[發明專利]一種小斷層走向延展長度的檢測方法

無效

• 申請號: 201410503652.7
• 申請日: 2014-09-28
• 公開（公告）號: CN104268647A
• 公開（公告）日: 2015-01-07
• 發明（設計）人: 于小鴿;施龍青;邱梅;韓進
• 申請（專利權）人: 山東科技大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/02;G06N3/12
• 代理公司: 青島高曉專利事務所 37104
• 代理人: 張世功

技術領域：

本發明屬于礦井中斷層參數要素檢測技術領域，涉及一種小斷層走向延展長度預測方法，特別是一種基于遺傳算法優化支持向量機(SVM)的小斷層走向延展長度檢測方法。

背景技術：

隨著采煤機械化和自動化程度的不斷提高，采掘部門對工程的設計與布置、開采方法的選擇等的需求，愈來愈關注到地質檢測的準確程度，斷層走向延展長度與落差是斷層預測的兩個重要參數，斷層走向長度與落差越大，斷層對煤炭生產的影響也越大；現實中，隨著礦井勘探、巷道掘進及工作面回采，可以較容易的查明小斷層的落差、傾角、傾向和走向，但其延展長度往往難以確定，找出斷層走向延展長度與斷層落差、傾角、傾向和走向等其它斷層要素之間的統計關系，就可以利用斷層落差等其它斷層要素來預測其延展長度，尤其當工作面周圍巷道掘好后，根據已揭露的小斷層落差等其它斷層要素預測其在未采的采區及工作面內的延展長度，可以為采區及工作面的開采提供地質依據。在現有技術中，邱梅等在《煤田地質與勘探》期刊2013年第40卷第6期上公開了一種小斷層延展長度的預測方法，論文名為：礦井小斷層延展長度的多元線性回歸預測模型，但由于斷層要素之間的相關性并非簡單的線性關系，大多情況是相當復雜的非線性關系，使得回歸預測的精度并不高；2013年山東科技大學徐東晶等在《煤礦安全》期刊第44卷第2期中公開了一篇名稱為《基于BP神經網絡的礦井小構造預測》的小斷層延展長度的預測方法，文章提出可以利用BP神經網絡建立礦井小斷層延展長度預測模型，但神經網絡法具有自身固有的缺陷：其權值的初始化是隨機的，而且易陷入局部極小，其學習過程中隱含層的節點數和其它參數的選擇只能根據經驗和試驗來選擇，且收斂時間長、魯棒性差；常規支持向量機(SVM)僅能夠處理小樣本、非線性、高維數的問題，能夠克服如神經網絡中局部極小值的問題，但支持向量機訓練模型有許多參數要進行選擇，比如核函數的相關參數等，這些參數直接影響SVM的預測能力，因此，現有的小斷層走向延展長度預測方法中尚未見有成熟技術解決斷層延展長度預測準確性問題。

發明內容：

本發明的目的在于克服現有技術存在的缺陷，針對現有小斷層走向延展長度的預測模型準確度不高的問題，設計提供一種基于遺傳算法優化SVM的小斷層走向延展長度預測方法，能夠有效的提高預測準確度。

為了實現上述目的，本發明涉及的預測方法包括以下工藝步驟：

(1)統計斷層要素數據：以煤層采掘工程平面圖為底圖，對煤層小斷層的走向延展長度、走向、傾向、傾角和落差5個斷層要素進行統計和分析；

(2)確定小斷層延展長度的相關因子：利用灰色關聯分析法，確定小斷層走向延展長度與斷層走向、傾向、傾角和落差4個要素的關聯度，選取關聯度大于0.5的要素作為小斷層走向延展長度的相關因子，所述灰色關聯分析法步驟如下：

①構建原始數據矩陣，設小斷層走向延展長度統計數據構成母序列斷層走向、傾向、傾角和落差4個要素構成子序列(i＝1,2,…,m,t＝1,2,…,n)，其中i為m個子因素的標號，t為n個統計單元號，原始數據矩陣為：