CN116976751B - 一种基于时空数据融合的煤矿采空区勘察系统 - Google Patents
一种基于时空数据融合的煤矿采空区勘察系统 Download PDFInfo
- Publication number
- CN116976751B CN116976751B CN202311089491.7A CN202311089491A CN116976751B CN 116976751 B CN116976751 B CN 116976751B CN 202311089491 A CN202311089491 A CN 202311089491A CN 116976751 B CN116976751 B CN 116976751B
- Authority
- CN
- China
- Prior art keywords
- mining
- space
- time
- module
- iteration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000003245 coal Substances 0.000 title claims abstract description 36
- 230000004927 fusion Effects 0.000 title claims abstract description 22
- 238000011835 investigation Methods 0.000 title claims abstract description 22
- 238000005065 mining Methods 0.000 claims abstract description 98
- 238000011156 evaluation Methods 0.000 claims description 53
- 238000004880 explosion Methods 0.000 claims description 27
- 239000011435 rock Substances 0.000 claims description 18
- 238000005516 engineering process Methods 0.000 claims description 12
- 238000002360 preparation method Methods 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000000034 method Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 3
- 238000009412 basement excavation Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 2
- 230000003044 adaptive effect Effects 0.000 claims 2
- 201000004569 Blindness Diseases 0.000 abstract 1
- 230000002596 correlated effect Effects 0.000 description 8
- 238000011161 development Methods 0.000 description 5
- 238000000354 decomposition reaction Methods 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000002912 waste gas Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 238000005305 interferometry Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Geophysics And Detection Of Objects (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Agronomy & Crop Science (AREA)
Abstract
