基于LMD-BA-ELM的边坡变形时序非线性预测模型研究

为分析和预测边坡变形,基于局域均值分解(LMD)、蝙蝠算法(BA)和极限向量机(ELM)的基本原理,建立边坡变形时序非线性预测模型。用LMD法将边坡变形时序样本分解为多组相对平稳的分量;用BA对ELM的参数进行全局寻优,构建BA-ELM预测模型,并对各分量进行滚动预测,经叠加各分量预测值,得到边坡变形最终预测结果。以某露天矿边坡变形实际监测数据为例,进行多模型对比分析。结果表明:LMD-BA-ELM模型预测的平均绝对误差为0.151 0 mm,平均相对误差为1.287 3%,运行时间为7.614 3 s;能够充分挖掘边坡变形的内部规律,有效降低其非线性特征。     

露天矿边坡变形的LMD-Elman时序滚动预测研究

为准确预测边坡变形,采用局部均值分解(LMD)与Elman神经网络相结合的方法,构建基于LMD-Elman的露天矿边坡变形的滚动预测模型。通过LMD将时序样本分解为多个分量,利用Elman神经网络对各分量进行滚动预测,再叠加各预测值重构最终理论预测值。以某露天矿边坡实际监测数据为例,进行仿真预测。结果表明:监测数据自身携带诱导边坡变形及失稳的重要信息,基于LMD-Elman的滚动预测能有效揭示边坡变形的波动性、趋势性和周期性特征;模型预测结果的平均绝对误差为0.056 8 mm,平均相对误差为2.756 8%,与单一Elman模型相比,预测精度显著提高。     

露天矿边坡变形预测的协同进化多核相关向量机模型

为提高露天矿边坡变形预测精度,利用协同进化粒子群(CEPSO)优化多核相关向量机(MK-RVM)的参数,构建协同进化多核相关向量机(CEPSO-MK-RVM),并将此模型应用于露天矿边坡变形预测。将CEPSO-MK-RVM的结果与协同进化多项式核函数相关向量机(CEPSO-PolyRVM)、协同进化高斯核函数相关向量机(CEPSO-Gauss-RVM)及修正果蝇优化下的支持向量回归(MFOA-SVR)的结果进行对比,并分析CEPSO对MK-RVM参数的优化效果。结果表明,CEPSO比标准粒子群优化(PSO)算法具有更好的优化效率及最优解;用CEPSO-MK-RVM模型得到的结果,4个精度指标均优于其余3种方法,边坡变形预测的精度得到有效提高。     

基于FA-BAS-ELM的海洋油气管道外腐蚀速率预测

为提高海洋油气管道外腐蚀速率预测的精度和效率,建立基于因子分析(FA)和天牛须搜索算法(BAS)的极限学习机(ELM)腐蚀速率预测模型。利用FA对影响因素数据集进行降维处理,确定预测模型的输入变量;建立ELM预测模型,并采用BAS对ELM模型的参数进行优化,避免参数取值随机性对模型预测性能的影响;以实海挂片试验为例,通过建模仿真评价模型的预测性能,并与其他模型进行对比分析。结果表明：FA-BAS-ELM预测模型的平均绝对误差(MAPE)仅为1.92%,决定系数R²高达0.994 9,相比于其他模型,该模型具有更优的预测性能。     

基于MPSO-WLS-SVM的矿井瓦斯涌出量预测模型研究

为有效预防瓦斯灾害,以预测矿井瓦斯涌出量为研究目的,提出经改进的粒子群算法(MPSO)优化的加权最小二乘支持向量机(WLS-SVM),并用其预测非线性动态瓦斯涌出量。算法通过对WLS-SVM的正则化参数C和高斯核参数σ寻优,建立基于MPSO优化的WLS-SVM的瓦斯涌出量预测模型,并利用某矿井监测到的各项历史数据进行实例分析。试验结果表明:该预测模型预测的最大相对误差为5.99%,最小相对误差为0.43%,平均相对误差为2.95%,较其他预测模型有更强的泛化能力和更高的预测精度。     

