. 蔣嬌蓮.中南大學 2011
[8]基于PSO-BP神經(jīng)網(wǎng)絡(luò)的淺埋煤層工作面頂板礦壓預測研究[D]. 楊碩.西安科技大學 2010



本文編號：2962029