本发明属于地质勘察技术领域，具体公开了一种基于时空数据融合的煤矿采空区勘察系统，包括数据准备模块，数据准备模块连接有数值反演模块，数值反演模块连接有适应度估算模块，适应度估算模块连接有寻优迭代计算模块，寻优迭代计算模块连接有时空融合沉陷评估模块。本发明通过融合煤矿采空区历史开采时的时空特征参数对采空区历史采煤的采动关系进行准确描述，进而能够根据时空特征参数很好的描述不同地质条件下对采空区进行二次开采会造成的地面下沉程度，能够结合采空区的历史开采反演的数据，帮助预测当下采空区开发形成的地表沉陷影响，避免盲目对采空区二次开采造成对地表的严重损坏。
Description
技术领域
本发明属于地质勘察技术领域，特别是涉及一种基于时空数据融合的煤矿采空区勘察系统。
背景技术
煤矿在开采完毕后都会形成采空区，采空区也存在着数量巨大的可利用资源，比如废弃的矿井地以及地下空间、残滞煤气资源等，尤其是在大批矿井关闭、废气的情况下，对采空区的开发能够为国家的基础设施建设规划以及以煤矿为主的工业城市二次发展有着重要的战略意义，但是在采空区长时间缺乏精细管理的情况下，采矿的历史开采资料存在很大程度上的丢失、损坏以及不规范，导致对废弃时间久远的采空区进行精细历史勘察成为挑战难度非常高的工作，采空区的历史勘察需要综合考虑采空区开采的时间特征和空间特征，形成对地下动态开采和地表动态响应的四维开采动态沉陷预测的模型，地表移动和变形预计是预测开采损害的重要内容，国内常用的采空区沉陷预计方法主要为概率积分法；同时，传统手段对工作面上地表的沉陷测量通常采用水准仪和GPS手段定对沿着工作面上方地表走向和倾向方向进行双测线观测，观测范围狭窄、观测效率低且需要付出大量的人工和成本，观测的测点也很容易被现场作业给破坏，因此引入了合成孔径雷达差分干涉测量技术，能够全天候、全天时、大范围对采空区的地表沉陷进行测量，但是这种测量手段存在一个不足，那就是在地表出现较大形变、沉降剧烈时，干涉图无法获取地表真实形变信息，同时合成孔径雷达的成像属于一维描述，无法形成对地表沉陷形变的三维描述，而且地表复杂的植被环境、沉陷盆地积水等也会导致合成孔径雷达监测存在时空基线失相干的风险，而且这种方法只能识别采空区的空间形态特征参数，无法获取历史工作面的时空特征，难以实现对关闭或者废气矿井采空区进行精准的历史反演，但是现有的煤矿采空区勘察系统中还没有能够融合时间特征和空间特征的综合指标，无法描述繁杂的煤矿井上井下动态采动关系，缺乏对不同地质采矿条件下对采空区地面下沉程度进行描述的指标。因此，本发明提出一种基于时空数据融合的煤矿采空区勘察系统，该系统能够融合煤矿采空区历史开采时的时空特征参数对采空区历史采煤的采动关系进行准确描述，进而能够根据时空特征参数很好的描述不同地质条件下对采空区进行二次开采会造成的地面下沉程度，能够结合采空区的历史开采反演的数据，帮助预测当下采空区开发形成的地表沉陷影响，避免盲目对采空区二次开采造成对地表的严重损坏。
发明内容
本发明的主要目的是为了解决现有的煤矿采空区勘察系统中还没有能够融合时间特征和空间特征的综合指标，无法描述繁杂的煤矿井上井下动态采动关系，缺乏对不同地质采矿条件下对下沉率和下沉系数的准确拟合描述的不足，而提供的一种基于时空数据融合的煤矿采空区勘察系统。
本发明的目的可以通过采用如下技术方案达到：
一种基于时空数据融合的煤矿采空区勘察系统，包括数据准备模块，所述数据准备模块连接有数值反演模块，所述数值反演模块连接有适应度估算模块，所述适应度估算模块连接有寻优迭代计算模块，所述寻优迭代计算模块连接有时空融合沉陷评估模块，上述模块的作用分为如下：
数据准备模块：设定对第个时序的废弃煤矿采矿活动进行勘测，利用合成孔径雷达技术获取地表沿着LOS的一维方向获取地表变形的矢量场，获取矿区临近工作面地表沉降稳定后的累计形变结果和地质采矿资料；
数值反演模块：利用工作面平均厚度、平均倾角、倾向方位角、平均采深、走向动态开采长度、倾向开采长度以及工作面动态中心点坐标构建时空特征参数体系，结合动态概率积分模型对t时刻工作面开采长度为D3按开采时间划分为k个单元，数值刻画井下采动引起地表任意点的下沉和沿某一方向的水平移动，创建井下时空特征参数满足的非线性关系模型，井下时空特征参数满足的非线性关系模型的数学公式中，将动态走向开采深度记为/>，将平均采深记为H，利用动态走向开采长度和平均采深比值的相反数作用函数的自变量代入，利用求解出来的函数值/>对下沉率和下沉系数之间的关系进行数值拟合，其中下沉率的变化趋势为S型生长曲线，即下沉系数与下沉率的比值等于/>，时空特征参数非线性关系模型满足的公式为：
；
式中：记为下沉率，/>记为下沉系数；
其中，；