支持向量机对多环芳烃毒性的定量构效预测

为了实现多环芳烃(PAHs)毒性的有效预测,提出应用定量构效技术对多环芳烃的空气-正辛醇分配系数(KOA)和致癌性进行预测。应用分子描述符和试验值确立构效关系,采用支持向量机算法(SVM)和人工神经网络算法(ANN)分别建立了PAHs的KOA回归预测模型和致癌性分类预测模型。利用网格划分(GS)、遗传算法(GA)、粒子群算法(PSO)对SVM进行参数寻优。应用均方误差(MSE)、拟合决定系数R2和分类准确率(Accuracy)分别对模型进行了验证与评价。结果表明,最佳回归预测模型GS-SVR的MSE为0.059 7,R2为0.913 0;最佳分类预测模型GA-SVC的Accuracy为95%。研究表明:应用SVM所建两种模型的稳定性和预测能力都优于应用ANN建立的模型;参数优化后模型的稳定性和预测能力得到了提高。     

建筑施工事故非线性灰色伯努利模型预测

为提高建筑施工事故灰色预测模型精度,在传统GM(1,1)模型基础上,建立非线性灰色伯努利模型(NGBM),并采用粒子群优化(PSO)算法对参数进行优选。以2001—2011年全国建筑事故死亡人数统计数据为基础,运用该模型对2012—2013年的相应人数进行预测,并与GM(1,1)模型和灰色Verhulst模型的结果相对比。结果表明,NGBM拟合精度最好,平均相对误差仅为2.65%,验证了模型的可行性和准确性。     

基于MCMC填补的SSA-SVM煤与瓦斯突出预测模型

为提升煤与瓦斯突出预测准确度,减小数据缺失对煤与瓦斯突出预测的不利影响,提出1种基于链式多重填补马尔科夫链蒙特卡罗(MCMC)的麻雀搜索算法(SSA)优化支持向量机(SVM)预测模型。根据突出影响因素选取模型参数,运用MCMC对突出事故缺失值进行数据填补,采用SSA优化SVM,建立MCMC-SSA-SVM模型对填补后数据集进行预测,验证MCMC填补有效性和SSA优化性能;分别构建SVM、SSA-SVM、PSO-SVM、GAM-SVM、CMC-SVM、MCMC-PSO-SVM和MCMC-GA-SVM这7种模型进行突出预测,对比预测准确度,分析MCMC-SSA-SVM、MCMC-PSO-SVM和MCMC-GA-SVM的适应度。研究结果表明：MCMC填补后准确度均提升7.89个百分点以上,SSA的优化性能强于PSO和GA,MCMC-SSA-SVM预测准确度最高,为97.37%,泛化能力优于对比模型。研究结果可为煤与瓦斯突出预测研究提供借鉴和参考。     

边坡变形的LMD-ELM多尺度预测模型研究

为准确预测边坡变形,有效预防边坡灾害发生,提出构建基于局域均值分解(LMD)和极限学习机(ELM)的边坡变形多尺度预测模型。用LMD方法,将边坡变形时间序列分解为多尺度且相对平稳的随机项、周期项和趋势项。针对各项时间序列,分别构建基于ELM的预测模型。经累加各分项预测值,获得模型最终预测结果。以甘肃某边坡变形为案例,进行实证分析。结果表明:LMD-ELM模型能够充分挖掘数据内部隐含的变形规律,有效诠释多尺度变形与其诱发因素间复杂的响应关系,预测精度、运行速度和拟合泛化能力较其他模型有所提高。     

基于ANN耦合遗传算法的爆破方案选择方法

为预防露天矿爆破引起的事故,基于安全和经济方面的考虑,对露天矿爆破方案进行优化选择,提出将人工神经网络(ANN)模型与遗传算法(GA)相耦合,从而进行爆破方案优化。研究露天矿爆破可能引起的2种主要危害形式:超爆和飞石,进而确定超爆深度和飞石距离为爆破方案的被优化目标参数。另一方面,炮眼深、间距、装药深度、阻塞深度、单位炸药消耗量和钻孔率对超爆深度和飞石距离的影响是复杂的、非线性的,因而将其作为爆破方案的影响参数。分别用影响参数和目标参数作为ANN的输入值和输出值加以训练,训练后的ANN数据作为GA的适应度函数进行方案优化。结果表明:可找到符合工程实例数据的爆破方案集合,借助Pareto图,可得到相关参数的值最小(超瀑深度为0.6999m,飞石距离为27.3386m)的最优爆破方案。     

