權(quán)利要求

1.一種礦山地表沉降形變預(yù)測方法，其特征在于，所述礦山地表沉降形變預(yù)測方法包括：

獲取采礦區(qū)歷史時間段的監(jiān)測數(shù)據(jù);

根據(jù)所述歷史時間段的監(jiān)測數(shù)據(jù)計(jì)算歷史時間段的相對位移數(shù)據(jù);相對位移數(shù)據(jù)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(shù)據(jù)進(jìn)行處理，得到歷史時間段的降噪數(shù)據(jù);最佳降噪算法為L2正則化方法;

將歷史時間段的降噪數(shù)據(jù)輸入至最佳預(yù)測模型中，得到未來時間段的地表沉降形變預(yù)測數(shù)據(jù);所述最佳預(yù)測模型為基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型。

2.根據(jù)權(quán)利要求1所述的礦山地表沉降形變預(yù)測方法，其特征在于，所述歷史時間段的監(jiān)測數(shù)據(jù)由北斗導(dǎo)航衛(wèi)星系統(tǒng)監(jiān)測得到。

3.根據(jù)權(quán)利要求1所述的礦山地表沉降形變預(yù)測方法，其特征在于，所述礦山地表沉降形變預(yù)測方法還包括：

將相對位移數(shù)據(jù)分別輸入基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)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(yù)測數(shù)據(jù)、第二預(yù)測數(shù)據(jù)和第三預(yù)測數(shù)據(jù);

將相對位移數(shù)據(jù)的標(biāo)簽數(shù)據(jù)分別與第一預(yù)測數(shù)據(jù)、第二預(yù)測數(shù)據(jù)和第三預(yù)測數(shù)據(jù)進(jìn)行均方根誤差和平均絕對誤差計(jì)算，得到第一誤差計(jì)算結(jié)果、第二誤差計(jì)算結(jié)果和第三誤差計(jì)算結(jié)果;

根據(jù)第一誤差計(jì)算結(jié)果、第二誤差計(jì)算結(jié)果和第三誤差計(jì)算結(jié)果確定最佳預(yù)測模型;

根據(jù)所述最佳預(yù)測模型確定最佳訓(xùn)練集和最佳預(yù)測集;歷史時間段的時間與最佳訓(xùn)練集中相對位移數(shù)據(jù)的時間相同;未來時間段的時間與最佳預(yù)測集中地表沉降形變預(yù)測數(shù)據(jù)的時間相同。

4.根據(jù)權(quán)利要求3所述的礦山地表沉降形變預(yù)測方法，其特征在于，根據(jù)第一誤差計(jì)算結(jié)果、第二誤差計(jì)算結(jié)果和第三誤差計(jì)算結(jié)果確定最佳預(yù)測模型，具體包括：

將值最小的誤差計(jì)算結(jié)果對應(yīng)的預(yù)測模型作為最佳預(yù)測模型。

5.根據(jù)權(quán)利要求3所述的礦山地表沉降形變預(yù)測方法，其特征在于，所述礦山地表沉降形變預(yù)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(shù)據(jù)進(jìn)行處理，得到第一降噪數(shù)據(jù)、第二降噪數(shù)據(jù)和第三降噪數(shù)據(jù);

將目標(biāo)降噪數(shù)據(jù)分別輸入基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型、長短期記憶算法和差分整合移動平均自回歸模型，得到所述目標(biāo)降噪數(shù)據(jù)對應(yīng)的第四預(yù)測數(shù)據(jù)、第五預(yù)測數(shù)據(jù)和第六預(yù)測數(shù)據(jù);所述目標(biāo)降噪數(shù)據(jù)為第一降噪數(shù)據(jù)、第二降噪數(shù)據(jù)或第三降噪數(shù)據(jù);

將目標(biāo)降噪數(shù)據(jù)的標(biāo)簽數(shù)據(jù)分別與所述目標(biāo)降噪數(shù)據(jù)對應(yīng)的第四預(yù)測數(shù)據(jù)、第五預(yù)測數(shù)據(jù)和第六預(yù)測數(shù)據(jù)進(jìn)行均方根誤差和平均絕對誤差計(jì)算，得到所述目標(biāo)降噪數(shù)據(jù)對應(yīng)的第四誤差計(jì)算結(jié)果、第五誤差計(jì)算結(jié)果和第六誤差計(jì)算結(jié)果;

根據(jù)所有所述目標(biāo)降噪數(shù)據(jù)對應(yīng)的第四誤差計(jì)算結(jié)果、第五誤差計(jì)算結(jié)果和第六誤差計(jì)算結(jié)果確定最終組合預(yù)測模型;最終組合預(yù)測模型由最佳降噪算法和最佳預(yù)測模型組合得到;降噪算法包括L2正則化方法、小波算法和奇異譜分析方法;預(yù)測模型包括基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型、長短期記憶算法和差分整合移動平均自回歸模型。

6.根據(jù)權(quán)利要求1所述的礦山地表沉降形變預(yù)測方法，其特征在于，采礦區(qū)劃分為由地表開采的礦區(qū)、淺部開采礦區(qū)、金屬礦山與非金屬礦山。

7.一種礦山地表沉降形變預(yù)測裝置，其特征在于，所述礦山地表沉降形變預(yù)測裝置包括：

監(jiān)測數(shù)據(jù)獲取模塊，用于：獲取采礦區(qū)歷史時間段的監(jiān)測數(shù)據(jù);

