地层沉降信息异常检测与预测的研究与实现.pdf

论文题目地层沉降信息异常检测与预测的研究与实现 专 业计算机应用技术 硕 士 生吴频频 签名 指导教师刘金瑄 签名 摘 要 煤矿开采导致地层的压缩变形，极易引起矿难，从而会威胁矿工的人身安全并影 响煤矿企业正常的开采作业。对使用地层沉降仪来监测地层变形的采矿工程来说，检 测出地层沉降仪采集到的异常信息，并使用历史信息来预测地层未来的变形状态，从 而提高监测地层状态的准确性以及对矿山及岩体工程结构的安全状况进行有效评定 的能力，以减少灾害的发生有着重要的意义。 本文主要的研究内容和结论如下 1论文中提出了一种基于光栅传感器的异常数据检测算法，该算法运用了数据挖 掘中聚类和分类的思想，以及数据分析理论中判别分析的思想。先使用阈值对地层沉 降仪中的光栅传感器的波长数据是否异常作出判断，再根据异常数据的相似性特征和 表现形式制定分类规则，将其分成“异常点”和“异常序列”两大类。当检测到异常 数据时， 要对其做相应的修正处理。 实验结果表明采集到的原始波长经过异常检测后， 其中的异常数据得到大量减少，取得了较好的效果，该算法具有一定的应用价值。 2本文使用时间序列平滑预测法包括一次移动平均法和二次移动平均法、曲线 趋势外推预测法包括直线趋势模型、二次曲线趋势模型、三次曲线趋势模型、灰色 模型预测法GM1,1模型和残差 GM1,1模型，对地层未来的压缩量进行预测，以研 究分析出相对较优的预测地层沉降的方法，为煤矿企业的安全开采提供科学的决策支 持。分析实验的结果后发现，GM1,1模型不用设定参数值，不需要大量过去的数据， 也不用考虑数据序列内在的规律，用于地层沉降的预测，适用性更好些。 3依托.NET 平台，采用 C语言和 WPF 技术，研发一个 C/S 架构的软件系统， 来处理地层沉降仪采集到的信息。该系统应能实现对光栅传感器异常波长的检测和修 正，并且能预测地层未来的状态，还要能满足使用沉降仪的矿企和采矿技术人员的要 求。系统测试的结果表明，论文研发的系统运行良好，稳定性强，满足了相关要求。 关键词地层沉降，异常数据检测，预测 研究类型应用研究 *本文得到了国家自然科学基金41027002的资助 万方数据 万方数据 Subject The research and implementation of stratum settlement ination abnormal detection and prediction Specialty Computer Application Technology Name Wu Pinpin Signature Instructor Liu Jinxuan Signature ABSTRACT Coal mining caused the ation of stratum compressive deation, can easily result in frequent mine disaster,harm miners’ personal safety and coal-mining firms’ normal mining operations.For the mining engineering that use strata subsidence instrument to monitor the stratum deation, detecting abnormal data collected by the strata subsidence instrument and predicting strata deation state in the future, in order to improve the veracity of the monitoring layer and the ability of effective assessment for the security situation of mine and rock engineering structures,is of great significance in reducing mine disaster. The main research and conclusions are as follows 1The paper puts forward a abnormal data detection algorithm based on grating sensor , The algorithm is based on the idea of clustering and classification in data mining and discriminant analysising in the theory of data analysising. The algorithm firstly uses threshold to judge if the wavelength data of grating sensor in the strata subsidence instrument is abnormal or not. Then seting the classification rules of abnormal data based on its similarity characteristics and manifestations, dividing them into two broad categories,named “abnormal point” and “abnormal sequence”.When detecting the abnormal data, making the appropriate correction process,when an abnormal data is detected. The experimental results show that, after the abnormal detection,the collected original wavelength, the abnormal data in it has been greatly reduced,achieving good results, the algorithm has a certain application value. 2This article uses time serial predictionincluding single moving average and double moving average, curvilinear trend extrapolation including linear trend model、 quadratic curve trend model、three curve trend model, gray model predictionincluding GM1,1 model and residual error GM1,1 model, to predict layer’s compression in the future,then appraise relatively better and appropriate prediction algorithm,to provide mining firms’ safe mining with scientific decision support.After analysising the experimental results,it indicates that GM1,1 model don’t need set the parameter and a large number of past data and 万方数据 considering the data sequence inherent laws,its has better applicability in predicting the strata subsidence. 