排土场与爆破荷载共同作用下的露天矿边坡稳定性分析

目前排土场对露天矿边坡稳定性的影响和动力荷载对露天矿边坡稳定性的影响,大多是被分别研究的。这样做难以真实反映露天矿边坡实际受力状态。基于此,对排土场和爆破荷载共同作用下露天矿边坡稳定性进行研究。首先,通过室内试验确定岩体参数,分析露天矿边坡在排土场和自重情况下的变形特征,并以此为初始状态,采用Ansys/ls-dyna的隐式-显式分析功能,研究其在爆破荷载作用下的岩体的响应特征。其次,验证新疆某露天矿排土场距离设置是否满足开采要求。结果表明:该露天矿边坡未出现明显破坏特征,整体处于稳定状态,该排土场距离设计合理;研究结果与工程类比分析结论一致。     

软弱基底排土场变形破坏治理措施研究

针对软弱基底露天矿排土场普遍存在的变形破坏问题,结合胜利东二露天矿南排土场南帮边坡的工程实际,基于极限平衡理论,给出了通过探槽及滑坡变形反分析综合确定基底赋存条件及抗剪强度指标的方法;提出了对软弱基底排土场的变形治理措施;根据已有监测数据,对南帮边坡治理效果进行了评价。结果表明:在实施削坡减载措施后,各地表监测点的累计位移趋于平缓,边坡治理措施效果明显,解决了胜利东二露天矿迫切的安全问题,为同样具有软弱基底的其他露天矿排土场变形及破坏治理提供了指导。     

井工开采影响下的露天矿边坡沉陷规律研究

许多露天煤矿通过井工开采回收了边坡下的煤炭资源,但也不同程度地加剧了露天矿边坡的失稳和沉陷问题。其引起的岩层移动及地表下沉是一个复杂的物理、力学变化过程,本文以安家岭露天煤矿及其一号井工矿作为研究背景,首先分析了该矿山采空区的塌陷现状、特点、成因机制以及对露天煤矿生产带来的影响;并应用概率积分法与FLAC数值模拟方法对采空区塌陷进行模拟和预测分析,研究了露井共采作用下边坡变形及破坏机理,揭示了井工采动影响下,露天矿台阶式边坡特有的变形形态、应力分布特征、形成机理与采动沉陷规律。本文研究结论对于同类露井共采的矿山有着重要的借鉴意义。     

基于有限元强度折减法的露天磷矿高边坡稳定性分析

针对尖山磷矿开采实际情况,利用ANSYS有限元分析软件建立了考虑重力载荷作用的高边坡体稳定性分析数值模型,运用强度折减法折减边坡岩体的黏聚力和内摩擦角,根据计算结果分析尖山磷矿东采区高边坡在重力作用下的稳定情况。结果表明:当折减系数由1.33增加到1.34时,高边坡体的位移、塑性应变发生突变,通过边坡失稳的主要判据判定目前尖山磷矿东采区高边坡的安全系数为1.33,边坡稳定。     

基于EMD-MFOA-ELM的瓦斯涌出量时变序列预测研究

为准确分析工作面绝对瓦斯涌出量的非平稳特征,实现瓦斯涌出量的准确预测,基于经验模态分解(EMD)、修正的果蝇优化算法(MFOA)和极限学习机(ELM)基本原理,构建瓦斯涌出量的EMD-MFOA-ELM多尺度时变预测模型。通过EMD将瓦斯涌出量时变序列进行深层次分解,获得多尺度本征模态函数(IMF);采用MFOA-ELM对各IMF时变序列建立动态预测模型,等权叠加各预测值,得到模型最终预测结果。以晋煤某矿瓦斯涌出量监测时序样本为例进行研究分析,结果表明:EMD能充分挖掘出监测数据隐含信息,有效降低数据复杂度;该模型预测相对误差为0.024 3%~0.651 0%,平均值仅为0.252 6%,预测精度和泛化能力高于未经EMD分解模型,能很好地适用于非平稳时变序列预测。     