式中：记为S型生长曲线函数表达式，/>记为覆岩的抗拉能力评估指标，/>记为覆岩的抗压能力评估指标，/>以及/>分别表述函数/>的底部决定参数和顶部决定参数，利用随机数的方式进行拟合确定，其中覆岩的抗压能力评估指标以及覆岩的抗拉能力评估指标分别与覆岩自身的抗压强度和抗拉强度均正相关，覆岩的抗压能力评估指标和抗拉能力评估指标的评估公式分别为：
（1）覆岩的抗压能力评估指标的评估公式：
；
式中：记为覆岩的抗压能力评估指标，/>记为覆岩的抗压强度，根据覆岩的种类确定；
（2）覆岩的抗拉能力评估指标的评估公式：
；
式中：记为覆岩的抗拉能力评估指标，/>记为覆岩的抗拉强度，根据覆岩的种类确定；
适应度估算模块：利用上述数值模型反演矿区的时间系数、下沉率变换函数的函数值、以及静态概率积分参数，确定井下时空特征参数取值范围，利用时空特征参数取值范围生成初始的迭代数据，构建数值模型正向预计地表下沉、东西水平移动和南北水平移动，根据合成孔径雷达变形监测技术的LOS轴向投影得出LOS方向移动变形预计值，结合合成孔径雷达变形监测技术监测的LOS变形，构建适应度函数，将初始迭代数据代入适应度函数，进行第一次迭代，判断是否满足迭代终止条件，满足则停止迭代，不满足则进入寻优阶段；
寻优迭代模块：利用烟花算法对初始迭代数据进行爆炸半径和爆炸火花数目计算，生成爆炸火花，同时利用高斯变异生成高斯变异火花，把超出边界的火花映射到可行域内，将初始迭代数据、爆炸火花以及高斯变异火花组成的集合数据进行适应度评价，根据种子选择策略选择下一步迭代数据集合，将其代入适应度函数，并判断是否马满足迭代终止条件，满足则终止迭代，不满足则循环执行种子选择后循环迭代，直到满足迭代终止条件，输出时空特征参数体系的解；
时空融合沉陷评估模块：利用寻优迭代模块输出的时空特征参数体系求解时空特征参数，对采空区地下采挖动作造成表面沉陷的程度进行评估，设置地表沉陷评估指标，地表沉陷评估指标与求解出的时空特征参数正相关，地表沉陷评估指标的评估公式为：
；
式中：记为地表沉陷评估指标，/>记为时空特征参数；
其中，时空特征参数与工作面平均厚度、平均采深、走向动态开采长度以及倾向开采长度均正相关，与倾向方位角、平均倾角以及工作面动态中心点坐标均负相关，时空特征参数的公式为：
；
式中：A为工作面平均厚度，记为倾向开采长度，/>记为倾向方位角，/>记为平均倾角，/>以及/>分别记为工作面从开始推进到预计经历时间段为t时的动态中心点坐标的横坐标和纵坐标。
作用本发明进一步的方案，所述数值反演模块使用的动态概率积分模型所采区的井下时空特征参数体系重的倾向开采长度倾向一次采全长，采掘过程中倾向开采长度不随时间的改变而改变。
作用本发明进一步的方案，所述适应度估算模块的适应度函数公式为：
；
式中：记为适应度函数，/>记为分段时序的集合，/>记为计算出的时序序号为时的地表沿LOS向变形矢量的模，/>记为时序序号为/>时的地表沿LOS向变形矢量的模；
其中，时序序号为时的地表沿LOS向变形矢量模与东西方向水平距离和南北方向水平移动距离均负相关，与正向预计地表下沉值正相关，时序序号为/>时的地表沿LOS向变形矢量模的公式为：
；
式中：记为适应度，/>记为东西向水平移动的距离，/>记为南北向水平移动的距离，/>记为分解角度一，/>记为分解角度二，分解角度一和分解角度二的取值均设为内的随机数，/>记为正向预计地表下沉值。
作用本发明进一步的方案，所述适应度函数的收敛判据为是否小于0.05，当时，记为适应度函数收敛；当/>时记为适应度函数不收敛。
作用本发明进一步的方案，所述寻优迭代模块生成爆炸花火时对控制爆炸半径的常数在每个生成的火花路径上均设置自适应值，将爆炸火花的数目扩大2.5倍，并且为每个爆炸的维度上设置最低阈值，限定爆炸半径的最小值，对产生的高斯变异算子使用的随机数进行当前烟花种群中适应度最优的烟花在这个维度上的位置信息对此处的火花进行边界限定，对超出边界的火花进行随机数限定，避免火花半径超出边界。
本发明的有益技术效果：按照本发明的基于时空数据融合的煤矿采空区勘察系统，通过数据准备模块的设置，能够利用合成孔径雷达变形监测技术获取矿区临近工作面地表沉降稳定后的累计形变结果和地质采矿资料，通过数值反演模块的设置，能够利用工作面平均厚度、平均倾角、倾向方位角、平均采深、走向动态开采长度、倾向开采长度以及工作面动态中心点坐标构建时空特征参数体系，再结合动态概率积分模型对时空特征参数体系进行反演求解，融合煤矿采空区历史开采时的时空特征参数对采空区历史采煤的采动关系进行准确描述，进而能够根据时空特征参数很好的描述不同地质条件下对采空区进行二次开采会造成的地面下沉程度，能够结合采空区的历史开采反演的数据，帮助预测当下采空区开发形成的地表沉陷影响，避免盲目对采空区二次开采造成对地表的严重损坏。
