断层活化过程及煤柱失稳机理的数值模拟研究

为研究工作面沿断层走向推进时,断层煤柱宽度的大小对断层活化失稳与断层煤柱内部能量变化的影响,采用UDEC数值模拟软件建立平面应变模型。模拟研究了当逆断层下盘工作面的断层煤柱宽度减小时,断层煤柱内储存的能量与储能极限值的变化特征、断层活化过程与破坏趋势。研究结果表明:断层煤柱宽度减小时,煤柱支承压力峰值增大,弹性应变能增加,断层出现活化现象,并释放能量至煤柱,与弹性应变能叠加,同时断层煤柱的储能极限降低;当煤柱宽度为30 m时,煤柱中的弹性应变能首次超过储能极限值,当煤柱宽度为20 m时,煤柱中的弹性应变能量峰值为储能极限值的1.84倍。当断层煤柱宽度小于30 m时,煤柱易发生整体失稳和冲击危险,需要采取必要的灾害防治措施。     

带压开采煤层底板断层活化突水机理试验研究

为了研究含断层的底板隔水层在采动影响下的破坏动态过程,以焦作煤田赵固二矿11011工作面为研究背景,采用相似模拟试验的研究方法,对断层在整个开采过程中的活化动态进行观测,记录模型各个测点的位移变化并进行整体分析。通过"下三带"理论,计算赵固二矿工作面底板岩层的最大破坏深度和承压水导升高度,验证试验结果的准确性。研究结果表明:在采动影响下,底板断层的活化过程可分为稳定期、初始期和活化活跃期。初始期断层带附近衍生裂隙与工作面底板塑性破坏区形成沟通,是断层完全活化的前兆信息;活跃期断层滑落失稳,断层面处于张开状态,此时导水通道形成造成突水事故发生。     

开采扰动区断层采动活化诱发岩体动态变形模型实验

开采扰动区断层采动活化是诱发动力学灾害的典型难题之一。断层采动活化诱发岩体动态变形规律研究是揭示煤岩体结构、应力与力学行为对灾害控制作用的基础前提。通过对物理相似模型实验和声发射、应力与变形指标监测,揭示开采扰动区断层下盘、断层附近及断层上盘随工作面推进覆岩运移和矿压显现规律。实验研究表明:断层存在破坏了煤层顶板及上覆岩层的整体连续性,工作面矿压及上覆岩层垮落规律表现异常,断层极易活化,滑移现象明显;断层活化诱发上覆岩层发生整体切落,对工作面前方煤体产生很高的集中应力载荷,易诱发动力灾害。这为采动岩体动态断裂失稳和突水等灾害预报与调控提供理论依据。     

灰色模型在网络舆情预测研究中的应用

针对网络舆情的非线性和灰色性等特征,建立有效的预测模型并及时预测与控制舆情的演化,对社会的稳定具有重要意义。选择统计结果较为客观和准确的百度指数作为舆情预测的时间序列指标,并利用GM(1,1)模型和灰色Verhulst模型对热门事件"IG夺冠"的百度指数进行预测和比较,最终的仿真结果表明GM(1,1)模型的拟合程度相对较好,更适合网络舆情的预测。     

基于AHP灰关联及GM(1,N)建模的静态网损因素分析

提出利用变权灰关联技术分析电网静态网损因素与线损率指标之间关联度的思路,并建立GM(1,N)线损率预测模型.首先根据线损机理确定各因素对线损影响的权重,而后借助灰关联原理比较各因素与线损率的关联度,最后优选强关联因素建立线损率预测模型,用于配网线损率预测及相关因素指标优化的降损潜力分析.算例表明,灰关联分析准确,模型预...     

基于GM(0,N)模型的煤自然发火期预测

为科学准确预测煤自然发火期,运用灰色系统理论,基于灰色关联分析,选取煤样工业分析中的灰分、挥发分和元素分析中的C、H、O、S含量作为系统相关因素,建立了预测煤最短自然发火期的GM(0,7)模型,经后验差检验,模型精度为优;通过与多元线性回归模型预测结果对比,GM(0,7)模型预测煤自然发火期的平均相对误差为2%,多元线性回归模型预测的相对误差为10.35%.经外来数据回代检验,GM(0,7)模型预测结果的相对误差在2%左右,多元线性回归模型预测结果相对误差达26.27%,说明GM(0,7)模型预测结果优于多元线性回归模型.研究结果表明:利用灰色关联分析选取适当参数建立GM(0,N)模型能够较好预测煤最短自然发火期.     

