王建民

太原理工大學礦業(yè)工程學院，山西 太原 030024

王建民.礦山邊坡變形監(jiān)測數(shù)據(jù)的高斯過程智能分析與預測[J].測繪學報，2017,46(9)：1206.

10.11947/j.AGCS.2017.20170143.

WANG Jianmin.Intelligent Analysis and Prediction of Mine Slope Deformation Monitoring Data Based on Gaussian Process[J]. Acta Geodaetica et Cartographica Sinica,2017,46(9):1206. DOI:10.11947/j.AGCS.2017.20170143.

礦山邊坡變形監(jiān)測數(shù)據(jù)的高斯過程智能分析與預測

王建民

太原理工大學礦業(yè)工程學院，山西 太原 030024

礦產(chǎn)資源開采引發(fā)的地表塌陷、崩塌、地裂縫和地面沉降等礦山災害給人類的生命財產(chǎn)安全造成嚴重的威脅，集成多傳感器的自動化、智能化監(jiān)測系統(tǒng)是礦山地面災害監(jiān)測的發(fā)展方向。以中煤平朔井工二礦邊坡(簡稱二號井邊坡)自動化監(jiān)測系統(tǒng)作為研究案例，應用高斯過程(Gaussian process，GP)理論研究變形數(shù)據(jù)智能分析方法和預測模型，對礦山災害進行防治提供科學依據(jù)。

監(jiān)測數(shù)據(jù)的可靠性是變形監(jiān)測分析和預測的基礎，針對原始觀測數(shù)據(jù)可能存在的異常值，提出了完整搜索估計法(full search estimation，F(xiàn)SE)能夠實現(xiàn)多維異常數(shù)據(jù)定位、估值和修正：根據(jù)異常數(shù)據(jù)影響驗后方差這一基本思想，設計了多維異常數(shù)據(jù)定位搜索算法，在算法執(zhí)行的過程中能夠自動生成包含異常數(shù)據(jù)位置的定位矩陣，同時給出了動態(tài)閾值計算公式用于判斷搜索是否結束；應用可靠性理論結合最小二乘方法推證了異常數(shù)據(jù)的估值和修正方程。分別以測量機器人異常數(shù)據(jù)探測和礦山坐標轉換參數(shù)可靠性求解為例對FSE進行實證分析，結果表明FSE具有較好的抗差能力。

邊坡變監(jiān)測過程中受外界環(huán)境及施工作業(yè)等因素的影響有時造成數(shù)據(jù)缺失，需要應用時空插值方法對缺失數(shù)據(jù)加以插補形成完整的時空序列數(shù)據(jù)。通過研究高斯過程回歸(Gaussian process regression,GPR)在時間域上插值的樣本數(shù)量，給出了GPR在時間域上的一維插值方法和步驟，試驗證明GPR在時間域上可以適應線性和非線性插值；按照空間插值樣本數(shù)據(jù)選擇的一般原則，進一步研究了基于GPR的空間插值方法；顧及監(jiān)測數(shù)據(jù)的時空關聯(lián)性，利用GPR在時間域和空間域插值輸出的驗后方差作為定權因子，給出了基于GPR的時空插值的計算公式，并用交叉驗證法證明了GPR時空插值的可行性。

對變形區(qū)域進行時空位移特征分析是變形數(shù)據(jù)分析的一項主要內(nèi)容，就描述監(jiān)測點三維位移特征常用的絕對指標進行了論述，將短期位移速率和累積位移速率的比值定義為累積位移速率比作為一種相對指標，使用累積位移速率比的大小和符號可以簡單直觀地分析監(jiān)測點的相對穩(wěn)定狀態(tài)。通過計算分析一段時間內(nèi)的累積位移速率比，依據(jù)3σ準則將監(jiān)測點的穩(wěn)定狀態(tài)分為4個級別，即穩(wěn)定、較穩(wěn)定、不穩(wěn)定和極不穩(wěn)定。

單獨分析監(jiān)測點的變形特征難以從整體上掌握變形區(qū)域的時空演化趨勢和變形規(guī)律。為此，在GPR時空插值的基礎上研究了基于GPR變形趨勢面模型建模方法和流程，以三維累積位移量作為分析對象，構建了二號井邊坡的變形趨勢面模型，以此來分析其變形的時空演化過程；應用FSE提取累積位移速率比的離群值，并將提取結果賦予高斯過程分類(Gaussian process classification,GPC)標志，給出了基于GPC變形區(qū)域局部穩(wěn)定性分析方法和流程，以累積位移速率比作為分析對象，對二號井邊坡的局部穩(wěn)定性進行整體分析。

鑒于GPR的核函數(shù)對預測性能有很大影響，應用核函數(shù)相加方式得到與變形曲線特點相吻合的組合式核函數(shù)“Matern32+SE”；考慮到監(jiān)測數(shù)據(jù)的不斷更新和累積，為保持超參數(shù)與訓練樣本集的一致性，研究了“遞進-截尾式”超參數(shù)動態(tài)更新模式和GPR最佳訓練樣本數(shù)量確定方法；在此基礎上建立了以時間作為輸入項的GPR監(jiān)測點時間驅動智能預測模型(GPR-TIPM)和以歷史數(shù)據(jù)作為輸入項的GPR監(jiān)測點數(shù)據(jù)驅動智能預測模型(GPR-DIPM)。

Intelligent Analysis and Prediction of Mine Slope Deformation Monitoring Data Based on Gaussian Process

WANG Jianmin

Taiyuan University of Technology, Taiyuan 030024, China

his doctoral degree from TaiYuan University of technology on June 2016，majors in geo-spatial information.

P228

D

1001-1595(2017)09-1206-01

國家自然科學基金(41371373)

2017-03-23

王建民(1976—)，男，2016年6月畢業(yè)于太原理工大學，獲工學博士學位(指導教師：張錦教授)，研究方向為地球空間信息技術與應用。

E-mail： 8844.4321@163.com