相對位移數(shù)據(jù)計(jì)算模塊，用于：根據(jù)所述歷史時間段的監(jiān)測數(shù)據(jù)計(jì)算歷史時間段的相對位移數(shù)據(jù);相對位移數(shù)據(jù)為南北向、東西向或垂直向的相對位移;

降噪處理模塊，用于：利用最佳降噪算法，對歷史時間段的相對位移數(shù)據(jù)進(jìn)行處理，得到歷史時間段的降噪數(shù)據(jù);最佳降噪算法為L2正則化方法;

地表沉降形變預(yù)測模塊，用于：將歷史時間段的降噪數(shù)據(jù)輸入至最佳預(yù)測模型中，得到未來時間段的地表沉降形變預(yù)測數(shù)據(jù);所述最佳預(yù)測模型為基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型。

8.一種計(jì)算機(jī)設(shè)備，包括：存儲器、處理器以及存儲在存儲器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序以實(shí)現(xiàn)權(quán)利要求1-6中任一項(xiàng)所述的礦山地表沉降形變預(yù)測方法。

9.一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，其特征在于，該計(jì)算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)權(quán)利要求1-6中任一項(xiàng)所述的礦山地表沉降形變預(yù)測方法。

說明書

技術(shù)領(lǐng)域

[0001]本申請涉及礦山地表沉降形變預(yù)測領(lǐng)域，特別是涉及一種礦山地表沉降形變預(yù)測方法、裝置、設(shè)備及介質(zhì)。

背景技術(shù)

[0002]礦產(chǎn)資源的合理開發(fā)與應(yīng)用是推動社會經(jīng)濟(jì)和科技進(jìn)步的關(guān)鍵。隨著科技的不斷進(jìn)步，可開采的礦產(chǎn)資源種類也日益增多。然而，隨著資源開采的深入，礦區(qū)內(nèi)的采空區(qū)面積逐漸擴(kuò)大，這導(dǎo)致了地表沉降形變問題的日益嚴(yán)重。這些沉降形變主要源于采空區(qū)頂板巖土體受力結(jié)構(gòu)的改變，使得上覆巖體的靜壓力向四周集中，從而引發(fā)巖體的彎曲、破裂甚至坍塌，最終在地表形成不同程度的沉降。深入研究礦山地表沉降形變的演化規(guī)律，對于預(yù)防塌陷事故、減少資源浪費(fèi)具有重要意義。因此，如何高效、準(zhǔn)確地監(jiān)測礦山地表沉降形變的發(fā)展特征和演化規(guī)律，成為當(dāng)前亟待解決的重要問題。

發(fā)明內(nèi)容

[0003]本申請的目的是提供一種礦山地表沉降形變預(yù)測方法、裝置、設(shè)備及介質(zhì)，可提高礦山地表沉降形變預(yù)測的準(zhǔn)確性和效率。

[0004]為實(shí)現(xiàn)上述目的，本申請?zhí)峁┝巳缦路桨福?

第一方面，本申請?zhí)峁┝艘环N礦山地表沉降形變預(yù)測方法，包括：

獲取采礦區(qū)歷史時間段的監(jiān)測數(shù)據(jù);

根據(jù)所述歷史時間段的監(jiān)測數(shù)據(jù)計(jì)算歷史時間段的相對位移數(shù)據(jù);

利用最佳降噪算法，對歷史時間段的相對位移數(shù)據(jù)進(jìn)行處理，得到歷史時間段的降噪數(shù)據(jù);最佳降噪算法為L2正則化方法;

將歷史時間段的降噪數(shù)據(jù)輸入至最佳預(yù)測模型中，得到未來時間段的地表沉降形變預(yù)測數(shù)據(jù);所述最佳預(yù)測模型為基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型。

[0005]第二方面，本申請?zhí)峁┝艘环N礦山地表沉降形變預(yù)測裝置，包括：

監(jiān)測數(shù)據(jù)獲取模塊，用于：獲取采礦區(qū)歷史時間段的監(jiān)測數(shù)據(jù);

相對位移數(shù)據(jù)計(jì)算模塊，用于：根據(jù)所述歷史時間段的監(jiān)測數(shù)據(jù)計(jì)算歷史時間段的相對位移數(shù)據(jù);

降噪處理模塊，用于：利用最佳降噪算法，對歷史時間段的相對位移數(shù)據(jù)進(jìn)行處理，得到歷史時間段的降噪數(shù)據(jù);最佳降噪算法為L2正則化方法;

地表沉降形變預(yù)測模塊，用于：將歷史時間段的降噪數(shù)據(jù)輸入至最佳預(yù)測模型中，得到未來時間段的地表沉降形變預(yù)測數(shù)據(jù);所述最佳預(yù)測模型為基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型。

[0006]第三方面，本申請?zhí)峁┝艘环N計(jì)算機(jī)設(shè)備，包括：存儲器、處理器以及存儲在存儲器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序以實(shí)現(xiàn)上述礦山地表沉降形變預(yù)測方法。

[0007]第四方面，本申請?zhí)峁┝艘环N計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)上述礦山地表沉降形變預(yù)測方法。

