自适应kalman滤波在地表沉降动态预报中的应用

《自适应kalman滤波在地表沉降动态预报中的应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、自适应Kalman滤波在地表沉降动态预报中的应用于楷YUKai；张群超ZHANGQun-chao（河南省新郑煤电有限责任公司，新郑451184）（HenanXinzhengCoalPoan理论为基础，对矿区地表观沉降进行动态预报，取得较好的成果。Abstract：Miningsubsidenceisatimeandspaceprocessaftercoalrecovery.icpredictionofminingareaiscarriedout，Thegoodresultshavebeenachieved..jyqkan滤波；地表沉降；动态预报；自适应Kalman滤波Keyanfi

2、ltering；surfacesubsidence；dynamicforecast；seslf-adaptiveKalmanfiltering中图分类号：P228.4文献标识码：A：1006-4311（2015）18-0076-03简介：于楷（1983-），男，河南周口人，工程师，硕士，2011年毕业于安徽理工大学大地测量学与测量工程专业，目前从事矿山测量技术管理工作。0引言地下采煤，在满足了国民经济的需要的同时，也带来一系列的生态环境问题，其中最严重的生态破坏就是土地破坏。开采沉陷预计对开采沉陷的理论研究和生产实践都有着重要的意义，运用一种可靠的预报方法，以达到地表沉降动态预报的

3、目的，为煤矿开采损害预计及采后塌陷区域的规划治理、土地复垦、水土流失和生态环境保护等工作提供了科学依据。实际生产实践中，不同时间的回采工作面与地表点的相对位置不同，开采对地表点的影响也不同。在实际生产中仅根据稳定后的沉陷规律还不能很好地解决实际问题，必须研究移动变形的动态规律。目前建立预测模型的方法很多，本文选择Kalman滤波和自适应Kalman方法建立观测站的预测模型，用前5次的成果为初值，对之后的各次观测结果进行预测，通过与实测数据的对比来不断修正模型，并将两种模型的预报值进行比较分析。1基本原理1.1Kalman滤波方程从上述式子中可以看出，与标准Kalman滤波相比，自适

4、应Kalman滤波增加了自适应调节因子αk，改进了状态增益矩阵Jk。若αk为0，则状态预测信息X（k/k-1）对状态参数估计的X（k/k）影响为0，此时自适应滤波就演变成了最小二乘平差。2实例分析2.112211工作面概况12211工作面位于12采区东翼上部，走向长406m，倾斜长185m，平均开采深度240m，煤层倾角3°，平均煤厚8.7m。地表移动观测站，设计走向观测线一条，倾斜观测线一条，走向观测线与倾斜观测线互相垂直，分别布置在地表移动盆地走向、倾斜主断面上，观测线布设成“十”字型，观测线布置图如图1所示。截止到2015年3月，该观测站共进行了12期沉降观测。2.2沉降监测

5、动态预报地表移动监测网需要周期性重复观测，因此可采用动态数据处理方法，来获取两期之间的变形量。运用动态Kalman滤波技术不仅可掌握系统的当前状态，还可预测系统的未来[4]。选取了观测线上具有代表性的两个监测点Z03和Q08作为研究对象。在本观测站中，可近似认为各期观测时间间隔相等，即观测周期一定，因此我们采用了前5期的观测数据对下一期各监测点的状态进行预报，当第6期观测完后，再由2至6期的观测数据预报第7期状态，依次类推。图2为Kalman滤波数据处理流程图。在预报中，同样采用了标准Kalman滤波和自适应Kalman滤波两种算法对第6期至第12期的监测点状态进行滤波预报，表1～

6、表2列出了监测点的预报值，并同相应的实测平差值进行了比较。2.3计算数据分析通过实际计算分析，采用标准Kalman滤波预测模型和自适应Kalman滤波模型进行矿区地表沉降预测均是可行的，能够满足精度要求。并且对于整个开采过程中受开采影响较小的监测点，预报效果会较好。如监测Z03，从表1中可以看出，该点各期预报值与实测平差值之差均在2.3cm以内，且两种方法得出的中误差分别为1.58cm、1.02cm，预报的精度相对较高。而点Q08受采动影响较为剧烈，则期预报值与平差值之差出现了较大的值，如7.8mm、7.2mm等。从表1和表2中预报值与实测平差值之差及中误差的比较来看，采用自适应K

7、alman滤波算法比标准Kalman滤波算法对监测点各期状态的预报精度要高。3结束语Kalman滤波模型是一系列递推公式，其预测模型能实时地进行自我修正和预测。采用标准Kalman滤波预测模型和自适应Kalman滤波模型进行矿区地表沉降预测均是可行的。为了克服一般Kalman滤波器存在的发散问题，本文采用自适应Kalman滤波方法来进行沉降预报，效果很好。根据实例证明，自适应Kalman滤波模型能够更好地用来进行地表沉降的动态预报。.jyqkn滤波在地表移动观测站沉降