3Based on .NET plat,using C language and WPF technology,researching and developing a C/S structure software systems to handle ination collected by the strata subsidence instrument.The system should be able to detect and correct the abnormal wavelength of grating sensor and can predict state of layer in the future, and can also be able to meet the requirements of mining enterprises and mining technicians who use the strata subsidence instrument. System test results show that the system is running well, has strong stability, meets the relevant requirements. Keywords Stratum settlement;Abnormal data detection; Prediction Thesis Application Research 万方数据 目 录 I 目 录 1 绪论 ........................................................................................................................................ 1 1.1 课题的研究背景及意义 ............................................................................................. 1 1.2 研究领域内国内外研究现状 ..................................................................................... 4 1.2.1 异常值检测技术的国内外研究现状 ............................................................................ 4 1.2.2 预测技术的国内外研究现状 ....................................................................................... 6 1.3 本文的研究内容 ......................................................................................................... 8 1.4 论文的组织安排 ......................................................................................................... 9 2 基于光栅传感器的异常数据检测算法 .............................................................................. 10 2.1 引言 ........................................................................................................................... 10 2.2 FBGADD 的算法原理 ............................................................................................... 11 2.2.1 数据异常的判别 ......................................................................................................... 11 2.2.2 异常数据的分类 ......................................................................................................... 14 2.2.3 异常序列的检测与处理 ............................................................................................. 15 2.2.4 异常点的检测与处理 ................................................................................................. 16 2.3 算法的性能分析 ....................................................................................................... 18 2.4 算法的实现 ............................................................................................................... 19 2.4.1 算法的步骤 ................................................................................................................. 19 2.4.2 算法的流程 ................................................................................................................. 20 2.5 实验验证 ................................................................................................................... 21 2.5.1 异常序列检测修正的实例 ......................................................................................... 21 2.5.2 单独异常点检测修正的实例 ..................................................................................... 23 2.5.3 连续异常点检测修正的实例 ..................................................................................... 24 2.6 本章小结 ................................................................................................................... 26 3 地层沉降预测的算法研究 .................................................................................................. 27 3.1 引言 ........................................................................................................................... 27 3.1.1 预测的基本过程 ......................................................................................................... 27 3.1.2 预测的精度 ................................................................................................................. 