基于泛平均运算的矿井瓦斯浓度组合预测模型

为有效分析煤矿瓦斯监测数据以实现准确、可靠的瓦斯浓度预测,基于不等权泛平均运算模型,研究瓦斯浓度时间序列组合预测的方法,提出一种新的矿井瓦斯浓度组合预测模型,并证明最优组合预测模型是其特例。采用自回归(AR)模型和径向基函数(RBF)神经网络预测模型作为组合预测模型的单项预测模型;以遗传算法和最小二乘法确定新组合预测模型的参数,实现瓦斯浓度预测单项模型的最优组合。试验分析表明:新模型在平方和误差、平均绝对误差、均方误差、平均绝对百分比误差、均方百分比误差等评价指标上,均取得比自回归模型、径向基函数神经网络模型和最优组合预测模型更低的误差。     

弓长岭露天铁矿采空区稳定性及预警研究

采空区对露天矿的安全生产具有极大的威胁。针对弓长岭露天矿众多已探明的采空区进行了稳定性分析。对露天矿日常的爆破作业进行了爆破测振,统计回归出萨道夫斯基经验公式参数,获得了爆破振动对空区产生的荷载。建立了采空区顶板三铰拱承载的力学模型,推导了空区顶板稳定性的判据。利用数值模拟方法,计算拱形空区在不同荷载作用下稳定性,对弓长岭露天铁矿已探明各空区进行了预警,为弓长岭露天矿处理空区及安全生产提供依据。     

露天转地下开采对复合边坡稳定性影响的评价

露天矿深部资源开采因受到剥采比等因素的制约需要转为井工矿开采;从采掘空间位置分布关系来看,边坡体位于地下采动影响域内,由此造成了两种采动效应的相互作用,并构成复合叠加效应,使得边坡稳定性受到严重影响,一旦产生滑坡将严重影响周边环境的安全或诱发次生灾害。以某矿的开采工程实践为背景,针对地下开采作用下山体与露天边坡的稳定性进行了研究,系统分析了露天坡和山峰外侧边坡的稳定性,并对滑坡可能产生的后果及其次生灾害进行了分析,从而为矿山安全生产和防控提供了决策依据     

基于证据理论的煤矿瓦斯涌出组合预测

为提高煤矿瓦斯涌出量预测的准确度,引入证据理论组合预测方法。根据瓦斯涌出量及其主要影响因素间的实验数据,采用3个不同的粒子群神经网络模型对涌出量进行初步预测。并由BP、RBF网络对预测误差及预测点的影响因素进行分析建模,以获取每个模型的可信度。再利用证据理论对其进行合成,确定组合模型的权值,最终实现对瓦斯涌出量的组合预测。实例结果表明,该组合预测方法的平均绝对误差、均方误差分别为18.5%、5.8%,均小于神经网络组合法及等权平均法的相应预测误差,适用于煤矿瓦斯涌出量预测。     

平庄西露天矿露井联采高陡长大 边坡稳定性监测研究

为掌握平庄西露天矿露井联采顶帮边坡的岩移规律与稳定性状态,揭示地下开采对边坡稳定性的影响,基于对典型滑坡位移-时间特征的 认识,提出用位移历时曲线与位移加速度历时曲线形态判断边坡稳定性状态,并详细对比分析了布置在井工开采边界以及边坡走向与倾向方向 上各监测线的地表位移监测数据。结果表明,平庄西露天矿顶帮现状边坡整体处于稳定状态,II区凸边坡为相对不稳定区域;边坡岩移规律及 稳定性主要受断层、弱层、边坡平面形态、地下开采及其引起的断层活化等因素综合控制;地下开采对边坡稳定性影响范围的边界大约在边坡 表面出露标高+572m。