地表变形监测数据挖掘

论文摘要

近年来,矿区因大规模开采而出现地表移动与变形,严重影响了矿区安全生产,进行地表变形监控与预测也因此成为了安全生产的重点。大量的监测数据中隐含着地表变形知识与规律,如矿区多因子关联、矿区沉降整体规律等,这些规律有益于监控、预测地表变形。为此,本文利用空间数据挖掘的各种理论方法,从地表变形的监测数据中挖掘隐含的规律并对地表沉降进行了科学预测。主要内容有:一、叙述了空间数据挖掘的定义与特点、体系结构、基本过程、可获得的知识类型、挖掘方法和发展方向。二、建立了可用于矿区沉降监测数据挖掘的GM(1,1)模型和线性回归模型,并对GM(1,1)模型进行了改进。采用GM(1,1)模型来进行短期预测,用最小一乘法代替了原来的最小二乘法,提高了结果的稳健性。以煤矿沉降数据为实例,验证了该改进GM(1,1)模型方法的有效性,取得了满意的效果。建立线性回归模型,应用于矿区地表沉降的长期预测。三、以矿区地下水层与矿区各因子的沉降为例,应用灰关联来求解变形因子的关联度,得到矿区变形因子间的相互影响规律。四、将基于灰关联的聚类应用于矿区地表变形情况的分类及原因的挖掘。得到了矿区各时期地表变形情况的分类,并对分类原因作出了详细解释。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 地表变形研究现状
• 1.2 挖掘方法
• 1.3 研究意义
• 1.4 本文主要工作及组织结构
• 1.4.1 本文的主要工作
• 1.4.2 本文的章节安排
• 第二章 空间数据挖掘
• 2.1 空间数据挖掘的定义与特点
• 2.2 空间数据挖掘的体系结构
• 2.3 空间数据挖掘的基本过程
• 2.4 空间数据挖掘可获得的知识类型
• 2.5 空间数据挖掘的方法
• 2.6 空间数据挖掘的发展方向
• 2.7 本章小结
• 第三章 GM预测模型在空间数据挖掘中的应用
• 3.1 GM（1，1）模型
• 3.2 GM（1，1）模型的改进
• 3.2.1 基于最小二乘法的线性回归方法
• 3.2.2 基于最小一乘法的线性回归方法
• 3.2.3 线性规划
• 3.2.4 改进的GM（1，1）模型
• 3.3 改进的GM（1，1）模型在矿山预测中的应用
• 3.4 本章小结
• 第四章 线性回归模型在矿区地表沉降预测中的应用
• 4.1 回归分析简介
• 4.1.1 线性回归建模
• 4.1.2 线性回归方程的显著性检验和残差分析
• 4.2 线性回归用于地表沉降的预测
• 4.2.1 一元线性回归用于地表沉降的预测
• 4.2.2 多元线性回归方程的应用
• 4.3 本章小结
• 第五章 矿区地表沉降的多因子关联度与聚类分析
• 5.1 矿区多因子关联度的挖掘
• 5.1.1 灰关联分析方法
• 5.1.2 关联度
• 5.1.3 实际应用
• 5.2 基于灰关联的聚类在矿区地表沉降分类中的应用
• 5.2.1 聚类分析的概念
• 5.2.2 各指标间的距离
• 5.2.3 基于灰关联度的权重
• 5.2.4 矿区沉降的聚类分析过程
• 5.2.5 实际应用
• 5.3 本章小结
• 第六章 总结与展望
• 致谢
• 参考文献
• 攻读硕士期间发表的论文及科研情况