断层冲击相似模拟微震信号频谱分析

以济三煤矿6303工作面地质条件为背景,进行了断层冲击矿压相似模拟试验研究。利用TDS-6微震采集系统记录了试验过程微震信号,通过对微震信号频谱分析,并结合采动过程中矿压显现特征,总结提炼出断层滑移失稳微震信号的重要波形特征。试验结果表明:采动作用可诱发断层滑移失稳,如果断层围岩系统处于临界应力状态,则很小的扰动就能引起断层滑移失稳。冲击震动波传播遇到断层等不连续面时发生反射、折射,震动波部分或者完全不能穿过断层,导致在断层的另一盘监测不到震动信号。而断层滑移失稳是断层两盘发生的突然相对错动。因此,断层两盘是否监测到明显的震动信号,可以作为断层发生活化的判据。这一结论对于利用微震监测系统监测预报断层冲击矿压具有一定的借鉴意义。     

基于期望间距的加速度补偿跟驰模型与仿真

通过仿真手段说明了传统GM跟驰模型的缺陷,针对这一问题,结合驾驶员的安全意识和紧随心理,明确了跟驰过程中驾驶员期望的车头间距;提出基于期望间距的加速度补偿概念,并利用量纲分析法构造加速度补偿项函数形式,充分考虑最大加速度和速度等实际跟驰条件约束,建立了基于期望间距的加速度补偿改进跟驰模型.实例仿真表明,所建立的模型能很好地弥补传统GM模型的不足,与实际跟驰情况基本吻合.     

基于灰色理论预测五阳矿未受采动影响煤层瓦斯含量

 采用邓氏关联度和广义综合关联度2种灰色关联分析方法对未受采动影响区域内煤层瓦斯含量的影响因素进行研究,并根据不同的影响因素分别建立了GM(1,7)、GM(1,6)和GM(1,5)瓦斯含量预测模型。研究结果表明,在五阳矿76、78采区未受采动影响的3#煤层中,30m底板砂泥岩比、地质构造、挥发分、灰分4个因素为影响其瓦斯含量的主要因素。由此建立的GM(1,5)模型瓦斯含量预测精度最高,可采用该模型对五阳矿76、78采区未受采动影响的3#煤层瓦斯含量进行预测。预测值能够为矿井瓦斯灾害的防治提供依据,对实现矿井的安全生产具有重要的现实意义。     

基于BP神经网络的江西省铁路货物周转量预测

采用灰色关联分析法筛选出江西省铁路货物周转量的主要影响因素,在此基础上建立了BP神经网络预测模型,并采用多元线性回归模型、二次指数平滑法、灰色GM(1,1)模型分别对江西省铁路货物周转量进行预测,再对结果进行比较和误差分析。研究表明,BP神经网络模型预测精度明显高于其它三个模型,平均误差为0.76%,可用于实际预测。     

GM（0,N）模型在河流径流量预测中的应用

河流径流量的预测对水资源的优化调度管理具有重要的意义,传统的预测方法中原始数据的随机性对预测精度具有很大的影响。对GM（0,N）模型进行了研究,建立了以河流径流量为系统特征数据序列,年平均降水量和年平均饱和差为相关因素序列的GM（0,3）模型。通过模型预测数据和实测数据的对比,说明了GM（0,N）模型具有较好预测效果;同时,为了证明GM（0,N）模型的优点,对比了其预测结果与线性回归预测模型的结果。     

基于自相关的GM（1，1）与GM（1，N）联合模型优化及应用

分析基于自相关理论的GM（1,1）与GM（1,N）联合模型,将仅适合GM（1,1）模型的数据拓展到适合GM（1,N）模型。用数值积分中的Simpson公式来重建GM（1,1）与GM（1,N）的联合模型,在参数辨识过程中引入累积法,降低线性方程组系数矩阵的条件数,使联合模型求解更加稳定,提高了模拟及预测精度,并且克服了原GM（1,N）模型必须获得预报时刻点相关数据列的值的缺陷,有利于新息GM（1,N）模型的应用。数值实验结果表明,优化后模型数值稳定性好,其系数矩阵的条件数在数值上比通用的最小二乘法有所降低,且模拟平均相对误差也有所降低,预测精度得到提高。     

