大型煤矿变形监测数据处理及沉陷预测分析-测绘工程专业论文.docx

摘要 摘 要 Abstr Abstract i i PAGE PAGE ii 我国是煤炭资源利用大国，随着国民经济快速发展，煤炭的需求量不断增大，开采 强度持续增强，煤矿大规模高强度的开采对矿区和周围生态环境造成严重的破坏。其中， 采煤造成的地表移动和沉陷导致土壤，植被和水等土地资源的流失和破坏，严重影响矿 区人民的生产生活，同时制约煤炭产业持续、健康、稳定的发展。 变形监测是判断目标对象在外力作用下位移变化量的一种技术手段，在各种工程中 应用广泛。多年来，国内外学者对变形监测的方法和监测数据处理方面进行了大量的研 究，为获取矿区沉陷现状和沉陷预测信息提供了强有力的技术支持。 本文以山西某矿区为例，通过在研究区设立观测站点，获取外业观测数据，并进行 数据处理，以该数据为基础对研究区的采煤沉陷进行预测分析，得到如下结论： （1）通过对观测站监测数据的处理，对研究区域地表移动与变形规律进行了初步 分析。可以看出，在近水平煤层开采情况下，地表移动变形的下沉和倾斜曲线同一般的 平地的移动变形特征相同，开采引起的水平移动与地形的坡度变化具有密切的相关性， 地表移动变形规律受地形条件影响很大。 （2）除地质、采矿因素中的覆岩力学性质、煤层倾角、深厚比、采煤方法及顶板 管理方法、采空区大小、工作面推进速度等因子之外，本文引入了地形因子中的坡度作 为影响因子。 （3）利用 MATLAB，建立了 BP 神经网络开采沉陷的预计模型，并基于模型进行 了下沉和水平移动的预计。分别运用平均相对误差、相关性、后验方差和小误差概率指 标对所建立的模型精度进行分析，预计结果初步表明，BP 神经网络模型只要有可靠的 先验性数据，预计结果是能够满足要求的。 （4）将 BP 神经网络预计曲线和概率积分法预计曲线进行了对比，可以看出，神经 网络预计在一定程度上较好的克服了概率积分法在边缘收敛过快，地表影响范围过小等 缺点。实验结果证明了 BP 模型用于煤矿沉陷预计的可行性。 关键词：煤矿，沉陷预测，数据处理，概率积分法，神经网络法 China is big country of coal resources utilization, with the rapid development of the national economy, the demand of coal increasing and the mining strength continued to improve, high-intensity and large-scale exploitation of coal mines serious damage the surrounding ecological environment , which caused coal result of ground movement and subsidence of soil, vegetation and water erosion and destruction of land resources, seriously affecting the mining production and peoples lives, while restricting the coal industry, sustainable, healthy and stable development. Deformation monitoring is a technical method to determine the target amount of displacement, widely used in various engineering, mining subsidence in the application of good results. Over the years, scholars of deformation monitoring methods and monitoring data processing for a lot of research, provides the strong technical support for access to mining subsidence and subsidence status information. In this paper, we take the XXX mine of Shanxi for example, by setting up observation stations in the experimental area, access to foreign trade observational data and