CN108763822B - 一种基于沉陷监测的煤矿采空区空间几何特征精准识别方法 - Google Patents

Abstract

本发明涉及一种基于沉陷监测的煤矿采空区空间几何特征精准识别方法,该方法首先定义了刻画采煤矩形采空区空间几何特征的8个参数为：m(采高)、α₀(煤层倾角)、

(采空区走向方位角)、H(采空区中心采深)、D₃(采空区走向长)、D₁(采空区倾向长)、X₀(采空区中心平面X轴坐标)、Y₀(采空区中心平面Y轴坐标)；然后假设采煤地表沉陷形态符合概率积分法模型，在此基础上，推导建立了采空区空间几何特征参数关于地表移动与变形的观测方程；最后基于所建立的采空区空间几何特征参数的观测方程，构建了采空区空间几何特征参数的量子遗传算法求解方法。本发明能够较全面、详细的识别采空区空间几何特征，有效的提高了采空区空间几何特征参数反演的准确性和稳定性。

Description

一种基于沉陷监测的煤矿采空区空间几何特征精准识别方法

技术领域

本发明涉及矿山变形监及控制领域，更具体地说是涉及一种基于沉陷监测的煤矿采空区空间几何特征精准识别领域。

背景技术

煤炭开采后形成大量废弃采空区，废弃采空区一方面内部往往赋存着丰富的水、瓦斯、残留煤柱资源以及的大量的可利用地下空间；另一方面废弃老采空区地表可根据其地基稳定程度进行分级开发利用，比如对稳定的废弃采空区地表可作为工程、建设地基开发利用，不稳定的采空区地表可开发为景观用地等。但是如何实现将废弃采空区资源变废为宝、充分开发利用的前提条件是精准探测采空区的详细赋存条件。

当前探测采空区主要采用地球物理勘探方法，主要技术有：高密度电阻率法，瞬变电磁法，地质雷达探测法等。然而常规地球物理探测采空区方法，一方面解译精度依赖先验知识的准确程度，另一方面尚不能精准反演采空区的详细特征参数(比如煤层厚度、煤层倾角、采空区倾向方位角、采深、倾向长、走向长、采空区中心坐标)，上述缺陷极大的限制了废弃采空区的开发利用。

概率积分法是我国较为成熟、应用最为广泛的预计方法，也是“三下”采煤规程指定的开采沉陷预计方法。概率积分法模型反映的实质是特定参数的工作面开采与地表沉陷响应特征的关系，理论上如果能获取地表历史沉降场，可基于概率积分法模型通过非线性智能算法反演采空区特征参数。

现有技术文献《Genetic Quantum Algorithm and its Application toCombinatorial Optimization Problem》一文对量子旋转门作出了解释。

当前雷达卫星具有丰富历史存档资料，技术上可利用D-InSAR(差分干涉测量)获取开采沉陷历史沉降场，这使得基于沉陷监测的煤矿采空区空间几何特征参数识别在技术条件上具备可行性。

发明内容

本发明正是基于上述所要解决的技术问题，提出一种煤矿采空区空间几何特征参数的地面测量识别方法，即以概率积分法为基础，推导矩形采空区参数与地表沉陷的定量关系模型(将采空区参数作为待求参数，实测地表沉陷值视为已知量)，提出利用量子遗传算法反演采空区空间几何特征参数。并通过模拟实验和工程应用开展可行性论证。