附图说明
图1为按照本发明的基于时空数据融合的煤矿采空区勘察系统的整体结构框图。
具体实施方式
为使本领域技术人员更加清楚和明确本发明的技术方案，下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
如图1所示，本实施例提供的基于时空数据融合的煤矿采空区勘察系统，包括数据准备模块，所述数据准备模块连接有数值反演模块，所述数值反演模块连接有适应度估算模块，所述适应度估算模块连接有寻优迭代计算模块，所述寻优迭代计算模块连接有时空融合沉陷评估模块，上述模块的作用分为如下：
数据准备模块：设定对第个时序的废弃煤矿采矿活动进行勘测，利用合成孔径雷达技术获取地表沿着LOS的一维方向获取地表变形的矢量场，获取矿区临近工作面地表沉降稳定后的累计形变结果和地质采矿资料；
数值反演模块：利用工作面平均厚度、平均倾角、倾向方位角、平均采深、走向动态开采长度、倾向开采长度以及工作面动态中心点坐标构建时空特征参数体系，结合动态概率积分模型对t时刻工作面开采长度为D3按开采时间划分为k个单元，数值刻画井下采动引起地表任意点的下沉和沿某一方向的水平移动，创建井下时空特征参数满足的非线性关系模型，井下时空特征参数满足的非线性关系模型的数学公式中，将动态走向开采深度记为/>，将平均采深记为H，利用动态走向开采长度和平均采深比值的相反数作用函数的自变量代入，利用求解出来的函数值/>对下沉率和下沉系数之间的关系进行数值拟合，其中下沉率的变化趋势为S型生长曲线，即下沉系数与下沉率的比值等于/>，时空特征参数非线性关系模型满足的公式为：
；
式中：记为下沉率，/>记为下沉系数；
其中，；
式中：记为S型生长曲线函数表达式，/>记为覆岩的抗拉能力评估指标，/>记为覆岩的抗压能力评估指标，/>以及/>分别表述函数/>的底部决定参数和顶部决定参数，利用随机数的方式进行拟合确定，其中覆岩的抗压能力评估指标以及覆岩的抗拉能力评估指标分别与覆岩自身的抗压强度和抗拉强度均正相关，覆岩的抗压能力评估指标和抗拉能力评估指标的评估公式分别为：
（1）覆岩的抗压能力评估指标的评估公式：
；
式中：记为覆岩的抗压能力评估指标，/>记为覆岩的抗压强度，根据覆岩的种类确定；
（2）覆岩的抗拉能力评估指标的评估公式：
；
式中：记为覆岩的抗拉能力评估指标，/>记为覆岩的抗拉强度，根据覆岩的种类确定；
适应度估算模块：利用上述数值模型反演矿区的时间系数、下沉率变换函数的函数值、以及静态概率积分参数，确定井下时空特征参数取值范围，利用时空特征参数取值范围生成初始的迭代数据，构建数值模型正向预计地表下沉、东西水平移动和南北水平移动，根据合成孔径雷达变形监测技术的LOS轴向投影得出LOS方向移动变形预计值，结合合成孔径雷达变形监测技术监测的LOS变形，构建适应度函数，将初始迭代数据代入适应度函数，进行第一次迭代，判断是否满足迭代终止条件，满足则停止迭代，不满足则进入寻优阶段；
寻优迭代模块：利用烟花算法对初始迭代数据进行爆炸半径和爆炸火花数目计算，生成爆炸火花，同时利用高斯变异生成高斯变异火花，把超出边界的火花映射到可行域内，将初始迭代数据、爆炸火花以及高斯变异火花组成的集合数据进行适应度评价，根据种子选择策略选择下一步迭代数据集合，将其代入适应度函数，并判断是否马满足迭代终止条件，满足则终止迭代，不满足则循环执行种子选择后循环迭代，直到满足迭代终止条件，输出时空特征参数体系的解；
时空融合沉陷评估模块：利用寻优迭代模块输出的时空特征参数体系求解时空特征参数，对采空区地下采挖动作造成表面沉陷的程度进行评估，设置地表沉陷评估指标，地表沉陷评估指标与求解出的时空特征参数正相关，地表沉陷评估指标的评估公式为：
；
式中：记为地表沉陷评估指标，/>记为时空特征参数；
其中，时空特征参数与工作面平均厚度、平均采深、走向动态开采长度以及倾向开采长度均正相关，与倾向方位角、平均倾角以及工作面动态中心点坐标均负相关，时空特征参数的公式为：
；
式中：A记为工作面平均厚度，记为倾向开采长度，/>记为倾向方位角，/>记为平均倾角，/>以及/>分别记为工作面从开始推进到预计经历时间段为t时的动态中心点坐标的横坐标和纵坐标。
