【技术实现步骤摘要】
本专利技术属于工程动力灾害监测，特别是一种基于多点位移数据的矿山顶板动力灾害预警方法及系统。
技术介绍
1、矿山开采时，顶板会因应力作用而产生变形，岩体变形超过极限就会出现局部冒顶，甚至大面积塌陷，对矿山安全开采造成了极大考验。为此，许多矿山使用了锚网、锚索+金属网等支护，但受破碎岩体、不可见小断层等影响，顶板垮落仍时有发生。矿山顶板动力灾害准确预警将极大地降低动力灾害发生的风险，保障作业人员的生命安全，同时节省大量的时间和经济成本。
2、矿山动力灾害常用分析方法有理论计算、相似物理模拟实验、数值模拟、现场监测等。矿山开采是一项系统工程，理论计算通常难以适用于复杂结构，相似物理模拟实验和数值模拟与矿山开采实际仍存在较大差距，现场监测最能反映矿山开采的真实情况。目前常用的矿山动力灾害监测手段主要有视频监控、微地震监测、地音监测、电磁波探测、应力监测、激光测距、离层仪监测、位移计监测等。其中，激光测距、离层仪、位移计等位移监测手段具有监测简便、数据量丰富等特点。
3、基于位移监测数据，传统方法采用位移阈值或加速度阈值来确定是否预警，然而不同工程预警阈值通常是不同的，导致该类方法应用受到很多限制。王东等(2012)认为边坡稳定时期位移速度服从正态分布，而加速变形阶段则不服从正态分布，由此提出了基于正态假设检验理论的边坡临滑时刻动态识别方法，然而其对稳定时期位移时间序列的正态性要求较高，容易出现误预警。王珍等(2016)、曹兰柱等(2018)、王东等(2020)分别提出了基于均值标准差、加权和层次聚类的马尔可夫链
4、为此，本专利技术致力于探索如何降低预警误报率，充分利用历史数据，更好地实现超前预警。
技术实现思路
1、本专利技术的目的是提高矿山顶板动力灾害预警精度，进而提供一种基于多点位移数据的矿山顶板动力灾害预警方法及系统。本专利技术技术方案提供的所述方法通过布设的多点位移监测系统获取叠加了不同深度位移的叠加位移时序数据，实现多元数据的有效融合；其次，引入基于历史数据匹配的arima模型得到预测数据，利用当前数据以及预测数据实现双重预警，提高预警精度，实现灾害的超前预警。
2、一方面，本专利技术提供的一种基于多点位移数据的矿山顶板动力灾害预警方法，包括以下步骤：
3、步骤1：在待监测的矿山顶板布设多点位移计监测系统，用以获取不同深度位移时序数据；
4、步骤2：对采集的不同深度位移时序数据进行预处理得到叠加位移时序数据，所述预处理至少包含叠加处理，所述叠加处理为：将同一时刻多点位移计的位移时序数据叠加；
5、步骤3：建立基于历史数据匹配的arima模型，进而基于当前的叠加位移时序数据以及arima模型预测未来时刻的叠加位移时序数据；
6、步骤4：分别计算当前的叠加位移时序数据以及未来时刻的叠加位移时序数据的特征值，所述特征值至少包含加窗波形特征函数比值，所述加窗波形特征函数比值是将两个不同长度的窗口数据进行比值计算；
7、步骤5：基于所述特征值进行矿山顶板动力灾害分级预警。
8、进一步可选地，步骤4中所述加窗波形特征函数比值表示为：
9、
10、式中，r(i)为加窗波形特征函数比值，x(i)为当前的叠加位移时序数据或未来时刻的叠加位移时序数据中第i时刻的叠加位移值；n，m分别为设定的加窗1、加窗2的时间序列的长度，m>n，如n值为3，m值为20。
11、其中，所述叠加处理表示为：
12、
13、式中，x(i)表示叠加位移时序数据，分别为i时刻多点位移计第1、n个点的位移时间序列值。
14、进一步可选地，步骤3的实现过程如下：
15、基于自相关函数，识别历史叠加位移时序数据中与当前的叠加位移时序数据最相近的时序数据；
16、利用所述最相近的时序数据及其相邻时序数据计算arima模型的差分阶数d、自回归项数p和滑动平均项数q；并作为当前arima模型的模型参数；
17、利用当前arima模型的模型参数以及当前的叠加位移时序数据预测未来时刻的叠加位移时序数据。
18、进一步可选地，所述arima模型的自回归项数p和滑动平均项数q采用网格搜索加权法确定，如下：
