APP下载

M—SVR方法在“三下”覆岩移动范围预测中的应用

2016-04-17贺严彭永东李海港郝显福黄文琪

海峡科技与产业 2016年5期
关键词:变形方法模型

贺严 彭永东 李海港 郝显福 黄文琪

摘 要:为避免因“三下”覆岩移动范围划定不合理造成的生命财产损失或土地资源浪费,将移动范围-支持向量回归机(M-SVR)方法引入“三下”覆岩的移动范围预测。通过M-SVR方法的应用,在某典型“三下”矿山建立了以覆岩位移监测点位移量及移动速度为关键参数的覆岩移动范围预测模型,得到了各监测点的累计变形值与移动速度预测结果,并对比实测值进行了误差分析。预测结果表明:3组覆岩移动范围监测点5月1日至5月10日位移量平均预测值为0.049m,绝对误差为0.013m;移动速度平均预测值为0.0049m/d,绝对误差为0.0013m/d。由理论验证及误差分析可知,M-SVR方法有效地解决了“三下”覆岩移动范围的量化问题,具有广阔的应用前景。

关键词:M-SVR;移动范围预测模型;移动速度;相对误差 “三下”资源开采技术复杂,制约因素多,覆岩应力环境伴随开挖、爆破震动、放矿等作业方式发生动态改变,产生岩体破坏、冲击地压、覆岩垮落和地表塌陷等灾害。由于覆岩的微观破坏特征及移动规律不明确,其移动范围难以准确预测,造成生命财产的损失与土地资源的浪费。

国内外在“三下”资源合理开采技术方面,主要侧重于岩石损伤变形特征研究。从微观变形的角度描述了覆岩变形特征规律,但存在与实践吻合程度不高、推广应用难度较大的缺陷,故亟需提出一种切实可行的“三下”覆岩移动范围分析预测方法。

移动范围-支持向量回归机(M-SVR)方法是一种新型的基于结构风险最小化原理的机器学习技术,在处理小样本、非线性、高维数和局部极小点等问题上具有独到的优越性。……

登录APP查看全文

猜你喜欢

变形方法模型
一半模型
谈诗的变形
重尾非线性自回归模型自加权M-估计的渐近分布
“我”的变形计
会变形的饼
3D打印中的模型分割与打包
用对方法才能瘦
四大方法 教你不再“坐以待病”!
捕鱼