本发明提出的基于时空数据融合的煤矿采空区勘察系统，通过数据准备模块的设置，能够利用合成孔径雷达变形监测技术获取矿区临近工作面地表沉降稳定后的累计形变结果和地质采矿资料，通过数值反演模块的设置，能够利用工作面平均厚度、平均倾角、倾向方位角、平均采深、走向动态开采长度、倾向开采长度以及工作面动态中心点坐标构建时空特征参数体系，再结合动态概率积分模型对时空特征参数体系进行反演求解，融合煤矿采空区历史开采时的时空特征参数对采空区历史采煤的采动关系进行准确描述，进而能够根据时空特征参数很好的描述不同地质条件下对采空区进行二次开采会造成的地面下沉程度，能够结合采空区的历史开采反演的数据，帮助预测当下采空区开发形成的地表沉陷影响，避免盲目对采空区二次开采造成对地表的严重损坏。
所述数值反演模块使用的动态概率积分模型所采区的井下时空特征参数体系重的倾向开采长度倾向一次采全长，采掘过程中倾向开采长度不随时间的改变而改变。
所述适应度估算模块的适应度函数公式为：
；
式中：记为适应度函数，/>记为分段时序的集合，/>记为计算出的时序序号为时的地表沿LOS向变形矢量的模，/>记为时序序号为/>时的地表沿LOS向变形矢量的模；
其中，时序序号为时的地表沿LOS向变形矢量模与东西方向水平距离和南北方向水平移动距离均负相关，与正向预计地表下沉值正相关，时序序号为/>时的地表沿LOS向变形矢量模的公式为：
；
式中：记为适应度，/>记为东西向水平移动的距离，/>记为南北向水平移动的距离，/>记为分解角度一，/>记为分解角度二，分解角度一和分解角度二的取值均设为内的随机数，/>记为正向预计地表下沉值。
所述适应度函数的收敛判据为是否小于0.05，当/>时，记为适应度函数收敛；当/>时记为适应度函数不收敛。
所述寻优迭代模块生成爆炸花火时对控制爆炸半径的常数在每个生成的火花路径上均设置自适应值，将爆炸火花的数目扩大2.5倍，并且为每个爆炸的维度上设置最低阈值，限定爆炸半径的最小值，对产生的高斯变异算子使用的随机数进行当前烟花种群中适应度最优的烟花在这个维度上的位置信息对此处的火花进行边界限定，对超出边界的火花进行随机数限定，避免火花半径超出边界。
以上所述，仅为本发明进一步的实施例，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明所公开的范围内，根据本发明的技术方案及其构思加以等同替换或改变，都属于本发明的保护范围。
Claims (5)
1.一种基于时空数据融合的煤矿采空区勘察系统，其特征在于，包括数据准备模块，所述数据准备模块连接有数值反演模块，所述数值反演模块连接有适应度估算模块，所述适应度估算模块连接有寻优迭代计算模块，所述寻优迭代计算模块连接有时空融合沉陷评估模块，其中，数值反演模块：利用工作面平均厚度、平均倾角、倾向方位角、平均采深、走向动态开采长度、倾向开采长度以及工作面动态中心点坐标构建时空特征参数体系，结合动态概率积分模型对t时刻开采长度为D3的工作面，按开采时间划分为k个单元，数值刻画井下采动引起地表任意点的下沉和沿某一方向的水平移动，创建井下时空特征参数满足的非线性关系模型，将动态走向开采深度记为/>，将平均采深记为H，下沉率的公式为：；
式中：记为下沉率，/>记为下沉系数；
其中，；·
式中：记为S型生长曲线函数表达式，/>记为覆岩的抗拉能力评估指标，/>记为覆岩的抗压能力评估指标，/>以及/>分别表述函数/>的底部决定参数和顶部决定参数，覆岩的抗压能力评估指标和抗拉能力评估指标的评估公式分别为：
（1）覆岩的抗压能力评估指标的评估公式：
；
式中：记为覆岩的抗压能力评估指标，/>记为覆岩的抗压强度，根据覆岩的种类确定；
（2）覆岩的抗拉能力评估指标的评估公式：
；
式中：记为覆岩的抗拉能力评估指标，/>记为覆岩的抗拉强度，根据覆岩的种类确定；
所述数据准备模块为：设定对第个时序的废弃煤矿采矿活动进行勘测，沿着LOS的一维方向，在地表利用合成孔径雷达技术获取地表变形的矢量场，获取矿区临近工作面地表沉降稳定后的累计形变结果和地质采矿资料；
所述适应度估算模块为：利用数值模型反演矿区的时间系数、下沉率变换函数的函数值、以及静态概率积分参数，确定井下时空特征参数取值范围，利用时空特征参数取值范围生成初始的迭代数据，构建数值模型正向预计地表下沉、东西水平移动和南北水平移动，根据合成孔径雷达变形监测技术的LOS轴向投影得出LOS方向移动变形预计值，结合合成孔径雷达变形监测技术监测的LOS变形，构建适应度函数，将初始迭代数据代入适应度函数，进行第一次迭代，判断是否满足迭代终止条件，满足则停止迭代，不满足则进入寻优阶段；
