山东某煤矿地表变形数据分析及预测模型研究

发布时间：2021-05-12 01:29

　　煤炭资源作为能源矿产之一,对于我国的经济建设发挥着巨大的作用。由于地下煤炭的开采,不可避免的会造成采空区地面不同程度的变形,因此对地表变形情况定期观测以及变形预测十分重要。以山东某煤矿为研究背景,介绍了矿区的基本概况、岩移观测站的布设与观测。通过定期重复观测,获得岩移观测站的沉降时间序列,利用SODP软件对地表岩移参数反演分析。对于监测数据中的噪声,采用小波阈值去噪的方法进行处理,利用控制变量法选择最优去噪组合方式,通过对比均方根误差和信噪比确定db3小波基函数、软阈值、rigrsure阈值原则、scal=sln、1层分解对沉降时间序列数据去噪效果最好。对小波去噪数据建立时间序列预测模型,利用AIC准则定阶,当n=1,m=6时,AIC取得最小值196.062,确定时间序列模型为ARMA（1,6）,将预测结果与实测值对比,结果表明时间序列模型预测精度较高。建立经典BP神经网络模型,分析了隐层节点数的选取方法。并采用基于L-M的变梯度反向传播算法对经典BP网络进行优化,结果表明基于L-M的BP网络不仅能加快收敛速度,而且预测精度也高于经典BP网络。针对BP网络隐层节点数选取困难、建模参数多... 

【文章来源】：山东科技大学山东省

【文章页数】：83 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 选题背景和意义
    1.2 国内外研究现状
    1.3 本文的主要内容与技术路线
2 矿区概况与地表移动数据分析
    2.1 矿区概况
    2.2 地表移动观测与数据分析
    2.3 SODP软件地表移动参数反演
    2.4 本章小结
3 基于小波分析的去噪处理
    3.1 小波去噪基本理论
    3.2 小波去噪质量评价
    3.3 实测数据的阈值去噪
    3.4 本章小结
4 时间序列分析
    4.1 时间序列分析理论
    4.2 时间序列分析预测
    4.3 本章小结
5 神经网络
    5.1 BP神经网络理论
    5.2 经典BP神经网络预测
    5.3 基于L-M的BP神经网络预测
    5.4 广义回归神经网络预测
    5.5 本章小结
6 曲线拟合
    6.1 曲线拟合的基本原理
    6.2 曲线拟合预测
    6.3 综合对比分析
    6.4 本章小结
7 结论与展望
    7.1 结论
    7.2 展望
参考文献
致谢
硕士期间的主要成果



本文编号：3182462