基于監(jiān)測(cè)時(shí)間序列的沖擊地壓混沌特性分析及其智能預(yù)測(cè)研究.pdf

1、沖擊地壓是一種較為典型的礦山災(zāi)害動(dòng)力現(xiàn)象,隨著開(kāi)采規(guī)模的擴(kuò)大和深度的增加,其危害也日趨嚴(yán)重,已成為礦山開(kāi)采中亟待解決的重大課題。沖擊破壞過(guò)程十分復(fù)雜,很難建立精確的數(shù)學(xué)模型,但目前具有沖擊危險(xiǎn)性的礦井都采取了多種監(jiān)測(cè)措施,可以獲得大量沖擊地壓監(jiān)測(cè)數(shù)據(jù)。本論文以獲取的沖擊地壓監(jiān)測(cè)歷史時(shí)間序列數(shù)據(jù)為基礎(chǔ),在相空間重構(gòu)出的動(dòng)力學(xué)空間中分析其混沌特性,基于混沌預(yù)測(cè)理論,采用智能算法對(duì)多個(gè)沖擊地壓監(jiān)測(cè)變量進(jìn)行預(yù)測(cè)研究,并采用集成分類方法對(duì)沖擊危險(xiǎn)

2、性進(jìn)行識(shí)別預(yù)測(cè)研究。
　　首先,對(duì)沖擊地壓監(jiān)測(cè)數(shù)據(jù)進(jìn)行分析和預(yù)處理,獲取能表征煤巖體斷裂破壞動(dòng)力學(xué)特性的監(jiān)測(cè)數(shù)據(jù),包括微震累計(jì)能量、最大能量、頻次和電磁輻射幅值、脈沖數(shù)指標(biāo)等時(shí)間序列?；趩巫兞肯嗫臻g重構(gòu),通過(guò)功率譜方法和主分量分析法定性判定各個(gè)沖擊地壓監(jiān)測(cè)時(shí)序均具有混沌特性。
　　接下來(lái),針對(duì)多變量時(shí)序相空間重構(gòu)時(shí)重構(gòu)變量和參數(shù)確定的相關(guān)性以及重構(gòu)效果評(píng)價(jià)目標(biāo)的多維性,提出改進(jìn)的多目標(biāo)免疫優(yōu)化算法來(lái)確定重構(gòu)變量和重構(gòu)參數(shù)。

3、兩個(gè)標(biāo)桿混沌系統(tǒng)仿真實(shí)驗(yàn)驗(yàn)證了該方法的有效性;用于沖擊地壓監(jiān)測(cè)時(shí)間序列,結(jié)果表明能夠同時(shí)求出多組最優(yōu)重構(gòu)變量和重構(gòu)參數(shù)的組合,為基于多變量監(jiān)測(cè)時(shí)序的沖擊地壓混沌特性分析和智能預(yù)測(cè)打下基礎(chǔ)。
　　其三,考慮到多變量時(shí)序重構(gòu)可以彌補(bǔ)數(shù)據(jù)長(zhǎng)度的不足和噪聲的影響,基于多變量時(shí)序重構(gòu)來(lái)求解沖擊地壓監(jiān)測(cè)時(shí)序的混沌幾何不變量:采用改進(jìn)G-P算法求解多變量時(shí)序的關(guān)聯(lián)維數(shù)d2,并提出了計(jì)算含噪多變量時(shí)序的最大Lyapunov指數(shù)(LLE)的非線性最

4、小二乘方法。將改進(jìn)G-P算法先用于對(duì)Lorenz系統(tǒng)的d2求解,驗(yàn)證其魯棒性強(qiáng)、精確度高;求解沖擊地壓監(jiān)測(cè)時(shí)序的d2為分?jǐn)?shù)維,說(shuō)明其具有混沌特性,并根據(jù)d2研究了不同情況下監(jiān)測(cè)數(shù)據(jù)的復(fù)雜程度。將LLE求取方法用于Rossler耦合系統(tǒng)驗(yàn)證了該算法對(duì)小數(shù)據(jù)量含噪多變量時(shí)序的適用性,求得沖擊地壓監(jiān)測(cè)時(shí)序的LLE均大于0,再次說(shuō)明其具有混沌特性,可進(jìn)行短期預(yù)測(cè)。
　　其四,將多變量時(shí)序重構(gòu)的狀態(tài)相量作為輸入變量,基于GRNN模型來(lái)預(yù)測(cè)多

5、個(gè)沖擊地壓監(jiān)測(cè)變量的未來(lái)值,以間接識(shí)別沖擊危險(xiǎn)性。GRNN預(yù)測(cè)結(jié)果表明,在一定的數(shù)據(jù)長(zhǎng)度下,基于多變量重構(gòu)的GRNN模型可以提前預(yù)測(cè)出多個(gè)監(jiān)測(cè)變量的未來(lái)值,而且用于重構(gòu)的監(jiān)測(cè)數(shù)據(jù)類型和變量個(gè)數(shù)越多,嵌入維數(shù)越大,預(yù)測(cè)精度越高。然后,在LSSVM的基礎(chǔ)上構(gòu)建MLSSVM模型,用于小數(shù)據(jù)樣本下沖擊地壓監(jiān)測(cè)變量的預(yù)測(cè)。MLSSVM為不同輸出設(shè)置不同模型參數(shù),并基于所有輸出的整體擬合誤差和各個(gè)輸出的單一擬合誤差最小化,采用免疫算法來(lái)優(yōu)化其模型參

6、數(shù),從而得到各個(gè)輸出的整體最優(yōu)預(yù)測(cè)模型。將MLSSVM模型用于三個(gè)礦井(工作面)沖擊地壓監(jiān)測(cè)變量的預(yù)測(cè),結(jié)果表明MLSSVM模型具有較強(qiáng)泛化能力,在訓(xùn)練樣本有限時(shí),也能達(dá)到較小的預(yù)測(cè)誤差。
　　最后,考慮到由多源監(jiān)測(cè)時(shí)序重構(gòu)得到的狀態(tài)相量能夠更好地描述系統(tǒng),將其作為輸入來(lái)直接識(shí)別預(yù)測(cè)沖擊危險(xiǎn)性。由于狀態(tài)相量各個(gè)分量間存在一定的互補(bǔ)性和冗余性,提出基于特征聚類的子空間選擇性集成學(xué)習(xí)算法進(jìn)行預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明:這種集成學(xué)習(xí)算法,在不同