所述寻优迭代计算模块为：利用烟花算法对初始迭代数据进行爆炸半径和爆炸火花数目计算，生成爆炸火花，同时利用高斯变异生成高斯变异火花，把超出边界的火花映射到可行域内，将初始迭代数据、爆炸火花以及高斯变异火花组成的集合数据进行适应度评价，根据种子选择策略选择下一步迭代数据集合，将其代入适应度函数，并判断是否满足迭代终止条件，满足则终止迭代，不满足则循环执行种子选择后循环迭代，直到满足迭代终止条件，输出时空特征参数体系的解；
所述时空融合沉陷评估模块为：利用寻优迭代计算模块输出的时空特征参数体系求解时空特征参数，对采空区地下采挖动作造成表面沉陷的程度进行评估，地表沉陷评估指标的评估公式为：
；
式中：记为地表沉陷评估指标，/>记为时空特征参数；
其中，时空特征参数的公式为：；
式中：记为工作面平均厚度，/>记为倾向开采长度，/>记为倾向方位角，/>记为平均倾角，/>以及/>分别记为工作面从开始推进到预计经历时间段为/>时的动态中心点坐标的横坐标和纵坐标。
2.如权利要求1所述的一种基于时空数据融合的煤矿采空区勘察系统，其特征在于，所述数值反演模块使用的动态概率积分模型中，所采区的井下时空特征参数体系中的倾向开采长度倾向依次取全长，采掘过程中倾向开采长度不随时间的改变而改变。
3.如权利要求1所述的一种基于时空数据融合的煤矿采空区勘察系统，其特征在于，所述适应度估算模块的适应度函数公式为：
；
式中：记为适应度函数，/>记为分段时序的集合，/>记为计算出的时序序号为/>时的地表沿LOS向变形矢量的模，/>记为时序序号为/>时的地表沿LOS向变形矢量的模；
其中，时序序号为时的地表沿LOS方向变形矢量模与东西方向水平距离和南北方向水平移动距离均负相关，与正向预计地表下沉值正相关，时序序号为/>时的地表沿LOS向变形矢量模的公式为：
；
式中：记为适应度，/>记为东西向水平移动的距离，/>记为南北向水平移动的距离，/>记为分解角度一，/>记为分解角度二，分解角度一和分解角度二的取值均设为/>内的随机数，/>记为正向预计地表下沉值。
4.如权利要求3所述的一种基于时空数据融合的煤矿采空区勘察系统，其特征在于，所述适应度函数的收敛判据为是否小于0.05，当/>时，记为适应度函数收敛；当时记为适应度函数不收敛。
5.如权利要求1所述的一种基于时空数据融合的煤矿采空区勘察系统，其特征在于，所述寻优迭代计算模块生成爆炸花火时对控制爆炸半径的常数在每个生成的火花路径上均设置自适应值，将爆炸火花的数目扩大2.5倍，并且为每个爆炸的维度上设置最低阈值，限定爆炸半径的最小值，对产生的高斯变异算子使用的随机数进行当前烟花种群中适应度最优的烟花在这个维度上的位置信息对此处的火花进行边界限定，对超出边界的火花进行随机数限定，避免火花半径超出边界。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311089491.7A CN116976751B (zh) | 2023-08-28 | 2023-08-28 | 一种基于时空数据融合的煤矿采空区勘察系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311089491.7A CN116976751B (zh) | 2023-08-28 | 2023-08-28 | 一种基于时空数据融合的煤矿采空区勘察系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116976751A CN116976751A (zh) | 2023-10-31 |
| CN116976751B true CN116976751B (zh) | 2024-02-23 |
Family
ID=88475057
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311089491.7A Active CN116976751B (zh) | 2023-08-28 | 2023-08-28 | 一种基于时空数据融合的煤矿采空区勘察系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116976751B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107643542A (zh) * | 2017-08-28 | 2018-01-30 | 中煤科工集团西安研究院有限公司 | 基于井地联合的煤矿采空区三维弹性波层析探测方法 |
