基于多变量灰色模型在矿山沉降监测中应用.docVIP

基于多变量灰色模型在矿山沉降监测中应用 　　【摘 要】 　　随着矿山的不断开采，使得矿山周围的地层发生变形，严重影响矿区的安全和生产，为了保证矿区生产生活的的安全进行，并为以后开采工作提供可靠的资料及相应的沉降参数，必须对矿区沉降进行研究和预测。介绍了灰色预测模型的建模方法，并以某矿山为例做多变量灰色预测模型并验证。 　　【关键词】 　　矿山沉降 灰色模型 预测 　　1 引言 　　随着人类的生活和国民经济的发展，加快了矿山的开采进程，矿区的地表沉降已经成为制约安全生产的主要问题之一，为此进行矿区地表沉降监测及预测工作具有很强的现实意义。 　　变形监测研究的理论方法主要包含三方面的内容：（1）变性信息的获取（2）变性信息的分析及解析（3）变形预测。其研究成果对于了解变形机理及预防灾害具有极其重要的作用。 　　2 多变量灰色模型的建模和预测 　　目前用于沉降监测的模型大多属于单点建模和预测，也就是说这类模型仅用1 个时间序列数据进行建模预测，如果在存在多个相互影响或者关联的变量时，就不能很好的反映它们之间的相互影响，这种模型只是在表现变量之间的相互关系而起不到预测的作用。因此，可以采用多变量灰色模型，它在n元多变量的情况下进行推广，建立n个n元微方程，通过多个方程联合求解，这样得到的模型参数就可以满足多变量的相互关系，使得预测的变形值更符合实际。 　　（1） 建立模型 　　建立模型前需将原始观测数据序列 　　{x■■（k）}（k=1，2，L，n，）（n为建筑物沉降观测点的个数，m为影响的观测周期）进行累加，其一次的累加生成序列为x■■（k）=■x■■（j），式中，k=1，2，L，n.. 　　由于n个点具有相互关联和相互影响的关系，要生成序列建立n元一阶常微分方程组进行结算： 　　■=a■x■■+a■x■■+L+a■x■■+b■■■■=a■x■■+a■x■■+L+a■x■■+b■■■M■=a■x■■+a■x■■+L+a■x■■+b■■■ （1） 　　写成矩阵形式 　　■=AX（1）+B （2） 　　A=■，B=■ ，x（1）（t）=■ （3） 　　根据积分的生成变换原理，（2）式两边同乘e-At得e-At■-AX（1）=e■B 。在区间[0，t]上积分，可得： 　　X（1）t=eAt（X（1）（0）+A-1B）-A-1B （4） 　　其中（4）式就是生成的序列模型的一般形式。 　　（2） 解算参数A和B的辨识值■和■ 　　对（4）式进行离散化解算，可以得到相应的时间函数即： 　　■（1）（k） =e■（■（1）（1）+■-1■）-■-1■（5） 　　式中， 　　e■=I+■■（k-1）i（6） 　　根据最小二乘法得到估值： 　　■（7） 　　其中， 　　x■■（k）=■[x■■（k）+x■■（k-1）]（i=1，2，L，n；k=2，3，L，m） （8） 　　从而可以从（6）式中求得■和■： 　　（3） 预测模型 　　对（5）式进行累减还原得到： 　　■（0）（k）=■（1）（k）-■（1）（k-1）（k=1，2，2，L） （10） 　　km时， ■（0）（k）为模拟值； 　　k=m时， ■（0）（k）为滤波值； 　　km时， ■（0）（k）为预测值 　　（4） 模型拟合的平均精度 　　σ2=■（11） 　　v■■ =x■■（k）-x■■（k）（12） 　　残差向量 　　Vi=[vi（1），vi（2），L，vi（m）]T（i=1，2，L，n，k=1，2，L，m） （13） 　　3 实例应用及分析 　　通过对某矿山进行严格的沉降观测，根据实际情况设置了4个观测点，也就是说变量个数n=4，并根据沉降累计值进行了建模预测。按照15天左右一个周期的严格观测，并采用了8个周期的累计沉降值的序列，这8个周期中前6个周期用来建立模型，后2个周期用来检验预测值是否准确。观测数据见表1 、2。 　　通过对该4点观测值的建模解算可以得到4点的残差序列和预测序列，见表3 　　通过计算模型的拟合精度，我们从7、8两个周期的实际测量值和预测值对比可以看出，用到的多变量模型预测的沉降值和实际值非常接近，预测精度比较高，因此该方法可用于矿山地表沉降预测，并且该实例预测了再为2个周期第9、10周期将要发生的沉降值。 　　4 结论 　　（1）通过这个实例可以发现，利用多变量灰色预测模型建模方法简单，并且有效的较少了观测误差的影响，同时避免了单点建模变量之间的不足，大大提升了预测精度，属于非线性预测模型的一种。 　　（2）通过对矿区沉降8个周期的预测，发现其预测结果和实际测量结果基本吻合，即说明此方法的可行性和合理性。 　　参考文献： 　　[1]黄声亨，尹晖，蒋征。变形监测数据处理[M]，武汉大学出版社，2003 　　[2]冯锦明，李炳芳。灰色预测模型在建筑物沉降监