[0008]根據(jù)本申請?zhí)峁┑木唧w實(shí)施例，本申請公開了以下技術(shù)效果：

本申請?zhí)峁┝艘环N礦山地表沉降形變預(yù)測方法、裝置、設(shè)備及介質(zhì)，獲取采礦區(qū)歷史時間段的監(jiān)測數(shù)據(jù);根據(jù)歷史時間段的監(jiān)測數(shù)據(jù)計(jì)算歷史時間段的相對位移數(shù)據(jù);利用最佳降噪算法，對歷史時間段的相對位移數(shù)據(jù)進(jìn)行處理，得到歷史時間段的降噪數(shù)據(jù);最佳降噪算法為L2正則化方法;將歷史時間段的降噪數(shù)據(jù)輸入至最佳預(yù)測模型中，得到未來時間段的地表沉降形變預(yù)測數(shù)據(jù);最佳預(yù)測模型為基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，本申請通過采用L2正則化方法對相對位移數(shù)據(jù)進(jìn)行處理降噪處理，并采用基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型對降噪數(shù)據(jù)進(jìn)行地表沉降形變預(yù)測，提高了地表沉降形變預(yù)測的效率和精度。

附圖說明

[0009]為了更清楚地說明本申請實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

[0010]圖1為本申請一實(shí)施例中一種礦山地表沉降形變預(yù)測方法的應(yīng)用環(huán)境圖;

圖2為本申請一實(shí)施例提供的一種礦山地表沉降形變預(yù)測方法的流程示意圖;

圖3為本申請一實(shí)施例提供的針對不同礦區(qū)采礦狀況北斗監(jiān)測數(shù)據(jù)自迭代沉降預(yù)測模型的方法流程示意圖;

圖4為本申請一實(shí)施例提供的針對不同礦區(qū)采礦狀況北斗監(jiān)測數(shù)據(jù)自迭代沉降預(yù)測模型的方法的具體流程示意圖;

圖5為本申請一實(shí)施例提供的一種礦山地表沉降形變預(yù)測裝置的功能模塊示意圖;

圖6為本申請一實(shí)施例提供的一種計(jì)算機(jī)設(shè)備的結(jié)構(gòu)示意圖。

具體實(shí)施方式

[0011]下面將結(jié)合本申請實(shí)施例中的附圖，對本申請實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本申請一部分實(shí)施例，而不是全部的實(shí)施例。基于本申請中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例，都屬于本申請保護(hù)的范圍。

[0012]使本申請的上述目的、特征和優(yōu)點(diǎn)能夠更加明顯易懂，下面結(jié)合附圖和具體實(shí)施方式對本申請作進(jìn)一步詳細(xì)的說明。

[0013]本申請實(shí)施例提供的礦山地表沉降形變預(yù)測方法，可以應(yīng)用于如圖1所示的應(yīng)用環(huán)境中。其中，終端102通過網(wǎng)絡(luò)與服務(wù)器104進(jìn)行通信。數(shù)據(jù)存儲系統(tǒng)可以存儲服務(wù)器104需要處理的數(shù)據(jù)。數(shù)據(jù)存儲系統(tǒng)可以單獨(dú)設(shè)置，也可以集成在服務(wù)器104上，也可以放在云上或其他服務(wù)器上。終端102可以將采礦區(qū)歷史時間段的監(jiān)測數(shù)據(jù)向服務(wù)器104發(fā)送，服務(wù)器104接收到采礦區(qū)歷史時間段的監(jiān)測數(shù)據(jù)后，對于采礦區(qū)歷史時間段的監(jiān)測數(shù)據(jù)，服務(wù)器104根據(jù)歷史時間段的監(jiān)測數(shù)據(jù)計(jì)算歷史時間段的相對位移數(shù)據(jù)，利用L2正則化方法對歷史時間段的相對位移數(shù)據(jù)進(jìn)行處理，得到歷史時間段的降噪數(shù)據(jù)，并將歷史時間段的降噪數(shù)據(jù)輸入至最佳預(yù)測模型中，得到未來時間段的地表沉降形變預(yù)測數(shù)據(jù)。服務(wù)器104可以將得到的針對采礦區(qū)的未來時間段的地表沉降形變預(yù)測數(shù)據(jù)向終端102進(jìn)行反饋。此外，在一些實(shí)施例中，礦山地表沉降形變預(yù)測方法也可以單獨(dú)由服務(wù)器104或者終端102實(shí)現(xiàn)，如可以由終端102直接針對采礦區(qū)歷史時間段的監(jiān)測數(shù)據(jù)進(jìn)行地表沉降形變預(yù)測，也可以由服務(wù)器104從數(shù)據(jù)存儲系統(tǒng)中獲取采礦區(qū)歷史時間段的監(jiān)測數(shù)據(jù)，并針對采礦區(qū)歷史時間段的監(jiān)測數(shù)據(jù)進(jìn)行地表沉降形變預(yù)測。

[0014]其中，終端102可以但不限于是各種臺式計(jì)算機(jī)和筆記本電腦。服務(wù)器104可以用獨(dú)立的服務(wù)器或者是多個服務(wù)器組成的服務(wù)器集群來實(shí)現(xiàn)，還可以是云服務(wù)器。