| CN108763822A (zh) * | 2018-06-15 | 2018-11-06 | 安徽理工大学 | 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 |
| CN109190136A (zh) * | 2018-06-05 | 2019-01-11 | 中国矿业大学 | 面向地表沉陷动态预计的数值模型岩体力学参数加权反演方法 |
| CN112505699A (zh) * | 2020-11-26 | 2021-03-16 | 中国矿业大学 | 融合InSAR和PSO反演地下采空区位置参数的方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111273348B (zh) * | 2020-01-21 | 2021-02-05 | 长江大学 | 基于更新概率比率恒定理论的多点地质统计叠前反演方法 |
-
2023
- 2023-08-28 CN CN202311089491.7A patent/CN116976751B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107643542A (zh) * | 2017-08-28 | 2018-01-30 | 中煤科工集团西安研究院有限公司 | 基于井地联合的煤矿采空区三维弹性波层析探测方法 |
| CN109190136A (zh) * | 2018-06-05 | 2019-01-11 | 中国矿业大学 | 面向地表沉陷动态预计的数值模型岩体力学参数加权反演方法 |
| CN108763822A (zh) * | 2018-06-15 | 2018-11-06 | 安徽理工大学 | 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 |
| CN112505699A (zh) * | 2020-11-26 | 2021-03-16 | 中国矿业大学 | 融合InSAR和PSO反演地下采空区位置参数的方法 |
Non-Patent Citations (2)
| Title |
|---|
| 概率积分法沉陷预计与参数反演优化算法及实现;薄怀志 等;山东国土资源;第34卷(第04期);第73-77, 83页 * |
| 高精度重力测量在抚顺煤矿采空区探测中的应用;郇恒飞 等;煤田地质与勘探;第47卷(第06期);第194-200页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116976751A (zh) | 2023-10-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Song et al. | Susceptibility assessment of earthquake-induced landslides using Bayesian network: A case study in Beichuan, China | |
| Youngs et al. | A methodology for probabilistic fault displacement hazard analysis (PFDHA) | |
| Yang et al. | Prediction of mining subsidence under thin bedrocks and thick unconsolidated layers based on field measurement and artificial neural networks | |
| Kim et al. | A three-dimensional geotechnical spatial modeling method for borehole dataset using optimization of geostatistical approaches | |
| Kamińska et al. | Comparison of deteministic interpolation methods for the estimation of groundwater level | |
| CN109782356B (zh) | 基于能量网格搜索的井下微震监测传感器最优布设方法 | |
