基于BP神经网络的开采沉陷岩体参数反演研究

发布时间：2020-10-20 17:18

　　 在煤矿开采沉陷的研究中,数值模拟技术已成为当前开采沉陷预计中比较常用的重要研究手段之一,为开采沉陷的研究提供了新的方法和途径。在进行数值模拟分析时,岩体力学参数的合理选取是数值模拟的关键要素。室内试验或现场局部试验获取的岩体参数具有一定的局限性,使得数值模拟的结果与实际存在一定差距,难以准确的反映煤矿开采沉陷的客观规律。本文以三道沟矿区某工作面为例,对矿区开采沉陷岩体参数的反演进行研究。采用BP神经网络建立矿区下沉值与岩体参数之间的模型,对岩体参数进行反演分析。针对反演参数的选取问题,运用数值模拟、灰色关联度分析,得出矿区中对地表下沉值敏感性较高的参数是弹性模量,并将其作为反演的对象。采用正交设计原理结合数值模拟方法,得到建立BP神经网络模型所需要的训练数据。合理设置网络内置参数,对比分析了不同的学习算法对网络模型训练结果的影响。运用遗传算法对网络模型进行优化,提高了模型预测参数的精度,实验结果表明:优化后的网络模型对预测参数的精度有明显的改善,相对误差的主要分布范围从111%～17%降低到4%～8%之间。基于构建好的网络模型,结合实测的矿区下沉数据,完成了矿区岩体参数弹性模量的反演,并利用数值模拟验证分析反演结果。实验结果表明:采用反演的岩体参数弹性模量,得出的数值模拟结果与实测值的误差较小,相对误差都在10%以内,能够满足工程的实际需求,准确反映了开采沉陷的客观规律。
【学位单位】：西安科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP183;TD327
【部分图文】：

西安科技大学全日制工程硕士学位论文节的过程，当期望值与实际输出值之间存在偏差时，网络误差就会通进行调节，其主要是对神经网络中的阈值、权值不断地更新调整，此值就会遵循误差梯度下降的方式进行改正。每当网络的反向传播完成会以反向传播得到的信息再次进行计算，如此这两个过程反复进行，网络训练。神经网络的训练过程不会持续进行下去，当网络误差降低或者达到预设的网络训练循环次数时训练结束，整个过程就会终止。中nx ,x,,x12 表示网络的输入数据；my ,y,,y12 表示输出数据；d ,d12误差[56]：

西安科技大学全日制工程硕士学位论文煤层厚度为 6.6m。FLAC3D 中建立数值模型需要遵循右作面的数值模型时，将煤层走向的方向设定为数值模型的定为数值模型的 Y 轴，将数值模型中与煤层倾向、走向互的数值模型下边界设定到煤层底板破损程度以下，数值为界；考虑到该矿区地质条件因素的影响，本文建立的数00m，高度为 250m。模型共有 120156 个节点，112500 个1 所示：

2000 3.374 2457 3.272 733 3.148 3.5 3.124 32 3.1242183 3.126 2680 3.126 800 3.126 4.0 3.126 34 3.1262366 2.875 2903 3.004 867 3.04 4.5 3.124 36 3.1252546 2.618 3127 2.903 933 2.996 5.0 3.123 38 3.1242729 2.371 3350 2.838 1000 2.935 5.5 3.123 40 3.124岩体参数弹性模量与体积模量、剪切模量之间存在着数学函数关系，具体的函数关系式如下所示： E 3K1 2μ（3.14） E 2G 1 μ（3.15）上式中E为弹性模量；K 为体积模量；G为剪切模量；μ 为泊松比。为了方便观察各个岩体参数与下沉值之间的关系，将上表 3.2 中计算的结果通过图的形式进行表示，各岩体参数与下沉值之间的关系如图 3.2-3.6 所示。
【参考文献】

相关期刊论文 前10条

1 赵永虎;刘高;毛举;陈龙飞;魏蒙恩;;基于灰色关联度的黄土边坡稳定性因素敏感性分析[J];长江科学院院报;2015年07期

2 朱忠华;王李管;毕林;钟德云;;基于VTK的地下矿开采沉陷预计研究与实现[J];福州大学学报(自然科学版);2015年03期

3 李培现;;开采沉陷岩体力学参数反演的BP神经网络方法[J];地下空间与工程学报;2013年S1期

4 郝秀兰;杜煜;苏利敏;;Matlab在通信原理课程教学中的应用[J];计算机科学;2012年S2期

5 樊振宇;;BP神经网络模型与学习算法[J];软件导刊;2011年07期

6 翟远征;王金生;苏小四;;正交试验法在地下水数值模拟敏感性分析中的应用[J];工程勘察;2011年01期

7 赵卫强;孟晴;;国内外矿山开采沉陷研究的历史及发展趋势[J];北京工业职业技术学院学报;2010年01期

8 王列平;胡奎;陈玉平;陈卓求;李敏;;厚松散表土层条件下南沱河堤坝开采沉陷预测[J];煤炭科学技术;2009年12期

9 段莹;潘昊;;遗传算法的形式化语言表示[J];计算机与数字工程;2009年09期

10 高翔;海洋;;遗传算法应用[J];赤峰学院学报(自然科学版);2009年03期

相关硕士学位论文 前10条

1 崔宇鹏;基于遗传神经网络算法的基坑土体参数反演和基坑沉降预测研究[D];山东大学;2017年

2 高明尚;基于BP神经网络的土体参数反演及其工程应用[D];河北工程大学;2016年

3 李小庆;淮北矿区开采地表沉陷规律研究[D];安徽建筑大学;2015年

4 乔大伟;基于BP神经网络的隧道围岩参数反分析[D];西安工业大学;2014年

5 刘玮;基于BP神经网络下的深长隧道突水预测分析与数值模拟研究[D];中南大学;2014年

6 陈爽;采区地表变形监测数据分析与岩石力学参数反演[D];辽宁工程技术大学;2012年

7 刘冰蕾;薄及中厚煤层群开采地表沉陷的数值模拟研究[D];内蒙古科技大学;2011年

8 吴盾;铁法矿区采煤沉陷区地表移动规律研究与应用[D];安徽理工大学;2011年

9 张亮;巨厚表土层大采深矿井岩移规律研究[D];山东科技大学;2011年

10 张建;采空区的岩土工程问题及治理措施[D];新疆农业大学;2010年

本文编号：2848941