[0015]在一個示例性的實(shí)施例中，如圖2所示，提供了一種礦山地表沉降形變預(yù)測方法，該方法由計(jì)算機(jī)設(shè)備執(zhí)行，具體可以由終端或服務(wù)器等計(jì)算機(jī)設(shè)備單獨(dú)執(zhí)行，也可以由終端和服務(wù)器共同執(zhí)行，在本申請實(shí)施例中，以該方法應(yīng)用于圖1中的服務(wù)器104為例進(jìn)行說明，包括以下步驟201至步驟204。其中：

步驟201：獲取采礦區(qū)歷史時間段的監(jiān)測數(shù)據(jù)。

[0016]步驟202：根據(jù)所述歷史時間段的監(jiān)測數(shù)據(jù)計(jì)算歷史時間段的相對位移數(shù)據(jù)。

[0017]步驟203：利用最佳降噪算法，對歷史時間段的相對位移數(shù)據(jù)進(jìn)行處理，得到歷史時間段的降噪數(shù)據(jù);最佳降噪算法為L2正則化方法。

[0018]步驟204：將歷史時間段的降噪數(shù)據(jù)輸入至最佳預(yù)測模型中，得到未來時間段的地表沉降形變預(yù)測數(shù)據(jù);所述最佳預(yù)測模型為基于粒子群優(yōu)化(Particle SwarmOptimization，PSO)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型。

[0019]實(shí)施上述的步驟201至步驟204，通過采用L2正則化方法對相對位移數(shù)據(jù)進(jìn)行處理降噪處理，并采用基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型對降噪數(shù)據(jù)進(jìn)行地表沉降形變預(yù)測，提高了地表沉降形變預(yù)測的效率和精度。

[0020]本申請另一個示例性的實(shí)施例中，歷史時間段的監(jiān)測數(shù)據(jù)由北斗導(dǎo)航衛(wèi)星系統(tǒng)(Global Navigation Satellite System，GNSS)監(jiān)測得到。北斗衛(wèi)星技術(shù)在礦山地表形變監(jiān)測中展現(xiàn)出顯著優(yōu)勢。首先，該技術(shù)具備實(shí)時動態(tài)監(jiān)測能力，可提供連續(xù)的監(jiān)測數(shù)據(jù)，從而更精確地描繪地表形變的持續(xù)發(fā)展過程，并為未來形變趨勢的預(yù)測提供詳盡的數(shù)據(jù)支持。其次，監(jiān)測精度得到顯著提升，特別是當(dāng)北斗系統(tǒng)與GNSS定位技術(shù)結(jié)合使用時，監(jiān)測精度可達(dá)毫米級，為深入分析礦山地表形變提供了準(zhǔn)確可靠的數(shù)據(jù)基礎(chǔ)。此外，該技術(shù)減少了環(huán)境因素對監(jiān)測結(jié)果的影響，能夠適應(yīng)全天候監(jiān)測需求，確保外部環(huán)境變化對監(jiān)測精準(zhǔn)度的干擾最小化。同時，監(jiān)測過程的自動化程度得到增強(qiáng)，從數(shù)據(jù)采集、處理、存儲到數(shù)據(jù)分析、可視化展示以及預(yù)警警報等環(huán)節(jié)均實(shí)現(xiàn)了高效自動化。通過這些優(yōu)勢，北斗衛(wèi)星技術(shù)不僅提高了礦山地表形變監(jiān)測的效率和準(zhǔn)確性，同時也為及時采取預(yù)防措施提供了堅(jiān)實(shí)的數(shù)據(jù)支撐，降低了潛在的安全風(fēng)險。本申請充分利用高精度北斗監(jiān)測數(shù)據(jù)，對于礦區(qū)的沉降情況進(jìn)行模擬，建立預(yù)測模型。

[0021]不同采礦區(qū)劃分為由地表開采的礦區(qū)、淺部開采礦區(qū)、金屬礦山與非金屬礦山。

[0022]如圖3和圖4所示，采集采礦區(qū)的GNSS監(jiān)測數(shù)據(jù)，并對其進(jìn)行簡單處理，轉(zhuǎn)為相對位移數(shù)據(jù);針對相對位移數(shù)據(jù)，由基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型、長短期記憶(LongShort-Term Memory，LSTM)算法和差分整合移動平均自回歸模型(AutoregressiveIntegrated Moving Averagemode，ARIMA)分別對其進(jìn)行處理，根據(jù)計(jì)算結(jié)果擇優(yōu)選擇一種模型，進(jìn)行訓(xùn)練集和預(yù)測集的確定;針對相對位移數(shù)據(jù)，由L2正則化方法、小波算法和奇異譜分析方法分別對其進(jìn)行降噪處理，得到降噪數(shù)據(jù);針對降噪數(shù)據(jù)，根據(jù)訓(xùn)練集和預(yù)測集，由基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測算法、長短期記憶算法和差分整合移動平均自回歸模型分別對其進(jìn)行處理，根據(jù)計(jì)算結(jié)果擇優(yōu)選擇一種組合作為最終組合預(yù)測模型。本申請可提高礦區(qū)沉降變形預(yù)測的能力;根據(jù)基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測算法，確定適用于該模型的訓(xùn)練集和預(yù)測集的數(shù)量;使用L2正則化方法、小波算法和奇異譜分析方法三種方法分別對數(shù)據(jù)進(jìn)行降噪，使用基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測算法、長短期記憶算法和差分整合移動平均自回歸模型三種方法對降噪數(shù)據(jù)分別預(yù)測，實(shí)現(xiàn)數(shù)據(jù)的多方法優(yōu)化。