28 3.2 数据预处理 ............................................................................................................... 28 3.2.1 补值 ............................................................................................................................. 28 3.2.2 归正 ............................................................................................................................. 29 3.3 时间序列平滑预测法 ............................................................................................... 29 3.3.1 一次移动平均法 ......................................................................................................... 29 万方数据 目 录 II 3.3.2 二次移动平均法 ......................................................................................................... 31 3.4 曲线趋势外推预测法 ............................................................................................... 33 3.4.1 直线趋势模型 ............................................................................................................. 33 3.4.2 二次曲线模型 ............................................................................................................. 35 3.4.3 三次曲线模型 ............................................................................................................. 37 3.5 灰色模型预测法 ....................................................................................................... 39 3.5.1 GM1,1模型 ................................................................................................................ 39 3.5.2 残差 GM1,1模型 ...................................................................................................... 43 3.6 本章小结 ................................................................................................................... 47 4 系统的设计与实现 .............................................................................................................. 48 4.1 需求分析 ................................................................................................................... 48 4.1.1 系统功能需求 ............................................................................................................. 48 4.1.2 系统安全需求 ............................................................................................................. 48 4.2 系统的开发环境 ....................................................................................................... 48 4.3 数据库设计 ............................................................................................................... 49 4.4 系统设计 ................................................................................................................... 51 4.5 系统实现 ................................................................................................................... 51 4.5.1 系统支持模块 ............................................................................................................. 51 4.5.2 动态监测模块 ............................................................................................................. 54 4.5.3 信息查询模块 ............................................................................................................. 56 4.5.4 异常检测模块 ............................................................................................................. 60 4.5.5 沉降预测模块 ............................................................................................................. 62 4.6 系统测试 ................................................................................................................... 64 4.7 本章小结 ................................................................................................................... 