神东矿区开采沉陷主控因素及GA-WNN下沉系数预计模型研究
开采沉陷论文 主控因素论文 数值模拟论文 预计公式论文 遗传算法论文
论文详情
基于神东矿区具体地质条件,通过理论分析、借助计算机数值模拟、科学计算方法,研究神东矿区开采沉陷的主控因素,将其引入到下沉系数的预计当中,推导出在一定开采条件下沙基比、松散层厚度等地质因素与采煤沉陷下沉系数的预计关系式,并提出开采沉陷下沉系数的GA-WNN(遗传小波神经网络)预计模型。根据神东矿区煤层赋存特点,借助模糊层次分析可知,神东矿区开采沉陷的主控因素为:沙基比、松散层厚度、采厚、关键层的类型及位置、覆岩综合硬度,其影响权重分别为:0.2211、0.1538、0.1489、0.1138、0.0861。在神东矿区达到充分采动的情况下,若不考虑采矿因素,覆岩综合硬度与开采沉陷下沉系数成反比关系;沙基比、松散层厚度与开采沉陷下沉系数成正比关系。在覆岩综合硬度较难计算的情况下,可利用沙基比λ、松散层厚度χ对开采沉陷下沉系数η进行预计,预计公式如下:利用遗传算法(GA——Genetic Algorithm)优化小波(W——Wavelet)神经网络(NN——Neural Network),建立开采沉陷下沉系数预计模型GA-WNN,其预计结果与实际观测值基本符合,精度较高,适用于神东矿区开采沉陷下沉系数的预计。
摘要 | 第2-3页 |
ABSTRACT | 第3页 |
1 绪论 | 第7-13页 |
1.1 选题背景及意义 | 第7-8页 |
1.1.1 选题背景 | 第7-8页 |
1.1.2 研究意义 | 第8页 |
1.2 国内外研究现状 | 第8-11页 |
1.2.1 开采沉陷主控因素研究 | 第8-9页 |
1.2.2 开采沉陷预计方法研究 | 第9-10页 |
1.2.3 小波神经网络研究 | 第10页 |
1.2.4 遗传算法研究 | 第10-11页 |
1.3 研究内容及研究方法 | 第11-13页 |
1.3.1 研究目标 | 第11页 |
1.3.2 研究内容 | 第11-12页 |
1.3.3 研究技术路线 | 第12-13页 |
2 神东矿区工地质条件概况 | 第13-18页 |
2.1 矿区自然地理 | 第13-14页 |
2.2 矿区地层发育特征 | 第14页 |
2.3 矿区主采煤层赋存特征 | 第14-15页 |
2.4 矿区覆岩结构与岩体质量 | 第15-16页 |
2.5 矿区地质构造特征 | 第16页 |
2.6 矿区水文特征 | 第16-18页 |
3 神东矿区开采沉陷影响因素分析 | 第18-29页 |
3.1 地质因素 | 第18-27页 |
3.1.1 构造介质 | 第18-24页 |
3.1.2 构造界面 | 第24-26页 |
3.1.3 构造应力 | 第26-27页 |
3.2 采矿因素 | 第27页 |
3.2.1 采厚与采空区面积 | 第27页 |
3.2.2 采煤及顶板管理方法 | 第27页 |
3.3 本章小结 | 第27-29页 |
4 神东矿区开采沉陷主控因素筛选 | 第29-39页 |
4.1 筛选方法的数学基础 | 第29-31页 |
4.1.1 层次分析法 | 第29-30页 |
4.1.2 模糊数学 | 第30-31页 |
4.1.3 模糊层次分析法 | 第31页 |
4.2 模糊层次分析法的计算步骤 | 第31-35页 |
4.2.1 建立层次结构图 | 第31-32页 |
4.2.2 构成优先关系矩阵 | 第32页 |
4.2.3 构造模糊一致矩阵 | 第32-33页 |
4.2.4 计算各层因素的权重向量 | 第33页 |
4.2.5 精度计算 | 第33-34页 |
4.2.6 组合权重计算 | 第34-35页 |
4.3 神东矿区开采沉陷的主要控制因素 | 第35-38页 |
4.3.1 开采沉陷影响因素递阶层次结构模型 | 第35页 |
4.3.2 单因素权重计算 | 第35-37页 |
4.3.3 组合因素权重计算 | 第37-38页 |
4.4 本章小结 | 第38-39页 |
5 开采沉陷与主要控制因素量化关系的数值试验研究 | 第39-48页 |
5.1 数值试验软件简介 | 第39-40页 |
5.1.1 FLAC~(3D)概述 | 第39-40页 |
5.1.2 RFPA~(2D)概述 | 第40页 |
5.2 沙基比、松散层厚度对开采沉陷的影响 | 第40-44页 |
5.2.1 煤层覆岩结构及开采参数 | 第40-41页 |
5.2.2 数值试验模型 | 第41-43页 |
5.2.3 沙基比、松散层厚度与开采沉陷的量化关系 | 第43-44页 |
5.3 覆岩综合硬度对开采沉陷的影响 | 第44页 |
5.4 关键层对开采沉陷的影响 | 第44-47页 |
5.4.1 数值试验模型建立 | 第44-45页 |
5.4.2 试验结果分析 | 第45-47页 |
5.5 本章小结 | 第47-48页 |
6 基于遗传算法优化小波神经网络的开采沉陷预计模型 | 第48-60页 |
6.1 小波神经网络 | 第48-51页 |
6.1.1 小波分析 | 第48页 |
6.1.2 网络数据预处理 | 第48-49页 |
6.1.3 小波神经网络模型 | 第49-51页 |
6.1.4 小波神经网络特点 | 第51页 |
6.2 遗传算法原理 | 第51-54页 |
6.2.1 遗传算法的基本步骤 | 第52-53页 |
6.2.2 遗传算法运行参数设定 | 第53-54页 |
6.3 基于遗传算法的小波神经网络模型 | 第54-55页 |
6.3.1 参数优化 | 第54-55页 |
6.3.2 网络训练 | 第55页 |
6.4 神东矿区开采沉陷预计 | 第55-59页 |
6.4.1 选取预计指标体系 | 第55页 |
6.4.2 网络数据样本集选取 | 第55-58页 |
6.4.3 网络模型测试及应用 | 第58-59页 |
6.5 本章小结 | 第59-60页 |
7 结论与建议 | 第60-62页 |
7.1 主要结论 | 第60-61页 |
7.2 建议与展望 | 第61-62页 |
致谢 | 第62-63页 |
参考文献 | 第63-66页 |
附录 | 第66页 |
攻读硕士学位期间发表的论文 | 第66页 |
攻读硕士学位期间参与完成和在研的科研项目 | 第66页 |
论文购买
论文编号
ABS539954,这篇论文共66页
会员购买按0.30元/页下载,共需支付
19.8。
不是会员,
注册会员!
会员更优惠
充值送钱!
直接购买按0.5元/页下载,共需要支付
33。
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文