[0023]獲取采礦區(qū)的北斗導(dǎo)航衛(wèi)星系統(tǒng)監(jiān)測數(shù)據(jù)，獲取的監(jiān)測數(shù)據(jù)包括十個站點(diǎn)的數(shù)據(jù)，每個站點(diǎn)都有十年數(shù)據(jù)，將每個站點(diǎn)的數(shù)據(jù)的第一行作為基準(zhǔn)，用其余行減去第一行得到實(shí)驗(yàn)所需的相對位移數(shù)據(jù)。每一站點(diǎn)的數(shù)據(jù)每一行代表一天的數(shù)據(jù)，每一站點(diǎn)的數(shù)據(jù)有三列數(shù)據(jù)，每一列分別代表南北向、東西向與垂直向，因此相對位移數(shù)據(jù)為南北向、東西向或垂直向的相對位移。

[0024]基于北斗監(jiān)測解算結(jié)果，其中高精度解算結(jié)果為南北向、東西向與垂直向三個方向的毫米級高精度的相對位移，并基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測算法、長短期記憶算法和差分整合移動平均自回歸模型擇優(yōu)選擇一種預(yù)測模型進(jìn)行訓(xùn)練集和預(yù)測集的確定。本申請另一個示例性的實(shí)施例中，上述訓(xùn)練集和預(yù)測集的確定過程可以包括以下步驟301~步驟304：

步驟301：將相對位移數(shù)據(jù)分別輸入基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)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(yù)測數(shù)據(jù)、第二預(yù)測數(shù)據(jù)和第三預(yù)測數(shù)據(jù);

步驟302：將相對位移數(shù)據(jù)的標(biāo)簽數(shù)據(jù)分別與第一預(yù)測數(shù)據(jù)、第二預(yù)測數(shù)據(jù)和第三預(yù)測數(shù)據(jù)進(jìn)行均方根誤差和平均絕對誤差計(jì)算，得到第一誤差計(jì)算結(jié)果、第二誤差計(jì)算結(jié)果和第三誤差計(jì)算結(jié)果;

步驟303：根據(jù)第一誤差計(jì)算結(jié)果、第二誤差計(jì)算結(jié)果和第三誤差計(jì)算結(jié)果確定最佳預(yù)測模型，具體包括：將值最小的誤差計(jì)算結(jié)果對應(yīng)的預(yù)測模型作為最佳預(yù)測模型。

[0025]步驟304：根據(jù)所述最佳預(yù)測模型確定最佳訓(xùn)練集和最佳預(yù)測集;歷史時間段的時間與最佳訓(xùn)練集中相對位移數(shù)據(jù)的時間相同;未來時間段的時間與最佳預(yù)測集中地表沉降形變預(yù)測數(shù)據(jù)的時間相同。

[0026]最佳訓(xùn)練集和最佳預(yù)測集的確定過程如下：

取北斗導(dǎo)航衛(wèi)星系統(tǒng)監(jiān)測數(shù)據(jù)中N個站點(diǎn)三個方向的十年數(shù)據(jù)，以任一站點(diǎn)的任一方向的一年相對位移數(shù)據(jù)為一個時間序列作為一個樣本輸入，得到第一訓(xùn)練集;以任一站點(diǎn)的任一方向的兩年相對位移數(shù)據(jù)為一個時間序列作為一個樣本輸入，得到第二訓(xùn)練集，依此類推，以任一站點(diǎn)的任一方向的十年相對位移數(shù)據(jù)為一個時間序列作為一個樣本輸入，得到第十訓(xùn)練集。則這些訓(xùn)練集中相對位移數(shù)據(jù)對應(yīng)的時間不同。

[0027]將各訓(xùn)練集輸入至最佳預(yù)測模型中，得到每一訓(xùn)練集對應(yīng)的預(yù)測集;根據(jù)所有訓(xùn)練集和每一訓(xùn)練集對應(yīng)的預(yù)測集確定最佳訓(xùn)練集和最佳預(yù)測集，即最終確定的最佳訓(xùn)練集中相對位移數(shù)據(jù)的時間為四年或五年，最佳預(yù)測集中地表沉降形變預(yù)測數(shù)據(jù)的時間為一年，則每一預(yù)測模型的輸入為任一站點(diǎn)的任一方向的四年或五年相對位移數(shù)據(jù)，輸出為任一站點(diǎn)的任一方向的下一年的地表沉降形變預(yù)測數(shù)據(jù)。即步驟201中的歷史時間段可為四年或五年，未來時間段為一年。

[0028]基于上述北斗監(jiān)測解算結(jié)果，即相對位移數(shù)據(jù)，將其分別代入到L2正則化方法、小波算法和奇異譜分析方法中，得到降噪數(shù)據(jù);基于降噪數(shù)據(jù)，將其按照訓(xùn)練集數(shù)量分別代入到基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測算法、長短期記憶算法和差分整合移動平均自回歸模型中，形成9種組合預(yù)測模型，對于按照預(yù)測集數(shù)量得到的結(jié)果分別用指標(biāo)進(jìn)行評價，得到最終組合預(yù)測模型，最終組合預(yù)測模型的確定過程可以包括以下步驟401~步驟404：