| Suh et al. | Subsidence hazard assessment at the Samcheok coalfield, South Korea: a case study using GIS | |
| CN114036841A (zh) | 基于半监督支持向量机模型的滑坡易发性预测方法及系统 | |
| Wang et al. | Direct interval prediction of landslide displacements using least squares support vector machines | |
| Wang et al. | Estimation of parameters of probability integral method model based on improved fireworks algorithm | |
| Chi et al. | Research on prediction model of mining subsidence in thick unconsolidated layer mining area | |
| He et al. | Time-series analysis and prediction of surface deformation in the Jinchuan mining area, Gansu Province, by using InSAR and CNN–PhLSTM network | |
| CN111563653A (zh) | 一种地下工程富水破碎地层的预警施工方法 | |
| Blachowski et al. | Application of GIS methods in assessing effects of mining activity on surface infrastructure | |
| CN116976751B (zh) | 一种基于时空数据融合的煤矿采空区勘察系统 | |
| Shaorui et al. | Predictions of overbreak blocks in tunnels based on the wavelet neural network method and the geological statistics theory | |
| Marschalko et al. | Optimization of building site category determination in an undermined area prior to and after exhausting coal seams | |
| CN113742995A (zh) | 一种基于煤矿大数据的矿井涌水量预测方法及系统 | |
| Kumar et al. | Network design for groundwater level monitoring in upper Bari Doab canal tract, Punjab, India | |
| Pishbin et al. | Uniaxial Compressive Strength spatial estimation using different interpolation techniques | |
| Ayalew et al. | Characterizing weathered rock masses—a geostatistical approach | |
| CN109542995A (zh) | 一种库区滑坡分析方法 | |
| Zeng et al. | Local coupled Markov chain model for simulating varied stratigraphy | |
| Perozzi et al. | Quantitative uncertainty analysis of gravity disturbance. The case of the Geneva Basin (Switzerland) | |
| Afradi et al. | Prediction of the number of consumed disc cutters of tunnel boring machine using intelligent methods |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |