基于GIS的矿山地表移动信息管理与分析系统

以金川矿区为例,介绍了应用GIS进行二次开发来构建矿山地表移动信息管理与分析系统的方法、过程以及该系统的主要功能。该系统包括地表移动信息管理、地表移动分析与评价、地表移动预测3个模块,充分利用了GIS强大的空间数据管理与分析能力,实现了GIS与Surfer结合进行矿山地表移动分析与评价,GIS与Matlab结合进行监测数据的非线性神经网络时序预测。该系统不但有助于提高金川矿山地表移动信息的检索和分析效率,对其他矿山地表移动信息系统的建立也具有借鉴意义。     

金川二矿区14行风井再加固方案的可行性研究

金川二矿区14行风井破坏返修后,新井筒上部又出现了两条较大的近水平的裂缝,对此,进一步提出对返修后井筒的再加固方案。本文结合金川矿山地表岩移GPS监测结果,采用数值模拟的方法,对再加固方案的可行性进行了论证。结果表明,实施浅部的加固措施并没有改变竖井受采动影响的程度,更未实现预期的加固效果。继而对加固锚索施加预应力来检验加固方案本身的适应性,发现加固前后竖井井壁位移和应力的大小、分布也没有明显变化。可见,对于采动影响区内的竖井,采取单纯浅部加固的方案并无效果。最后,综合考虑14行风井破坏的原因、前期加固方案存在的问题和岩移趋势,提出了进一步加固措施的建议。     

矿山工程地质综合研究方法及在金川二矿区的应用

针对地下矿山工程的特点、研究现状及存在的问题 ,本文结合金川二矿区深部工程地质研究 ,提出了分项→综合→应用的矿山工程地质综合研究方法。该方法已经应用于金川二矿区二期工程无矿柱大面积连续开采矿岩突变失稳风险预测 ,取得了重要成果 ,为二期开拓工程设计及开采顺序的优化设计提供了重要依据。     

基于神经网络的组合导航系统状态估计

在干扰大的外界环境中,传统滤波法对组合导航系统进行状态估计的精度难以满足要求,为此提出了引入Elman神经网络。描述了它的状态估计的设计方法,对如何获取训练样本及网络的训练算法给予了详细的介绍,并把优化后的算法与原有方法进行仿真对比。最后以INS/GPS组合导航系统为例,分别用传统滤波法与Elman神经网络法进行状态估计。仿真结果证明了该法的有效性和实用性。     

基于混沌神经网络理论的城市地面沉降量预测模型

通过分析城市地面沉降量时间序列的非线性动力学系统,认为该时间序列具有混沌特性。在此基础上,通过相空间重构的方法建立了用于城市地面沉降量预测的混沌神经网络模型;并利用此模型对高桥地面沉降量进行了预测,并和实际监测沉降量进行了比较,最大绝对预测误差为1. 7,预测的平均误差为0. 0833,研究结果表明,应用混沌神经网络模型进行城市沉降预测是可行、精确的。     

盐岩储库区地面沉降预测与控制研究现状与展望

利用盐岩地层建设地下油气储库群已成为各国发展能源储备的重要方向,然而关于储库区地面沉降的研究至今仍处于探索阶段。由于地面沉降所造成的重大事故屡见不鲜,因此有必要集中力量研究盐岩库区地面沉降问题,为我国盐岩储库群的建设提供可靠的理论依据。本文主要从以下3个方面总结了近几十年来国内外学者在盐岩储库区地面沉降预测方面所做出的努力与成绩： （1）现场监测——法国、德国、美国先后建立了现场监测网络,获得了大量的长期监测数据;  （2）理论计算——我国学者于20世纪90年代末将随机介质理论引入到盐矿水溶开采地面沉降预测中,从而为储库区地面沉降预测提供了新的理论基础;  （3）数值模拟——欧洲学者利用FLAC2D 程序对盐岩储库区的地面稳定性进行了数值模拟,而我国学者则利用在新概率积分法的基础上建立起的预测模型成功进行了沉降预测模拟。此外,为了有效地控制库区地面变形,预留矿柱式水溶开采法在国外众多盐岩地下储库群建设中得以广泛应用。本文最后提出在后续研究中将重点着眼于地表变形随时间的发展过程,并对现有理论模型进行适当的修正以及利用现场实测数据进一步完善预测所需参数的选取方法,从而使预测结果更为准确可靠。     

LSTM网络提高MEMS惯导定位精度的分析及验证

为了提高GPS信号短期丢失状态下微机电(MEMS)惯导的导航定位精度,提出一种基于长短期记忆网络(LSTM)预测和传统GPS/MEMS组合导航系统相结合的高精度定位方法,对存在GPS信号状态下的LSTM模型进行训练来预测输出GPS信号丢失时的定位信息。针对单纯MEMS惯导推算误差发散快和反向传播神经网络(BPNN)无法处理时间序列数据的问题,采用LSTM来进一步抑制惯导累积误差,并使用自适应时刻估计方法来优化训练过程以提高模型性能。60 min时长的行驶测试数据集的验证结果表明:基于LSTM的MEMS惯导定位方法能够有效提高无GPS信号状态下的定位精度,相比于单纯MEMS惯导推算和BPNN的定位精度分别提高了94.62%和73.03%。     