步驟401：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(shù)據(jù)進(jìn)行處理，得到第一降噪數(shù)據(jù)、第二降噪數(shù)據(jù)和第三降噪數(shù)據(jù);

步驟402：將目標(biāo)降噪數(shù)據(jù)分別輸入基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型、長短期記憶算法和差分整合移動平均自回歸模型，得到所述目標(biāo)降噪數(shù)據(jù)對應(yīng)的第四預(yù)測數(shù)據(jù)、第五預(yù)測數(shù)據(jù)和第六預(yù)測數(shù)據(jù);所述目標(biāo)降噪數(shù)據(jù)為第一降噪數(shù)據(jù)、第二降噪數(shù)據(jù)或第三降噪數(shù)據(jù);

步驟403：將目標(biāo)降噪數(shù)據(jù)的標(biāo)簽數(shù)據(jù)分別與所述目標(biāo)降噪數(shù)據(jù)對應(yīng)的第四預(yù)測數(shù)據(jù)、第五預(yù)測數(shù)據(jù)和第六預(yù)測數(shù)據(jù)進(jìn)行均方根誤差和平均絕對誤差計(jì)算，得到所述目標(biāo)降噪數(shù)據(jù)對應(yīng)的第四誤差計(jì)算結(jié)果、第五誤差計(jì)算結(jié)果和第六誤差計(jì)算結(jié)果;

步驟404：根據(jù)所有所述目標(biāo)降噪數(shù)據(jù)對應(yīng)的第四誤差計(jì)算結(jié)果、第五誤差計(jì)算結(jié)果和第六誤差計(jì)算結(jié)果確定最終組合預(yù)測模型;最終組合預(yù)測模型由最佳降噪算法和最佳預(yù)測模型組合得到;降噪算法包括L2正則化方法、小波算法和奇異譜分析方法;預(yù)測模型包括基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型、長短期記憶算法和差分整合移動平均自回歸模型。

[0029]其中，預(yù)測模型的輸入是與最佳訓(xùn)練集數(shù)量時間相當(dāng)?shù)南鄬ξ灰茢?shù)據(jù)，預(yù)測模型的輸出是得到的與最佳訓(xùn)練集時間數(shù)量相當(dāng)?shù)臄?shù)據(jù)。然后與訓(xùn)練集所在位置的相對位移數(shù)據(jù)進(jìn)行均方根誤差和平均絕對誤差的計(jì)算。

[0030]基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測算法，將訓(xùn)練集與預(yù)測集的個數(shù)確定后，不斷進(jìn)行迭代，當(dāng)達(dá)到最大迭代次數(shù)，即1000次時停止。

[0031]基于長短期記憶算法，將歷史時間段的輸入數(shù)據(jù)提供給LSTM模型，獲取初始的隱藏狀態(tài)和細(xì)胞狀態(tài)，預(yù)測過程中，每次輸入模型的是當(dāng)前時間段的輸入數(shù)據(jù)和上一時間段的隱藏狀態(tài)，通過模型計(jì)算得到當(dāng)前時間段的輸出結(jié)果，將當(dāng)前時間段的輸出結(jié)果作為下一時間段的輸入，并重復(fù)這個過程，直到達(dá)到預(yù)測的時間范圍或滿足停止條件。

[0032]基于差分整合移動平均自回歸模型，初始化赤池信息準(zhǔn)則和貝葉斯信息準(zhǔn)則以及模型參數(shù)的最大值，通過循環(huán)遍歷，當(dāng)赤池信息準(zhǔn)則和貝葉斯信息準(zhǔn)則的結(jié)果都較小時，結(jié)束遍歷，以此時的模型參數(shù)作為整個模型的最優(yōu)參數(shù)，進(jìn)行預(yù)測集結(jié)果的確定。

[0033]對于上述三種預(yù)測模型，通過比較均方根誤差和平均絕對誤差，從而選擇采用基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型確定最佳的訓(xùn)練集和預(yù)測集，得到訓(xùn)練集為四年或五年，預(yù)測集為一年。

[0034]本申請另一個示例性的實(shí)施例中，取三個站點(diǎn)的監(jiān)測數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，計(jì)算三個站點(diǎn)的LSTM的均方根誤差(RMSE)值的平均值為7.4611，ARIMA的RMSE值的平均值為2.1677，基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的RMSE值的平均值為2.0239;計(jì)算LSTM的平均絕對誤差(MAE)值的平均值為4.5938，ARIMA的MAE值的平均值為1.7825，基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的MAE值的平均值為1.5803?？梢钥闯?，基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型效果較好，因此使用基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型來確定訓(xùn)練集和預(yù)測集。

[0035]需要說明的是，因南北方向的趨勢走向不明顯，不適用于基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測算法進(jìn)行預(yù)測，所以本申請只針對垂直向和東西向兩個方向，即本申請中所采用的相對位移數(shù)據(jù)包括垂直向和東西向兩個方向的相對位移。

[0036]將相對位移數(shù)據(jù)分別代入到L2正則化、小波算法和奇異譜分析中，得到降噪數(shù)據(jù)結(jié)果;

對于L2正則化方法，能夠通過將各項(xiàng)權(quán)重系數(shù)優(yōu)化的很小達(dá)到降低模型復(fù)雜度的目的，減少單個特征的在模型中的作用，避免某個特征主導(dǎo)整個預(yù)測方向;