一种基于沉陷监测的煤矿采空区空间几何特征精准识别方法，所述方法包括如下步骤：

步骤S1、构建采空区特征参数B与地表沉陷的定量关系模型；

步骤S2、量子编码和生成初始化种群；

步骤S3、确定所述采空区特征参数B的初始值B₀和约束值B_i，解码并评价种群所有个体适应度，记录最优个体作为种群进化的目标；

步骤S4、判断是否满足终止条件，若满足，则输出当前种群的最优个体；若不满足，则进入下一步骤，其中，所述终止条件为，满足精度要求或者达到最大遗传迭代次数；

步骤S5、采用量子旋转门，更新种群，形成新的种群后返回步骤S3。

优选的，所述步骤S1具体包括，矩形采空区参数与地表沉陷的定量关系模型的构建，内容如下：

假设开采沉陷盆地符合概率积分法模型，则矩形工作面开采引起的地表沉陷盆地内任意点(x,y)的下沉值可表示为：

任意点(x,y)的沿指定方向

的水平移动值可以表示为：

其中，

W₀＝Mqcosα₀

在上述公式中，M表示工作面采高，q表示地表下沉系数，α₀表示煤层倾角，tanβ'表示主要影响角正切，H表示工作面走向主断面处采深，H₁表示工作面下山边界采深，H₂表示工作面上山边界采深，r表示为主要影响半径，r＝H/tanβ'，l表示工作面走向计算长度，且l＝D₃-S₃-S₄，其中D₃为工作面走向长，S₃、S₄分别为开切眼和停采线处拐点偏移距，L表示工作面倾向计算长度，且

其中D₁为工作面倾向长，S₁、S₂分别为工作面下边界和上边界处拐点偏移距，θ为开采影响传播角，b表示为水平移动系数，依据概率积分预计模型，可建立地表任意点(x,y)下沉、水平移动与采空区特征参数的关系，

W＝W(x,y；B)；U＝U(x,y；B)

其中，B为采空区特征参数，为未知数，

优选的，所述步骤S2具体包括，量子编码采用二进制编码，编码内容如下：

其中，|α_nm|²+|β_nm|²＝1，|α_nm|²表示第n个参数的第m个量子比特取“0”态的概率；|β_nm|²表示第n个参数的第m个量子比特取“1”态的概率。在初始化种群中，统一取

种群更新过程中，随机产生随机数Rnd，如果Rnd＞|α_nm|²，二进制编码取“1”态，否则取“0”态。

优选的，所述特征参数B在B₀±B_i范围内，且其二进制编码为d_md_m-1d_m-2…d₃d₂d₁，模型中二进制编码个数m＝7,d表示二进制编码“0”或“1”，根据如下公式进行解码：

将二进制代码表示的种群转换成十进制，利用十进制的数值对种群中各个个体的适应度f进行计算。

优选的，根据求参准则公式计算所述适应度f，其中，上述具体计算方式为：

假设地表任意观测点n的实测下沉值为Ws_(n)，实测水平移动值为Us(n)，该点下沉和水平移动预计值分别为为W_p(n)和U_p(n)，则任意观测点下沉和水平移动残差公式可分别定义为V_w＝W_s(n)-W_p(n)和V_U＝U_p(n)-U_s(n)，根据误差平方和最小，构建求参准则为：

模型中的个体适应度f判断准则是越大越好，是以，根据上述求参准则公式，则个体适应度函数f可表示为：

其中，pd为监测点数，W_p(n)、U_p(n)分别表示第n个观测点预测的下沉值和水平移动值，W_s(n)、U_s(n)分别表示对应的实测下沉值和水平移动值。

优选的，所述步骤S5具体包括，以步骤S3中的最优个体为进化目标，对亲代所有个体的二进制编码与当前种群最优个体二进制比较并利用量子旋转门生成子代种群的量子比特编码，操作过程为：

其中，

表示二进制编码的第i个量子比特，θ_i为旋转角，

根据量子比特编码生成子代种群二进制编码，然后返回步骤S3，重复步骤S3-S5进行迭代运算，当达到步骤S4中的终止条件时跳出循环，输出最优采空区特征参数。

优选的，初始种群数为100，所述最大遗传迭代次数为100。

与现有技术相比，本发明的有益效果为：根据本发明的煤矿采空区空间几何特征精准识别方法，能够较全面的识别采空区空间几何特征，有效的提高了采空区特征参数反演的准确性以及稳定性。

附图说明

图1为本发明提出的空间几何特征精准识别方法流程图；

图2为本发明的下沉拟合图；

图3为本发明的水平移动值拟合图。

具体实施方式

下面结合附图对本申请作进一步详细描述，有必要在此指出的是，以下具体实施方式只用于对本申请进行进一步的说明，不能理解为对本申请保护范围的限制，该领域的技术人员可以根据上述申请内容对本申请作出一些非本质的改进和调整。

实施例1

结合图1，一种基于沉陷监测的煤矿采空区空间几何特征精准识别方法，所述方法包括如下步骤：

步骤S1、构建采空区特征参数与地表沉陷的定量关系模型；

所述步骤S1具体包括，矩形采空区参数与地表沉陷的定量关系模型的构建，内容如下：

假设开采沉陷盆地符合概率积分法模型，则矩形工作面开采引起的地表沉陷盆地内任意点(x,y)的下沉值可表示为：

任意点(x,y)的沿指定方向

的水平移动值可以表示为：

其中，

W₀＝Mqcosα₀

在上述公式中，M表示工作面采高，q表示地表下沉系数，α₀表示煤层倾角，tanβ'表示主要影响角正切，H表示工作面走向主断面处采深，H₁表示工作面下山边界采深，H₂表示工作面上山边界采深，r表示为主要影响半径，r＝H/tanβ'，l表示工作面走向计算长度，且l＝D₃-S₃-S₄，其中D₃为工作面走向长，S₃、S₄分别为开切眼和停采线处拐点偏移距，L表示工作面倾向计算长度，且

其中D₁为工作面倾向长，S₁、S₂分别为工作面下边界和上边界处拐点偏移距，θ为开采影响传播角，b表示为水平移动系数，依据概率积分预计模型，可建立地表任意点(x,y)下沉、水平移动与采空区特征参数的关系，

W＝W(x,y；B)；U＝U(x,y；B)

其中，B为采空区特征参数，为未知数，

步骤S2、量子编码和生成初始化种群；

所述步骤S2具体包括，量子编码采用二进制编码，编码内容如下：

其中，|α_nm|²+|β_nm|²＝1，|α_nm|²表示第n个参数的第m个量子比特取“0”态的概率；|β_nm|²表示第n个参数的第m个量子比特取“1”态的概率。在初始化种群中，统一取

种群更新过程中，随机产生随机数Rnd，如果Rnd＞|α_nm|²，二进制编码取“1”态，否则取“0”态。

步骤S3、确定采空区特征参数B的初始值B₀和约束值B_i，解码并评价种群所有个体适应度，记录最优个体作为种群进化的目标；

所述特征参数B在B₀±B_i范围内，且其二进制编码为d_md_m-1d_m-2…d₃d₂d₁，模型中二进制编码个数m＝7,d表示二进制编码“0”或“1”，根据如下公式进行解码：

将二进制代码表示的种群转换成十进制，利用十进制的数值对种群中各个个体的适应度f进行计算。

根据求参准则公式计算所述适应度f，其中，上述具体计算公式为：

假设地表任意观测点n的实测下沉值为Ws_(n)，实测水平移动值为Us(n)，该点下沉和水平移动预计值分别为为W_p(n)和U_p(n)，则任意观测点下沉和水平移动残差公式可分别定义为V_w＝W_s(n)-W_p(n)和V_U＝U_p(n)-U_s(n)，根据误差平方和最小，构建求参准则为：

模型中的个体适应度f判断准则是越大越好，是以，根据上述求参准则公式，则个体适应度函数f可表示为：

其中，pd为监测点数，W_p(n)、U_p(n)分别表示第n个观测点预测的下沉值和水平移动值，W_s(n)、U_s(n)分别表示对应的实测下沉值和水平移动值。

步骤S4、判断是否满足终止条件，若满足，则输出当前种群的最优个体；若不满足，则进入下一步骤，其中，所述终止条件为，满足精度要求或者达到最大遗传迭代次数；

步骤S5、采用量子旋转门，更新种群，形成新的种群后返回步骤S3。

所述步骤S5具体包括，以步骤S3中的最优个体为进化目标，对亲代所有个体的二进制编码与当前种群最优个体二进制比较并利用量子旋转门生成子代种群的量子比特编码，操作过程为：

其中，

表示二进制编码的第i个量子比特，θ_i为旋转角，

本发明中的旋转角θ_i的选择策略如表1所示(其中，θ_i＝s(α_i,β_i)Δθ_i)：

表1量子旋转角的调整策略表

根据量子比特编码生成子代种群二进制编码，然后返回步骤S3，重复步骤S3-S5进行迭代运算，当达到步骤S4中的终止条件时跳出循环，输出最优采空区特征参数。

在本发明中，初始种群数为100，所述最大遗传迭代次数为100。

实施例2.

