为了准确反演受到邻近采空区影响的地表沉陷预计参数,通过分析工作面开采后地表正常下沉规律与邻近采空区残余沉降量的预测方法,将邻近采空区等价成变采高的小工作面开采来进行概率积分法参数反演,提出了邻近采空区影响的地表沉陷概率积分法参数反演方法。利用该方法求取的概率积分参数预计得到的地表下沉曲线与实测曲线比较吻合,为邻近采空区影响的地表概率积分参数反演提供了可行方法。

固体充填开采是近年来发展的一种较好的绿色开采技术,在国内获得初步应用,但实测资料较少。结合一个试采工作面,采用FLAC3D数值模拟手段,对固体充填开采不同充填率及充填体不同弹性模量条件下地表下沉规律进行研究。研究表明,随着充填率从100%减小到50%,地表下沉最大值从312 mm增加到907 mm,充填率对地表下沉的影响很大,在选择充填开采的时候,保证充填接顶对防止地表变形过大很有帮助。随着充填体弹性模量从0.24 GPa增大到24 GPa,地表最大下沉值迅速减小,选择合理的充填体级配很重要,只要充填体达到抗变形能力即可。

为研究深部非充分采动条件下地表移动变形规律,指导矿井安全生产,义煤集团某大型煤矿建立了地表移动观测站,根据地表移动实测数据进行参数的拟合解算,采用概率积分法进行地表移动和变形预计。结合MATLAB仿真技术,实现了煤矿深部非充分采动条件下地表沉陷可视化预计,并实现了地表变形图绘制,为煤矿深部开采地表移动规律研究提供了重要参考。

根据某矿区工作面的地质采矿条件、经验参数值和地表移动观测站实测资料,基于Matlab运用曲线拟合法,采用概率积分函数模型编程,求出在该工作面地质采矿条件下的地表移动变形预计参数,并利用所求参数,通过Matlab编程实现了工作面走向和倾向方向的下沉值和水平移动值的自动生产及其二维可视化,实测值和预计值的拟合残差及其中误差的自动解算,进而实现了采区地表任意点下沉值和水平移动值的自动计算及其三维可视化。

BP神经网络可以解决地表沉陷等非线性关系问题，为了更精确地进行地表沉陷变形预测，引入Adaboost算法对BP神经网络进行改进，并运用Matlab R2014a建立基于Adaboost的BP神经网络地表沉陷预测模型。首先通过BP神经网络进行训练、测试，经过多次迭代，将每个BP神经网络作为一个弱预测器加权组合，形成强预测器，并首次对青岛地铁3号线保河区间隧道进行地表下沉值预测。预测结果表明：Adaboost的BP神经网络预测下沉值的平均绝对误差为0.585 3 mm，平均相对误差为5.82%，与BP神经网络预测相比，绝对误差降低了2.594 7 mm，相对误差降低了27.46%，由此表明Adaboost的BP神经网络适用于地表沉陷预测，且预测精度更高。

开采沉陷; 预计参数; 模矢法

条带开采; 沉陷规律; 预计参数