开采沉陷监测数据处理的分段卡尔曼滤波模型
Subsection Kalman filter model for mining subsidence monitoring data processing作者机构:中国矿业大学(北京)地球科学与测绘工程学院北京100083
出 版 物:《矿业科学学报》 (Journal of Mining Science and Technology)
年 卷 期:2021年第6卷第4期
页 面:371-378页
核心收录:
学科分类:08[工学] 081601[工学-大地测量学与测量工程] 0816[工学-测绘科学与技术]
基 金:中央高校基本科研业务费专项资金(2020YQDC05) 河北省自然科学基金生态智慧矿山联合基金(E2020402086)。
主 题:卡尔曼滤波 开采沉陷 变形监测 GNSS Python
摘 要:为解决长周期、高频率的GNSS煤矿开采沉陷监测数据受外界环境影响大、干扰噪声高、可靠性低的问题,采用卡尔曼滤波对开采沉陷GNSS监测数据进行分段滤波处理。首先采用回归分析方法将监测数据分割为开始阶段-活跃阶段-衰退阶段三部分。开始阶段、衰退阶段下沉较为稳定,以标准卡尔曼滤波模型对沉陷数据进行滤波处理;活跃阶段沉陷变化快,通过构建加入修正数的卡尔曼滤波模型对沉陷数据进行处理。采用Python语言建立滤波程序对宁夏某矿5年沉降监测数据计算分析结果显示,对不同阶段采用不同的卡尔曼滤波结果与实测过程曲线吻合,滤波效果良好。加入修正数的卡尔曼滤波模型可以有效地处理沉陷变化大的矿区监测数据,减少数据波动对沉陷结果的影响,提高监测数据的可靠性。研究成果为长周期、高频率的沉陷监测数据处理提供了科学依据。