结合图2和图3，具体的工程实例来说明本发明的具体过程及有益效果。淮南矿区顾桥煤矿1414(1)工作面采用综合机械化采煤，一次采全高，全部垮落法管理顶板，工作面回采时间343天。工作面沿煤层走向布置，开采尺寸为2115m×241m(工作面走向为充分采动、倾向非充分采动，总体为非充分采动))，平均采高3.0m，煤层倾角平均为5°，工作面平均埋深735m。倾向观测线布置在距离切眼和停采线1144m和976m处，共布设3个控制点和50个监测点，点间距为30m，倾向线长度为1500m。走向观测线设置在下山方向偏离工作面中心线的距离39m处，共布设3个控制点和95个监测点，点间距为30m/60m，长度为3480m。

地表观测站自2013年10月19日开始进行连接测量，到2015年6月9日(最后一次观测)，观测工作历时约20个月(共599天)，共进行了首次全面观测、2次日常观测和11次全面观测(末次独立进行两次)等阶段的工作任务。顾桥矿1414(1)综采工作面地表移动观测站的平面联测采用D级GPS网，采动过程中的全面观测，平面测量按GNSS CORS RTK测量的要求进行；高程测量采用四等几何水准方法进行；巡视测量和日常观测，采用四等几何水准方法进行。

利用已构建的基于量子遗传算法的采空区特征参数反演模型对141(1)工作面地表移动观测站最后一期观测数据(地表移动进入稳定期)进行采空区特征参数反演。为了避免反演结果的偶然性，在保证参数初始值和约束范围相同的情况下，独立进行参数反演10次，并计算反演参数的绝对误差、参数中误差，实验结果如表2所示。

表2基于量子遗传算法的采空区特征参数反演模型工程应用精度分析

从表2的实验结果可以看出：(1)从绝对误差来看，参数采煤深度H和中心点坐标Y₀相对误差最大，分别为41.719m、-25.891m，1414(1)工作面采深735m，属于厚松散层，概率积分法模型应用于厚松散层存在模型误差，从而导致采深相对误差较大，但两者相对误差均小于6％，精度较高；(2)从相对误差来说，除了煤层倾角α相对误差较大，为14.69％，其它参数相对误差均在6％以内。煤层倾角α₀主要影响的是倾向长，又由于α₀真值较小，对倾向长影响小，导致参数敏感性不强，其相对误差较大。证明了基于QGA的采空区特征参数反演的准确性；(3)参数中误差中，除采煤深度H参数中误差较大，为51.895m，其他参数的参数中误差较小，证明基于QGA的采空区特征参数反演方法具有较好的稳定性。利用“基于沉陷监测的煤矿采空区空间几何特征精准识别方法”反演1414(1)采空区特征效果图如图2和图3所示。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (6)