65 5 总结与展望 .......................................................................................................................... 66 5.1 总结 ........................................................................................................................... 66 5.2 展望 ........................................................................................................................... 66 致谢 .......................................................................................................................................... 67 参考文献 .................................................................................................................................. 68 附录 .......................................................................................................................................... 71 万方数据 1 绪 论 1 1 绪 论 1.1 课题的研究背景及意义 我国是个能源大国，而煤炭占能源结构的 70以上，其年产量居世界第一。众所周 知，人类在开采大自然丰富能源的同时也会破坏大自然自身的地质结构从而引发各种各 样的地质灾害和环境问题[1]。因煤矿开采导致的矿井周围地层的沉降压缩极易引发各种 各样的地质灾害，这往往会造成非常严重的人员伤亡和高额的财产损失，加之其破坏性 强，破坏力度大，并且具有频发性，会严重地危害到煤矿企业的正常开采作业和矿工的 人身安全，在社会上还常常造成恶劣的影响[2-3]。在这种情况下，必须要做好矿井周围地 层变化的监测。本论文依托国家自然科学基金41027002项目，该项目是使用光纤传感 地层分层沉降仪简称沉降仪或地层沉降仪来监测矿井周围第四系深厚松散层的变化， 其创新之处是从力学-光学的基础研究角度出发， 将国际上新兴的光纤器件光纤布拉格 光栅Fiber Bragg Grating，FBG传感器用于松散地层岩体形变的测试，即使用高精度的 光栅传感器阵点，通过一定的载体实现大尺度岩体微小变形的精确测试[4]。光纤布拉格 光栅Fiber Bragg Grating，FBG传感器是光纤传感器中的一种，它是波长调制型传感器， 对波长敏感而对光强不敏感[5]。它以光纤为载体，通过在光纤内部的局部区域写入光栅。 被测结构的物理量如应力、压力、振动、温度等这些外界的微小变化会导致光栅周期或 者纤芯折射率的变化，从而使得该区域光栅反射或透射布拉格波长产生微小的移位，通 过测量布拉格波长的变化可以反映外界环境的变化[6]。下图 1.1 为光纤光栅结构及传感 原理图。 图 1.1 光纤光栅结构及传感原理图 光纤光栅传感器的原理[7]如下当一束宽带光谱 λA如图 1.1 中的入射光谱 经过光 纤光栅时，被光栅反射回一单色光 λB 如图 1.1 中的反射光谱。反射光的波长 λB与光栅 的折射率变化周期以及光栅的有效纤芯折射率 neff有关。当光纤光栅测量的物理量如应 变或温度发生变化时，将导致光栅周期和有效纤芯折射率 neff产生变化，从而导致光栅 布拉格信号的波长漂移 ΔλB，通过监测反射回的窄带光源 λB的变化情况，即可获得测量 点上光纤光栅的应变或温度的变化状况。透射过去的剩余宽带光源可以继续传输给光纤 万方数据 西安科技大学硕士学位论文 2 上面其它具有不同中心波长的光栅阵列，其中相应中心波长的窄带光系列将被逐一反射 回来，全部沿原传输光纤返回，由此就可实现多个光纤光栅传感器的串接复用[8]。光纤 光栅传感器，具有高灵敏度的特点，而且松散层沉降具有持续的、微小变形的特征，符 合光纤光栅高精度测量的要求，故可在地层中植入光纤光栅传感器来测量地层内部应变 和温度的变化。 地层沉降仪是使用光纤 FBG 传感地层分层沉降变形监测的方法， 在一根 光纤上串接多个布拉格光栅，构建多点准分布式光纤传感器网络，然后采用钻孔植入式 光纤 Bragg 光栅监测系统，实现对井筒周围的多地层、高深度、大范围的立体、长期、 实时监测[9]。如图 1.2 钻孔植入式光纤 Bragg 光栅监测系统。 图 1.2 钻孔植入式光纤 Bragg 光栅监测系统 该沉降仪主要由光纤光栅温度传感器、应变传感器、光纤光栅网络传感解调仪或称 光纤光栅网络传感分析仪、 信号传输光缆， 以及计算机上的数据采集软件等几部分组成。 数据的采集过程如下图 1.3 地层沉降仪所示。 图 1.3 地层沉降仪 整个大项目的基本原理是先构建光纤 Bragg 光栅监测系统，将光纤光栅通过钻孔植 入到松散层中后，宽带光源为系统提供光能量，光纤光栅传感器利用光源的光波感应外 界被测量的信息，外界被测量的信息通过光纤光栅网络传感解调仪实时地反映出来。宽 带光源传输到被测点， 光纤 Brag 光栅有选择性地反射回一窄带光。 由光纤光栅传感网络 万方数据 1 绪 论 3 分析仪内部各功能模块完成对光纤光栅传感器的输入光源激励/输出光学频谱分析和物 理量换算[10]。通过光探测器进行光电转换，将光信号转换为电信号， 再通过数据采集卡， 将电信号转换为数字信号，转化后的波长被计算机上的虚拟仪器数据采集软件接收。通 过预先设定的数据采集、存储、处理机制和通信程式如 3G 无线通信网络就可把采集到 的数据信息汇集到数据库服务器，如图 1.4 项目整体架构示意图所示。矿区的野外环境、 施工条件等相对实验室复杂，实际监测区域距离地面控制室较远，有线网络一般无法到 达，故采取 3G 无线网络与 Internet 相结合方式来完成对前端采集到的数据传输到数据 库服务器上。 InternetInternet 数据库服务器数据库服务器 传感器阵列传感器阵列 数据采集数据采集 工作站工作站 应用程序流程 系统系统 3 3ＧＧ 光纤光栅解调仪光纤光栅解调仪 图 1.4 项目整体架构示意图 监测地层的沉降变形能否得到较好的展现以及地层结构变形的预测能否实现，直接 取决于这些监测到的庞大的数据能否处理好。本论文针对地层沉降仪采集到的信息，对 其研究探索，进行异常数据检测，以修正原始波长数据中的异常值，再用矫正后的波长 数据计算出相应监测地层的应变和压缩量。并且通过矫正后的历史压缩量预测监测地层 未来的压缩量。相关采矿的技术人员通过本文研发的 C/S 架构的软件系统，不仅能以直 接的方式来观测地层的变形情况，还能看到系统预测出的地层的沉降变形情况。根据地 层沉降变形的情况，采矿人员可分析出井筒的真实受力变形和破坏情况，进而采取合理 的治理措施如注浆，注水等等来减缓地层的变形，从而降低对井筒的破坏。所以本论 文对预防井筒的安全隐患，有效防治井筒破坏，减少煤矿企业的经济损失有着非常重要 的意义。 万方数据 西安科技大学硕士学位论文 4 1.2 研究领域内国内外研究现状 1.2.1 异常值检测技术的国内外研究现状 数据是科学研究中最重要的资料，也是现今信息化建设的主体。数据作为研究所依 赖的基础资源，其质量是非常值得关注的，数据质量的好坏直接影响到以此为依据的科 学实验研究结果的正确性。然而人们在实际对数据进行研究的工作过程中，由于各种原 因，经常会遇到这样的数据，它们与数据的一般模式不一致，或者说与大多数据的模式 相比有些不一样，与总体有较大的偏差，我们称这样的数据为异常数据[11]。异常数据又 叫异常值，或者异常点，在数据挖掘中又叫孤立点或者离群点。它们是影响统计数据质 量的一个非常重要的因素。数据是统计分析的基础，高质量的数据会导出良好的分析结 果，异常值的存在，使得各种分析的误差大大增加，导致不良的分析结果，预报分析中 更是如