地表下沉力学模型的建立及应用

针对采动覆岩移动的规律，由弯曲下沉带的挠曲特性，应用薄板挠曲理论，建立地表下沉的最大值力学模型，预测覆岩离层未注浆和注浆条件下地表的下沉值。     

基于灰色BP神经网络的陀螺电机状态预测

陀螺电机状态直接影响惯导系统的精度和可靠性,对其进行预测是惯导系统性能评估和寿命预测的重要途径。利用灰色理论的建模预测方法对随机性较大的数据预测精度不高;BP神经网络模型的预测方法具有良好的非线性和自学习能力,但训练效率不高且训练效果受样本数影响较大,网络容易限于局部最小值。针对陀螺电机状态特征参数的特点,本文提出一种基于灰色BP神经网络的混合模型。该模型利用BP神经网络对灰色模型误差进行建模,模型输出返回灰色模型进行输入修正。利用灰色理论、BP神经网络以及混合模型对状态特征参数进行建模和预测,结果表明,混合模型的预测误差比灰色模型减小了约2／3,比神经网络减小了约1／3,证明了该模型的有效性。     

车载紧耦合MIMUs/GPS的神经网络辅助强跟踪滤波方法（英文）

微惯性测量单元由三轴正交的微机械陀螺、加速度计和微型地磁传感器组成。将上述装置与GPS接收机组合,可构成最佳导航定位模型,其中紧耦合MIMUs/GPS对全导航参数(位置、速度及姿态)的测量精度可大幅提高。由于微惯性传感器具有大漂移特性,为获得具有自适应的线性参数模型,提出了融合滤波的信息处理方法,利用强跟踪滤波实现状态预测,二阶EKF实现测量更新,并借用神经网络技术完成对状态预测的修正。由于系统组件具有非线性,该神经网络辅助的强跟踪滤波方法旨在逼近MIMUs/GPS的真实特性,并为车载用户提供更为精准的导航参数信息。动态环境下的仿真试验表明,尽管MEMS惯性传感器的精度有限,所提出的方法能够有效用于实际的导航参数解算。     

加权函数组合预测边坡变形模型的研究

边坡变形监测是边坡监测的主要内容之一,其变形预测问题是边坡工程中主要技术难题之一。考虑边坡位移变形预测模型的局限性,如神经网络预测方法需要大量的实测数据作为学习样本,灰色系统模型要求原始数据序列必须满足指数规律,且数据序列变化速度不能太快等。建立了边坡变形反向传播神经网络预测模型,同时给出了灰色GM(1,1)边坡预测模型。提出边坡的神经网络与灰色系统加权函数组合预测模型,采用动态规划解法,将原模型转化为多阶段决策问题,使组合预测误差的平方和最小,得到组合权重,这样得到的变形预测结果的精度将大大提高,弥补了单一方法的局限性,满足工程预测的需要。通过边坡实例加以验证,加权函数组合预测模型的预测结果精度有一定提高,能够与实际监测数据相吻合,达到准确预测的目的。     

GPS技术在金川露天矿边坡变形监测中的应用

本文结合金川露天矿边坡变形GPS监测研究，主要论述监测基点的选择，基点WGS-84坐标的确定，变形监测网的布设，GPS数据采集、处理和质量，坐标转换的实施等，给出反演推出的若干四等三角点及其它控制点的变形数据，这些数据和造成变形的物理成因符合得很好，最后概括出GPS技术应用于变形观测的若干优点。     

爆破地震峰值预报神经网络研究

在分析某核电站一期地面爆破振动监测结果的基础上,用神经网络理论建立了爆破振动加速度峰值的预报模型,提出了神经网络模型预报加速度峰值的方法。将神经网络模型预报的结果与传统方法（经验公式法）预报的结果相比,前者的预报结果有明显的改善。     

Elman动态递归神经网络在陀螺仪系统建模中的应用

本文针对Ｅｌｍａｎ 动态递归神经网络的特点,提出了一种基于Ｅｌｍａｎ 动态递归神经网络建立陀螺仪系统模型的方法。文中给出了Ｅｌｍａｎ 网络的网络结构和学习方法,并对建立起的网络模型进行了仿真,仿真结果表明,该方法是可行的。     

基于Elman神经网络和Kalman滤波的捷联惯导精对准

在采用Kalman滤波进行捷联惯导精对准时,当模型存在误差或系统噪声不能反映实际噪声时,会降低滤波精度甚至导致滤波发散.针对这个问题,提出基于Elman神经网络和Kalman滤波的捷联惯导精对准方法.首先对已知噪声统计特性的系统进行Kalman滤波,将稳定可靠的状态估值作为网络期望输出用来训练Elman网络,然后再用训练好的网络对未知噪声统计特性系统进行状态估计.利用仿真数据对该算法进行验证,结果表明该算法能够克服Kalman滤波精对准的缺陷,提高了对准精度,尤其是航向角的精度.     

基于改进BP算法的Elman网络在软基沉降预测中的应用

E lm an网络具有动态特性好,逼近速度快,精度高等特点,本文结合软基沉降的基本特征,建立了E lm an网络软基沉降预测模型。考虑到经典BP算法的缺陷,采用改进BP算法对网络进行训练学习。实例分析表明,本文所建立的E lm an网络模型具有一定的可靠性和实用性。     

人工神经网络在GPS自主式完整性检测中的应用

基于ＢＰ网络，结合ＧＰＳ接收机自主式完整性检测问题，给出一种用于ＧＰＳ自主式完整性检测的ＢＰ神经网络，通过实验优化了网络参数，经仿真实验表明这种方法是有效可行的。     

储液容器跌落冲击动力学神经网络建模

运用LS-DYNA程序中的ALE算法模拟储液容器在不同的跌落角度、跌落高度、壳体厚度下的跌落冲击过程,获取神经网络预测模型的训练样本集;利用BP神经网络建立储液容器结构参数、跌落冲击参数与接触点最大应力之间的映射关系预测模型,并将各种参数下的接触点最大应力网络预测值与仿真值比较,两者差异较小,表明该方法是有效的,可以为实际生产过程中参数选择提供理论依据.