基于数学形态学多尺度分析的顶板下沉量预测

›› 2013, Vol. 34 ›› Issue (2): 433-438.

基于数学形态学多尺度分析的顶板下沉量预测

李启月¹，许杰¹，王卫华¹，陈星明²，张君¹

1.中南大学资源与安全工程学院，长沙 410083；2.西南科技大学环境与资源学院，四川绵阳 621010

收稿日期:2011-11-28 出版日期:2013-02-11 发布日期:2013-03-01
作者简介:李启月，男，1968年生，博士，副教授，主要从事采矿教学与科研工作
基金资助:
湖南省自然科学基金（No. 08JJ4014）；教育部博士点基金（No. 20090162120084）

Roof settlement predicting based on multi-scale mathematical morphological analysis

LI Qi-yue¹, XU Jie¹, WANG Wei-hua¹, CHEN Xing-ming², ZHANG Jun¹

1. School of Resources and Safety Engineering, Central South University, Changsha 410083, China; 2. College of Environment and Resources, Southwest University of Science and Technology, Mianyang, Sichuan 621010, China

Received:2011-11-28 Online:2013-02-11 Published:2013-03-01

摘要/Abstract

摘要： 利用实测顶板沉降序列预测顶板下沉量是分析顶板稳定性的有效手段。提出基于数学形态学（MM）的预测方法，将沉降序列视为一组信号，用多尺度形态学算法将其解耦为若干分量，用最小二乘支持向量机（LSSVM）算法对各分量进行预测，叠加还原得到最终预测结果。根据某金矿762采场预控顶板AIII测点实测沉降时序，建立MM-LSSVM模型进行预测研究。研究结果表明，MM-LSSVM的解耦处理强化了各分量内部规律、弱化了相互干扰。与其他传统预测算法相比，MM-LSSVM的平均绝对百分误差和均方根误差大幅下降，预测精度显著提高。

关键词: 顶板下沉量预测, 数学形态学, 多尺度分析, 最小二乘支持向量机

Abstract: Predicting roof settlement according to measured series is the main measure of roof stability analysis. Based on mathematical morphology (MM), a new method is proposed to improve predicting accuracy. Settlement series is treated as a group of signal which is decoupled to some components by using multi-scale mathematical morphological method. Least squares support vector machine (LSSVM) algorithm is used to predict each component. Rebuilding these components turns to be the final predicting result. According to the measured settlement time series on AIII monitor point of #762 stope pre-controlling roof in a gold mine, an MM-LSSVM predicting model is established to test the new method. The predicting results show that the components present more regularity and less interference than the original series. Comparing with the traditional predicting methods, the mean absolute percentage error (MAPE) and root mean square error (RMSE) of MM-LSSVM have a great decrease; and the predicting accuracy is improved obviously.

Key words: roof settlement prediction, mathematical morphology, multi-scale analysis, least squares support vector machine

中图分类号:

TD 325

李启月，许杰，王卫华，陈星明，张君 . 基于数学形态学多尺度分析的顶板下沉量预测[J]. , 2013, 34(2): 433-438.

LI Qi-yue , XU Jie , WANG Wei-hua , CHEN Xing-ming , ZHANG Jun . Roof settlement predicting based on multi-scale mathematical morphological analysis[J]. , 2013, 34(2): 433-438.

参考文献

相关文章 11

[1]	郑志成，徐卫亚，徐飞，刘造保 . 基于混合核函数PSO-LSSVM的边坡变形预测[J]. , 2012, 33(5): 1421-1426.
[2]	井彦林，仵彦卿，林杜军，李晓光，张志权. 基于最小二乘支持向量机的黄土湿陷性预测挖掘[J]. , 2010, 31(6): 1865-1870.
[3]	马文涛. 基于灰色最小二乘支持向量机的边坡位移预测[J]. , 2010, 31(5): 1670-1674.
[4]	宫伟力，安里千，赵海燕，毛灵涛. 基于图像描述的煤岩裂隙CT图像多尺度特征[J]. , 2010, 31(2): 371-376.
[5]	马文涛. 基于小波变换和GALSSVM的边坡位移预测[J]. , 2009, 30(S2): 394-398.
[6]	邬凯，盛谦，梅松华，李佳. PSO-LSSVM模型在位移反分析中的应用[J]. , 2009, 30(4): 1109-1114.
[7]	马文涛. 基于PSO和LSSVM的边坡稳定性评价方法[J]. , 2009, 30(3): 845-848.
[8]	王保田，汪莹鹤，李守德. 基于LSSVM与MCS的路基沉降可靠度分析[J]. , 2009, 30(2): 357-361.
[9]	马文涛，孔亮. 进化-最小二乘支持向量机的边坡稳定性估计[J]. , 2009, 30(12): 3876-3880.
[10]	林大超，张瑞红，齐宏伟，张富强. 边坡位移演化的多尺度分析[J]. , 2007, 28(S1): 144-148.
[11]	马文涛. 参数优化LSSVM的巷道围岩松动圈预测研究[J]. , 2007, 28(S1): 460-464.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

本文评价

推荐阅读 10

[1]	马亢，徐进，吴赛钢，张爱辉. 公路隧道局部塌方洞段的围岩稳定性评价[J]. , 2009, 30(10): 2955 -2960 .
[2]	宋晶，王清，孙铁，李晓茹，张中琼，焦志亮. 吹填土自重沉淤阶段孔隙水压力消散的试验研究[J]. , 2010, 31(9): 2935 -2940 .
[3]	陈正汉，方祥位，朱元青，秦冰，魏学温，姚志华. 膨胀土和黄土的细观结构及其演化规律研究[J]. , 2009, 30(1): 1 -11 .
[4]	潘鹏志，冯夏庭，周辉. 脆性岩石破裂演化过程的三维细胞自动机模拟[J]. , 2009, 30(5): 1471 -1476 .
[5]	叶为民，黄伟，陈宝，郁陈，王驹. 双电层理论与高庙子膨润土的体变特征[J]. , 2009, 30(7): 1899 -1903 .
[6]	王吉亮，陈剑平，杨静，阙金声. 岩爆等级判定的距离判别分析方法及应用[J]. , 2009, 30(7): 2203 -2208 .
[7]	陈明，卢文波，周创兵，罗忆. 初始地应力对隧洞开挖爆生裂隙区的影响研究[J]. , 2009, 30(8): 2254 -2258 .
[8]	张红，郑颖人，杨臻，王谦源，葛苏鸣. 黄土隧洞支护结构设计方法探讨[J]. , 2009, 30(S2): 473 -478 .
[9]	陈建功，周陶陶，张永兴. 深部洞室围岩分区破裂化的冲击破坏机制研究[J]. , 2011, 32(9): 2629 -2634 .
[10]	祝文化明锋宋成梓. 爆破荷载作用下岩体损伤破坏的分形研究[J]. , 2011, 32(10): 3131 -3135 .