對于小波算法，將均方根誤差和平滑度進(jìn)行歸一化處理，再采用變異系數(shù)定權(quán)方法，通過線性組合方法得到復(fù)合評價指標(biāo)T，當(dāng)T最小時，得到的分解層次為最優(yōu)分解層次，選擇小波基為Daubechies小波，常用于分解和重構(gòu)信號，基于最優(yōu)分解層次，對dbN進(jìn)行遍歷，選擇最優(yōu)小波基，采用‘heursure(啟發(fā)式閾值)’閾值準(zhǔn)則和軟閾值處理函數(shù)。

[0037]對于奇異譜分析方法，需要確定窗口長度的大小，本實(shí)施例使用的時間序列的總長度為3650，窗口長度N應(yīng)該位于(0，1825)，且最好為周期的整數(shù)倍，因沉降監(jiān)測在不同季節(jié)會有不同的變化，且在查閱相關(guān)文獻(xiàn)和比較均方根誤差和平均絕對誤差后，選擇窗口長度N為365。

[0038]優(yōu)選地，通過比較均方根誤差和平均絕對誤差，L2正則化和基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測算法的組合，奇異譜分析和差分整合移動平均自回歸模型的組合效果較好，但因奇異譜分析處理過后的數(shù)據(jù)過于平滑，數(shù)據(jù)微小特征損失較多，故最終選擇L2正則化和基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測算法的組合作為最終組合預(yù)測模型。

[0039]本申請還提供一種應(yīng)用場景，該應(yīng)用場景應(yīng)用上述的礦山地表沉降形變預(yù)測方法。具體地：本實(shí)施例提供的礦山地表沉降形變預(yù)測方法，可以應(yīng)用在礦山地表沉降形變預(yù)測場景中。礦山地表沉降形變預(yù)測場景包括數(shù)據(jù)采集環(huán)節(jié)、地表沉降形變預(yù)測鏈路;采礦區(qū)的監(jiān)測數(shù)據(jù)從數(shù)據(jù)采集環(huán)節(jié)進(jìn)入地表沉降形變預(yù)測鏈路，經(jīng)過人機(jī)協(xié)同的方式得到相應(yīng)的未來時間段的地表沉降形變預(yù)測數(shù)據(jù)。本實(shí)施例提供的礦山地表沉降形變預(yù)測方法屬于地表沉降形變預(yù)測鏈路。具體在針對采礦區(qū)的地表沉降形變預(yù)測鏈路過程中，可以基于根據(jù)歷史時間段的監(jiān)測數(shù)據(jù)計(jì)算歷史時間段的相對位移數(shù)據(jù)，利用L2正則化方法對歷史時間段的相對位移數(shù)據(jù)進(jìn)行處理，得到歷史時間段的降噪數(shù)據(jù)，并將歷史時間段的降噪數(shù)據(jù)輸入至最佳預(yù)測模型中，得到未來時間段的地表沉降形變預(yù)測數(shù)據(jù)。

[0040]基于同樣的發(fā)明構(gòu)思，本申請實(shí)施例還提供了一種用于實(shí)現(xiàn)上述所涉及的礦山地表沉降形變預(yù)測方法的礦山地表沉降形變預(yù)測裝置。該裝置所提供的解決問題的實(shí)現(xiàn)方案與上述方法中所記載的實(shí)現(xiàn)方案相似，故下面所提供的一個或多個礦山地表沉降形變預(yù)測裝置實(shí)施例中的具體限定可以參見上文中對于礦山地表沉降形變預(yù)測方法的限定，在此不再贅述。

[0041]在一個示例性的實(shí)施例中，如圖5所示，提供了一種礦山地表沉降形變預(yù)測裝置包括以下模塊。

[0042]監(jiān)測數(shù)據(jù)獲取模塊T1，用于：獲取采礦區(qū)歷史時間段的監(jiān)測數(shù)據(jù)。

[0043]相對位移數(shù)據(jù)計(jì)算模塊T2，用于：根據(jù)所述歷史時間段的監(jiān)測數(shù)據(jù)計(jì)算歷史時間段的相對位移數(shù)據(jù)。

[0044]降噪處理模塊T3，用于：利用最佳降噪算法，對歷史時間段的相對位移數(shù)據(jù)進(jìn)行處理，得到歷史時間段的降噪數(shù)據(jù);最佳降噪算法為L2正則化方法。

[0045]地表沉降形變預(yù)測模塊T4，用于：將歷史時間段的降噪數(shù)據(jù)輸入至最佳預(yù)測模型中，得到未來時間段的地表沉降形變預(yù)測數(shù)據(jù);所述最佳預(yù)測模型為基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型。