隧道围岩收敛变形的改进GM(1,1)预测模型

为了有效提高隧道围岩变形的预测精度,对传统GM(1,1)预测模型进行了改进。改进模型通过对原始监测数据列优化重构,降低了量测误差、外界因素等噪声干扰造成的监测数据随机突变和离散性,提高了模型预测效果,并结合梅花山隧道典型监测断面对改进GM(1,1)预测模型进行了检验。研究结果表明:改进GM(1,1)预测模型增强了环境适应能力;预测结果与实际监测数据吻合程度明显提高,具有较好的实际工程应用推广价值。     

动态调整GM(1,1)发展系数的预测优化算法

在灰色预测GM(1,1)算法的基础上,针对小样本、穷信息、不确定性和以时间为序列的特征数据,运用限定条件下的随机非线性规划方法、动态调整GM(1,1)算法均质生成数列中的发展系数,构建一套优化预测模型,藉此提高算法的数据预测精度.结果表明:优化算法的预测结果精确度高,在数据预测方面,优于传统的GM(1,1)算法.     

灰色模型GM(1,1)背景值的一种改进方法

分析了灰色GM(1,1)模型的理论缺陷,提出了对背景值的一种改进方法,建立了GM(1,1,λ)模型,数据模拟结果表明,GM(1,1,λ)模型的模拟精度高于GM(1,1)模型,既适合低增长指数序列建模,也适合高增长指数序列建模.     

两类离散GM(1,1)模型及其软件缺陷预测建模

为了拓广离散GM(1,1)模型的应用范围,建立了近似非齐次指数序列的离散GM(1,1)模型,NDGM(1,1)模型和直接离散GM(1,1)模型,即DDGM(1,1)模型,证明了其可以完全拟合非齐次指数序列,最后将两类离散GM(1,1)对软件进行缺陷预测建模,结果显示,DDGM(1,1)模型具有较高预测精度,可以对后续软件开发中缺陷的存在情况做出相应预测.     

基于灰色模型及其改进模型的土石坝沉降预测

考虑到土石坝沉降变形因素的复杂性以及GM （1,1）灰色模型基于贫信息数据所表现出来的优势,由大坝实测数据拟合构造GM （1,1）模型。为了进一步提高大坝沉降变形的预测精度,对原始GM （1,1）模型分别进行了考虑不同数据对预测结果有不同影响的加权改进和利用指数函数变换来提高原始数据光滑度的改进。实例应用表明,加权改进的GM （1,1）模型和函数变换改进的GM （1,1）模型的预测精度均优于原始GM （1,1）模型。     

三种预测模型的比较与研究

通过对某地区自然灾害造成的损失数据的预测,针对灰色预测模型GM(1,1)预测精度问题展开了一系列研究.采用直线插值法将非等时距数据进行等时距变换.通过后验差验算线性回归模型、指数回归模型和GM(1,1)模型的预测等级,验算结果表明指数回归模型的预测等级与GM(1,1)的预测等级都处于最优级,线性回归预测等级为不合格.为进一步研究GM(1,1)和指数回归预测模型的预测精度,将两者的预测相对残差绝对值进行对比分析,结果表明GM(1,1)整体预测精度比指数回归模型略高.     

无偏直接PGM（1，1）模型及其优化

无偏直接GM（1,1）模型在原始数据为纯指数序列时能保持无偏性,但在原始数据为近似指数序列时,不是最佳无偏直接GM（1,1）模型．提出了一种无偏直接PGM（1,1）模型,并以模式搜索法求解最佳权值P,同时由于无偏直接GM（1,1）模型默认经过了初始点,因此对初始值进行了修正,结合具体数据将无偏直接GM（1,1）模型与无偏直接PGM（1,1）模型进行了比较,结果表明无偏直接PGM（1,1）模型优于无偏直接GM（1,1）模型．     

基于灰色-神经网络的核动力设备运行趋势预测

根据核电设备运行参数的历史数据,利用灰色系统GM（1,1）预测模型建立动态微分方程,并预测其发展趋势。如果原始数据序列呈线性变化且还原值序列的相对误差平方和较大,则用BP神经网络对GM（1,1）的预测结果进行修正,以提高预测精度。文中以二回路辐射剂量率的预测为例,对该方法进行了仿真实验验证。验证结果表明,用BP 神经网络对GM（1,1）的预测结果进行修正相比较GM（1,1）预测模型,预测精度得到了显著提高。