1.一种基于沉陷监测的煤矿采空区空间几何特征精准识别方法，其特征在于，所述方法包括如下步骤：

步骤S1、构建采空区特征参数B与地表沉陷的定量关系模型；

步骤S2、量子编码和生成初始化种群；

步骤S3、确定所述采空区特征参数B的初始值B₀和约束值B_i，解码并评价种群所有个体适应度f，记录最优个体作为种群进化的目标；

步骤S4、判断是否满足终止条件，若满足，则输出当前种群的最优个体；若不满足，则进入下一步骤，其中，所述终止条件为，满足精度要求或者达到最大遗传迭代次数；

步骤S5、采用量子旋转门，更新种群，形成新的种群后返回步骤S3；其中，所述步骤S1具体包括内容如下：

假设开采沉陷盆地符合概率积分法模型，则矩形工作面开采引起的地表沉陷盆地内任意点(x,y)的下沉值表示为：

任意点(x,y)的沿指定方向

的水平移动值表示为：

其中，

W₀＝Mq cosα₀

在上述公式中，M表示工作面采高，q表示地表下沉系数，α₀表示煤层倾角，tanβ'表示主要影响角正切，H表示工作面走向主断面处采深，H₁表示工作面下山边界采深，H₂表示工作面上山边界采深，r表示为主要影响半径，r＝H/tanβ'，l表示工作面走向计算长度，且l＝D₃-S₃-S₄，其中D₃为工作面走向长，S₃、S₄分别为开切眼和停采线处拐点偏移距，L表示工作面倾向计算长度，且

其中D₁为工作面倾向长，S₁、S₂分别为工作面下边界和上边界处拐点偏移距，θ为开采影响传播角，b表示为水平移动系数，依据概率积分预计模型，建立地表任意点(x,y)下沉、水平移动与采空区特征参数的关系，

W＝W(x,y；B)；U＝U(x,y；B)

其中，B为采空区特征参数，为未知数，

其中，D₃表示采空区走向长、D₁表示采空区倾向长。

2.根据权利要求1所述的基于沉陷监测的煤矿采空区空间几何特征精准识别方法，其特征在于，所述步骤S2具体包括，量子编码采用二进制编码，编码内容如下：

其中，|α_nm|²+|β_nm|²＝1，|α_nm|²表示第n个参数的第m个量子比特取“0”态的概率；|β_nm|²表示第n个参数的第m个量子比特取“1”态的概率，在初始化种群中，统一取

种群更新过程中，随机产生随机数Rnd，如果Rnd＞|α_nm|²，二进制编码取“1”态，否则取“0”态。

3.根据权利要求2所述的基于沉陷监测的煤矿采空区空间几何特征精准识别方法，其特征在于，所述特征参数B在B₀±B_i范围内，且其二进制编码为d_md_m-1d_m-2…d₃d₂d₁，其中二进制编码个数m＝7,d表示二进制编码“0”或“1”，根据如下公式进行解码：

将二进制代码表示的种群转换成十进制，利用十进制的数值对种群中各个个体的个体适应度f进行计算。

4.根据权利要求3所述的基于沉陷监测的煤矿采空区空间几何特征精准识别方法，其特征在于，根据求参准则公式计算所述个体适应度f，其中，利用十进制的数值对种群中各个个体的个体适应度f进行计算，具体为：

假设地表任意观测点n的实测下沉值为Ws_(n)，实测水平移动值为Us(n)，该任意观测点n下沉和水平移动预计值分别为W_p(n)和U_p(n)，则任意观测点n下沉和水平移动残差公式分别定义为V_w＝W_s(n)-W_p(n)和V_U＝U_p(n)-U_s(n)，根据误差平方和最小，构建求参准则为：

模型中的个体适应度f判断准则是越大越好，根据上述求参准则公式，则个体适应度函数f表示为：

其中，pd为监测点数。

5.根据权利要求4所述的基于沉陷监测的煤矿采空区空间几何特征精准识别方法，其特征在于，所述步骤S5具体包括，以步骤S3中的最优个体为进化目标，对亲代所有个体的二进制编码与当前种群最优个体二进制比较并利用量子旋转门生成子代种群的量子比特编码，操作过程为：

其中，

分别表示t代种群和t+1代种群二进制编码的第i个量子比特，

为量子旋转门的变换矩阵，θ_i为旋转角；

根据量子比特编码生成子代种群二进制编码，然后返回步骤S3，重复步骤S3-S5进行迭代运算，当达到步骤S4中的终止条件时跳出循环，输出最优采空区特征参数。

6.根据权利要求5所述的基于沉陷监测的煤矿采空区空间几何特征精准识别方法，其特征在于，初始种群数为100，所述最大遗传迭代次数为100代。

Images