[0046]在一示例性的實(shí)施例中，提供了一種計(jì)算機(jī)設(shè)備，該計(jì)算機(jī)設(shè)備可以是服務(wù)器或者終端，其內(nèi)部結(jié)構(gòu)圖可以如圖6所示。該計(jì)算機(jī)設(shè)備包括處理器、存儲器、輸入/輸出接口(Input/Output，簡稱I/O)和通信接口。其中，處理器、存儲器和輸入/輸出接口通過系統(tǒng)總線連接，通信接口通過輸入/輸出接口連接到系統(tǒng)總線。其中，該計(jì)算機(jī)設(shè)備的處理器用于提供計(jì)算和控制能力。該計(jì)算機(jī)設(shè)備的存儲器包括非易失性存儲介質(zhì)和內(nèi)存儲器。該非易失性存儲介質(zhì)存儲有操作系統(tǒng)、計(jì)算機(jī)程序和數(shù)據(jù)庫。該內(nèi)存儲器為非易失性存儲介質(zhì)中的操作系統(tǒng)和計(jì)算機(jī)程序的運(yùn)行提供環(huán)境。該計(jì)算機(jī)設(shè)備的數(shù)據(jù)庫用于存儲地表沉降形變預(yù)測數(shù)據(jù)。該計(jì)算機(jī)設(shè)備的輸入/輸出接口用于處理器與外部設(shè)備之間交換信息。該計(jì)算機(jī)設(shè)備的通信接口用于與外部的終端通過網(wǎng)絡(luò)連接通信。該計(jì)算機(jī)程序被處理器執(zhí)行時以實(shí)現(xiàn)一種礦山地表沉降形變預(yù)測方法。

[0047]本領(lǐng)域技術(shù)人員可以理解，圖6中示出的結(jié)構(gòu)，僅僅是與本申請方案相關(guān)的部分結(jié)構(gòu)的框圖，并不構(gòu)成對本申請方案所應(yīng)用于其上的計(jì)算機(jī)設(shè)備的限定，具體的計(jì)算機(jī)設(shè)備可以包括比圖中所示更多或更少的部件，或者組合某些部件，或者具有不同的部件布置。

[0048]在一個示例性的實(shí)施例中，還提供了一種計(jì)算機(jī)設(shè)備，包括存儲器和處理器，存儲器中存儲有計(jì)算機(jī)程序，該處理器執(zhí)行計(jì)算機(jī)程序時實(shí)現(xiàn)上述各方法實(shí)施例中的步驟。

[0049]在一個示例性的實(shí)施例中，提供了一種計(jì)算機(jī)可讀存儲介質(zhì)，存儲有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)上述各方法實(shí)施例中的步驟。

[0050]需要說明的是，本申請所涉及的用戶信息(包括但不限于用戶設(shè)備信息、用戶個人信息等)和數(shù)據(jù)(包括但不限于用于分析的數(shù)據(jù)、存儲的數(shù)據(jù)、展示的數(shù)據(jù)等)，均為經(jīng)用戶授權(quán)或者經(jīng)過各方充分授權(quán)的信息和數(shù)據(jù)，且相關(guān)數(shù)據(jù)的收集、使用和處理需要符合相關(guān)規(guī)定。

[0051]本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分流程，是可以通過計(jì)算機(jī)程序來指令相關(guān)的硬件來完成，所述的計(jì)算機(jī)程序可存儲于一非易失性計(jì)算機(jī)可讀取存儲介質(zhì)中，該計(jì)算機(jī)程序在執(zhí)行時，可包括如上述各方法的實(shí)施例的流程。其中，本申請所提供的各實(shí)施例中所使用的對存儲器、數(shù)據(jù)庫或其它介質(zhì)的任何引用，均可包括非易失性和易失性存儲器中的至少一種。非易失性存儲器可包括只讀存儲器(Read-OnlyMemory，ROM)、磁帶、軟盤、閃存、光存儲器、高密度嵌入式非易失性存儲器、阻變存儲器(ReRAM)、磁變存儲器(Magnetoresistive Random Access Memory，MRAM)、鐵電存儲器(Ferroelectric Random Access Memory，F(xiàn)RAM)、相變存儲器(Phase Change Memory，PCM)、石墨烯存儲器等。易失性存儲器可包括隨機(jī)存取存儲器(Random Access Memory，RAM)或外部高速緩沖存儲器等。作為說明而非局限，RAM可以是多種形式，比如靜態(tài)隨機(jī)存取存儲器(Static Random Access Memory，SRAM)或動態(tài)隨機(jī)存取存儲器(DynamicRandomAccess Memory，DRAM)等。

[0052]本申請所提供的各實(shí)施例中所涉及的數(shù)據(jù)庫可包括關(guān)系型數(shù)據(jù)庫和非關(guān)系型數(shù)據(jù)庫中至少一種。非關(guān)系型數(shù)據(jù)庫可包括基于區(qū)塊鏈的分布式數(shù)據(jù)庫等，不限于此。本申請所提供的各實(shí)施例中所涉及的處理器可為通用處理器、中央處理器、圖形處理器、數(shù)字信號處理器、可編程邏輯器、基于量子計(jì)算的數(shù)據(jù)處理邏輯器等，不限于此。

[0053]以上實(shí)施例的各技術(shù)特征可以進(jìn)行任意的組合，為使描述簡潔，未對上述實(shí)施例中的各個技術(shù)特征所有可能的組合都進(jìn)行描述，然而，只要這些技術(shù)特征的組合不存在矛盾，都應(yīng)當(dāng)認(rèn)為是本說明書記載的范圍。

[0054]本文中應(yīng)用了具體個例對本申請的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說明只是用于幫助理解本申請的方法及其核心思想;同時，對于本領(lǐng)域的一般技術(shù)人員，依據(jù)本申請的思想，在具體實(shí)施方式及應(yīng)用范圍上均會有改變之處。綜上所述，本說明書內(nèi)容不應(yīng)理解為對本申請的限制。

說明書附圖(6)