19、首先，利用自相关性系数acf指标和pac指标确定初步的自回归项数p1和滑动平均项数q1，进而确定自回归项数p和滑动平均项数q的取值范围：p∈[p1-2,p1+2]，q∈[q1-2,q1+2]，且p、q≥0；
20、然后，在自回归项数p和滑动平均项数q的取值范围内对自回归项数p和滑动平均项数q依次取值构成k个arima模型，再分别计算每个arima模型的预测效果；
21、其中，所述预测效果为arima模型的预测值与已有观测值的累计误差，l为模型的长度，hk为arima模型的预测值，x(i)为观测值，εk为第k个arima模型的累计误差；
22、其次，基于每个arima模型对应的累计误差确定每个arima模型的权重，c为预设的系数，wk为第k个arima模型的权重；
23、最后，利用所述k个arima模型得到最终的预测值表达，反向推理得到最终的自回归项数和滑动平均项数，赋值给当前arima模型；或者利用所述k个arima模型得到最终的预测值表达，作为当前arima模型的预测模型，预测值h(x(i))表示为：h(x(i))＝w1·h1(x(i))+w2·h2(x(i))+…+wk·hk(x(i))，h1(x(i))，h2(x(i))，hk(x(i))为第1个，第2个，第k个arima模型的预测值；w1，w2，wk为第1个，第2个，第k个arima模型的权重。
24、进一步可选地，所述特征值还包含峰度值，步骤5是基于加窗波形特征函数比值以及峰度值进行矿山顶板动力灾害联合分级预警，其中，针对当前的叠加位移时序数据以及未来时刻的叠加位移时序数据的特征函数比值均独立进行预警：
25、其中，针对加窗波形特征函数比值设置两个预警阈值r1、r2；以及针对峰度值ku设置两个预警阈值ku1、ku2，基于加窗波形特征函数比值r以及峰度值ku的预警规则为：
26、若r<r1且ku<ku1，视为安全；
27、若r1≤r<r2，且ku<ku1，或者，若r<r1，且ku1≤k本文档来自技高网...
【技术保护点】
1.一种基于多点位移数据的矿山顶板动力灾害预警方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于：步骤4中所述加窗波形特征函数比值表示为：
3.根据权利要求1所述的方法，其特征在于：步骤3的实现过程如下：
4.根据权利要求3所述的方法，其特征在于：所述ARIMA模型的自回归项数p和滑动平均项数q采用网格搜索加权法确定，如下：
5.根据权利要求1所述的方法，其特征在于：所述特征值还包含峰度值，步骤5是基于加窗波形特征函数比值以及峰度值进行矿山顶板动力灾害联合分级预警，其中，针对当前的叠加位移时序数据以及未来时刻的叠加位移时序数据均独立进行预警：
6.根据权利要求5所述的方法，其特征在于：峰度Ku的计算方式为：
7.根据权利要求1所述的方法，其特征在于：步骤5中基于所述特征值进行矿山顶板动力灾害分级预警时，当前的叠加位移时序数据以及未来时刻的叠加位移时序数据均独立进行预警：
8.一种基于权利要求1-7任一项所述方法的预警系统，其特征在于，包括：
9.一种电子终端，其
10.一种计算机可读存储介质，其特征在于：存储了计算机程序，所述计算机程序被处理器调用以执行：
...【技术特征摘要】
1.一种基于多点位移数据的矿山顶板动力灾害预警方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于：步骤4中所述加窗波形特征函数比值表示为：
3.根据权利要求1所述的方法，其特征在于：步骤3的实现过程如下：
4.根据权利要求3所述的方法，其特征在于：所述arima模型的自回归项数p和滑动平均项数q采用网格搜索加权法确定，如下：
5.根据权利要求1所述的方法，其特征在于：所述特征值还包含峰度值，步骤5是基于加窗波形特征函数比值以及峰度值进行矿山顶板动力灾害联合分级预警，其中，针对当前的叠加...
【专利技术属性】
技术研发人员：尚雪义，蒲源源，袁强，陈勇，周雷，邰阳，田森，陈强，
申请(专利权)人：重庆大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。