基于GA-BP神经网络的露天矿边坡变形预测分析
2023-01-13陈兰兰杨雨云肖海平罗兵邹伟豪
有色金属科学与工程 2022年6期
陈兰兰, 杨雨云, 肖海平*, 罗兵, 邹伟豪
(1.赣南科技学院资源与建筑工程学院,江西 赣州 341000;2.江西理工大学土木与测绘工程学院,江西 赣州 341000;3.江西核工业测绘院集团有限公司,南昌 330038)
矿山边坡形变是矿区开采过程中常见的一类问题,由于受环境、地质、采矿等多种因素的影响,往往表现为一种非线性的、复杂的变形。当边坡的变形超过某一限度时,将会对矿区产生很大的危害,甚至出现崩塌、滑坡、凹陷等地质灾害。对矿山边坡构建变形监测网,进行长周期的观察监测,得出边坡变形的规律,分析预测矿山边坡变形的趋势,能有效防止边坡变形事故的发生或是在下一次事故发生之前准确预测,从而按照预防治理方案采取措施,尽可能地减少损失。
针对矿山边坡变形预测,已有许多专家学者提出很多不同的预测方法。李长洪等通过卡尔曼滤波实现对某铁矿边坡变形监测数据的预测及分析,实验结果显示,该模型预测结果能与实际变化趋势很好吻合[1]。马兴峰等基于灰色理论建立GM(1,1)模型,对某边坡进行预测预报分析,预测结果较为可靠,与实际观测值能很好吻合[2]。赵利民等依据在数据处理方面具有优势的小波分析理论,构建小波包-时间序列预测模型,研究结果表明,其预测值与矿山边坡实际沉降值基本一致,吻合度较高[3]。陈晓鹏等综合各种因素对边坡的影响,建立回归分析模型并对某边坡变形资料进行预测分析[4]。胡波等利用ARIMA模型对某边坡监测数据进行分析预测,结果显示,该模型有较好的预测效果[5]。……
登录APP查看全文
