金属矿山

作者：孙志豪,徐良骥,刘潇鹏

单位：1. 安徽理工大学空间信息与测绘工程学院,安徽 淮南 232001;2. 深部煤矿采动响应与灾害防控国家重点实验室,安徽 淮南 232001;3. 矿山采动灾害空天地协同监测与预警安徽普通高校重点实验室,安徽 淮南 232001;4. 矿山环境与灾害协同监测煤炭行业工程研究中心,安徽 淮南 232001;5. 合肥综合性国家科学中心能源研究院,安徽 合肥 230031

关键词：开采沉陷,厚松散层,概率积分法,参数反演,分区段预计,粒子群算法,

概率积分法作为一种通用的采煤沉陷预计方法,在厚松散层矿区应用中存在边缘收敛过快、沉陷预计失准等问题,给厚松散层矿区“三下”采煤及环境保护带来了一定的困难。为此,在概率积分法基础上提出了一种基于分段加权赋参的厚松散层矿区沉陷预计方法,将监测点根据工作面位置划分为内、外2 个区段,分别获取相应预计参数,利用建立的自适应赋权模型对其预计结果进行加权组合;在此基础上,为提升参数反演精度,分别基于标准粒子群算法和自适应模拟退火粒子群算法进行参数反演研究;同时,为提升赋权模型性能,建立了2 种自适应赋权模型进行模型优选。试验结果表明:与概率积分法相比,基于分段加权赋参的沉陷预计方法计算的下沉预计值与实测数据更接近,2 种赋权模型计算结果的残差平方和分别为0. 007 1 m2、0. 005 8 m2,小于概率积分法的0. 020 3 m2;2 种赋权函数模型相比,模型2 精度更高、效果更好;相同条件下,自适应模拟退火粒子群算法精度优于标准粒子群算法。试验结果验证了矿区分区段预计的可行性,反映出该方法能够有效解决概率积分法在厚松散层矿区应用中边缘收敛过快的问题,对厚松散层矿区的沉陷预计有一定的参考意义。

来源：2024年第11期

《金属矿山》期刊编辑部

查看金属矿山杂志2024年第11期