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

论文摘要

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。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 选题背景及意义
• 1.1.1 选题背景
• 1.1.2 研究意义
• 1.2 国内外研究现状
• 1.2.1 开采沉陷主控因素研究
• 1.2.2 开采沉陷预计方法研究
• 1.2.3 小波神经网络研究
• 1.2.4 遗传算法研究
• 1.3 研究内容及研究方法
• 1.3.1 研究目标
• 1.3.2 研究内容
• 1.3.3 研究技术路线
• 2 神东矿区工地质条件概况
• 2.1 矿区自然地理
• 2.2 矿区地层发育特征
• 2.3 矿区主采煤层赋存特征
• 2.4 矿区覆岩结构与岩体质量
• 2.5 矿区地质构造特征
• 2.6 矿区水文特征
• 3 神东矿区开采沉陷影响因素分析
• 3.1 地质因素
• 3.1.1 构造介质
• 3.1.2 构造界面
• 3.1.3 构造应力
• 3.2 采矿因素
• 3.2.1 采厚与采空区面积
• 3.2.2 采煤及顶板管理方法
• 3.3 本章小结
• 4 神东矿区开采沉陷主控因素筛选
• 4.1 筛选方法的数学基础
• 4.1.1 层次分析法
• 4.1.2 模糊数学
• 4.1.3 模糊层次分析法
• 4.2 模糊层次分析法的计算步骤
• 4.2.1 建立层次结构图
• 4.2.2 构成优先关系矩阵
• 4.2.3 构造模糊一致矩阵
• 4.2.4 计算各层因素的权重向量
• 4.2.5 精度计算
• 4.2.6 组合权重计算
• 4.3 神东矿区开采沉陷的主要控制因素
• 4.3.1 开采沉陷影响因素递阶层次结构模型
• 4.3.2 单因素权重计算
• 4.3.3 组合因素权重计算
• 4.4 本章小结
• 5 开采沉陷与主要控制因素量化关系的数值试验研究
• 5.1 数值试验软件简介
• 3D概述'>5.1.1 FLAC^3D概述
• 2D概述'>5.1.2 RFPA^2D概述
• 5.2 沙基比、松散层厚度对开采沉陷的影响
• 5.2.1 煤层覆岩结构及开采参数
• 5.2.2 数值试验模型
• 5.2.3 沙基比、松散层厚度与开采沉陷的量化关系
• 5.3 覆岩综合硬度对开采沉陷的影响
• 5.4 关键层对开采沉陷的影响
• 5.4.1 数值试验模型建立
• 5.4.2 试验结果分析
• 5.5 本章小结
• 6 基于遗传算法优化小波神经网络的开采沉陷预计模型
• 6.1 小波神经网络
• 6.1.1 小波分析
• 6.1.2 网络数据预处理
• 6.1.3 小波神经网络模型
• 6.1.4 小波神经网络特点
• 6.2 遗传算法原理
• 6.2.1 遗传算法的基本步骤
• 6.2.2 遗传算法运行参数设定
• 6.3 基于遗传算法的小波神经网络模型
• 6.3.1 参数优化
• 6.3.2 网络训练
• 6.4 神东矿区开采沉陷预计
• 6.4.1 选取预计指标体系
• 6.4.2 网络数据样本集选取
• 6.4.3 网络模型测试及应用
• 6.5 本章小结
• 7 结论与建议
• 7.1 主要结论
• 7.2 建议与展望
• 致谢
• 参考文献
• 附录
• 攻读硕士学位期间发表的论文
• 攻读硕士学位期间参与完成和在研的科研项目