權利要求
1.一種礦山地表沉降形變預測方法，其特征在于，所述礦山地表沉降形變預測方法包括：
獲取采礦區歷史時間段的監測數據;
根據所述歷史時間段的監測數據計算歷史時間段的相對位移數據;相對位移數據為南北向、東西向或垂直向的相對位移;
利用最佳降噪算法，對歷史時間段的相對位移數據進行處理，得到歷史時間段的降噪數據;最佳降噪算法為L2正則化方法;
將歷史時間段的降噪數據輸入至最佳預測模型中，得到未來時間段的地表沉降形變預測數據;所述最佳預測模型為基于粒子群優化的BP神經網絡預測模型。
2.根據權利要求1所述的礦山地表沉降形變預測方法，其特征在于，所述歷史時間段的監測數據由北斗導航衛星系統監測得到。
3.根據權利要求1所述的礦山地表沉降形變預測方法，其特征在于，所述礦山地表沉降形變預測方法還包括：
將相對位移數據分別輸入基于粒子群優化的BP神經網絡預測模型、長短期記憶算法和差分整合移動平均自回歸模型，得到第一預測數據、第二預測數據和第三預測數據;
將相對位移數據的標簽數據分別與第一預測數據、第二預測數據和第三預測數據進行均方根誤差和平均絕對誤差計算，得到第一誤差計算結果、第二誤差計算結果和第三誤差計算結果;
根據第一誤差計算結果、第二誤差計算結果和第三誤差計算結果確定最佳預測模型;
根據所述最佳預測模型確定最佳訓練集和最佳預測集;歷史時間段的時間與最佳訓練集中相對位移數據的時間相同;未來時間段的時間與最佳預測集中地表沉降形變預測數據的時間相同。
4.根據權利要求3所述的礦山地表沉降形變預測方法，其特征在于，根據第一誤差計算結果、第二誤差計算結果和第三誤差計算結果確定最佳預測模型，具體包括：
將值最小的誤差計算結果對應的預測模型作為最佳預測模型。
5.根據權利要求3所述的礦山地表沉降形變預測方法，其特征在于，所述礦山地表沉降形變預測方法還包括：
分別利用L2正則化方法、小波算法和奇異譜分析方法，對相對位移數據進行處理，得到第一降噪數據、第二降噪數據和第三降噪數據;
將目標降噪數據分別輸入基于粒子群優化的BP神經網絡預測模型、長短期記憶算法和差分整合移動
聲明：
“礦山地表沉降形變預測方法、裝置、設備及介質” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究，如用于商業用途，請聯系該技術所有人。
我是此專利(論文)的發明人(作者)
689
編輯：中冶有色網
來源：貴州大學
分享 0
舉報 0
收藏 0
反對 0
點贊 0
2025年07月24日 ~ 26日 
