基于WTLS的井筒變形監(jiān)測算法及方案設(shè)計

譚興龍,王 琰,王 堅,韓厚增,王 彬

(1．中國礦業(yè)大學(xué) 環(huán)境與測繪學(xué)院,江蘇 徐州 221116;2．中國礦業(yè)大學(xué) 化工學(xué)院,江蘇 徐州 221116;3．武漢大學(xué) 測繪學(xué)院,湖北 武漢430072)

基于WTLS的井筒變形監(jiān)測算法及方案設(shè)計

譚興龍1,王 琰2,王 堅1,韓厚增1,王 彬3

(1．中國礦業(yè)大學(xué) 環(huán)境與測繪學(xué)院,江蘇 徐州 221116;2．中國礦業(yè)大學(xué) 化工學(xué)院,江蘇 徐州 221116;3．武漢大學(xué) 測繪學(xué)院,湖北 武漢430072)

針對基于最小二乘的常規(guī)井筒變形監(jiān)測算法中,系數(shù)矩陣往往包含觀測值誤差影響,難以解算出井筒變形最優(yōu)解,提出一種抗差加權(quán)整體最小二乘算法。該算法通過同時對待求參數(shù)和系數(shù)矩陣進行估計,克服常規(guī)最小二乘系數(shù)矩陣受觀測值隨機誤差影響;同時結(jié)合IGGⅢ三段權(quán)函數(shù)抗差因子,調(diào)整各觀測值權(quán)函數(shù),消除觀測值粗差對最終變形估計值的影響,得到最優(yōu)的井筒變形值。最后分別采用模擬和實測井筒數(shù)據(jù)對算法進行了驗證,結(jié)果表明:當觀測值含有隨機誤差時,整體最小二乘算法優(yōu)于最小二乘,但都無法抵御觀測粗差影響;抗差加權(quán)整體最小二乘算法可以有效抵御觀測粗差,修正觀測隨機誤差影響,且精度優(yōu)于抗差最小二乘;采用抗差加權(quán)整體最小二乘算法對實測井筒變形數(shù)據(jù)進行解算結(jié)果與實際相符,可以增強變形監(jiān)測結(jié)果的可靠性,提高井筒變形量精度。

井筒變形;監(jiān)測方案;抗差估計;加權(quán)整體最小二乘

井筒是一個礦井的最重要的咽喉部分,作為煤炭生產(chǎn)的主要通道,其正常運行是保證礦井安全生產(chǎn)的重要環(huán)節(jié)之一[1]。許多煤系地層上部覆蓋著由砂土、黏土、砂礫和含水砂層組成的表土沖積層[2],地層復(fù)雜,含水豐富,但由于地下水位下降引起地層不斷下沉[3-4],產(chǎn)生連續(xù)或非連續(xù)的運動給井壁造成壓力,形成井筒變形[5-6]。此外,采動影響、地應(yīng)力變化或地震同樣會導(dǎo)致井筒破壞[7-8]。井筒變形對提升系統(tǒng)產(chǎn)生不利影響,會嚴重威脅煤礦安全生產(chǎn)。

對井筒變形進行合理監(jiān)測,精確確定井筒變形的幅度方向及位置信息,是制定綜合治理井筒方案的重要前提。很多學(xué)者采用不同方案研究井筒變形規(guī)律。H．克拉茨對立井周圍巖體移動進行了研究,分析了考慮巖體和井筒間摩擦力傳遞的井筒變形機理[9]。高井祥等[10-11]采用GPS技術(shù)設(shè)計礦區(qū)井筒變形監(jiān)測網(wǎng)和實測方案;張安兵等[12]基于井筒變形實際監(jiān)測沉降數(shù)據(jù),提出了利用混沌理論相空間重構(gòu)技術(shù)研究井筒變形特征的新思路?；谧钚《嗽矸治鼍沧冃螘r,忽略了系數(shù)矩陣中受到觀測值誤差的影響,難以解算出井筒變形最優(yōu)解。為此,Adcock[13]通過將最小二乘估計準則進行一般化的擴展,首次提出了所有觀測數(shù)據(jù)(包括觀測向量和系數(shù)矩陣)殘差的平方和最小化的整體最小二乘平差準則。劉經(jīng)南等[14-15]將整體最小二乘引入測量領(lǐng)域。 Schaffrin等[16-18]陸續(xù)提出了帶有等式約束的整體最小二乘估計方法,加權(quán)整體最小二乘估計和多元整體最小二乘估計等研究成果。Shen等[19]提出了基于牛頓高斯迭代法的加權(quán)整體最小二乘算法。此后,整體最小二乘廣泛應(yīng)用于測量領(lǐng)域,成為一種實用的數(shù)據(jù)誤差處理算法。本文針對井筒內(nèi)部復(fù)雜的監(jiān)測環(huán)境,測量值包含隨機誤差甚至粗差,采用加權(quán)整體最小二乘融合抗差估計算法,設(shè)計一種四垂線變形監(jiān)測方案,分別利用模擬數(shù)據(jù)和實測數(shù)據(jù)解算井筒變形。

1 整體最小二乘原理

1.1 經(jīng)典最小二乘原理

在測量數(shù)據(jù)處理中,最常用的是高斯-馬爾科夫模型,其函數(shù)模型和隨機模型[20]分別為

式中,L為觀測向量;X為待求參數(shù)向量;A為系數(shù)矩陣,且滿足rank(A)=n＜m;Δ為L的隨機誤差向量; Σ為Δ的協(xié)方差陣;Q為協(xié)因數(shù)陣;P為權(quán)陣;σ0為單位權(quán)。

若僅考慮觀測向量誤差,則其誤差方程式為

其中,V為殘差向量(或改正數(shù)向量),其最小二乘平差準則為

則待求參數(shù)X的最小二乘估計為

1.2 EIV模型

最小二乘估計的一個基本前提是僅觀測向量存在誤差。當系數(shù)矩陣A也存在誤差時(如A由觀測向量構(gòu)成),基于殘差加權(quán)平方和最小的平差準則的最小二乘求解不出最優(yōu)解,高斯-馬爾科夫模型不適用。此時可以采用變量誤差模型(error-in-variables, EIV),其函數(shù)模型和隨機模型[14]分別為

式中,ΔL為L的隨機誤差向量;ΔA為A的隨機誤差向量;vec(·)為矩陣列向量化算子;QL和QA分別為ΔL和ΔA的協(xié)因數(shù)陣。

EIV模型求解待求參數(shù)X的優(yōu)估值的可以表示為約束優(yōu)化問題:

式中,‖·‖F(xiàn)為矩陣的Fronenius范數(shù)。

若QL和QA為單位陣,則稱為等權(quán)整體最小二乘,此時可采用基于奇異值分解和最小奇異值兩種直接解法。

1.3 基于SVD的整體最小二乘算法

將式(6)改寫為

其中,B=[A,L];E=[ΔA,ΔL]。約束條件為‖E‖F(xiàn)=min。

對式(9)模型的解算,數(shù)學(xué)上通常采用矩陣奇異值分解來求解整體最小二乘最優(yōu)解。解算過程如下,首先對增廣矩陣B進行奇異值分解[21]:

根據(jù)Eckart-Young-Mirsky矩陣逼近定理[22],矩陣B的最佳逼近矩陣B^必然滿足:

2 加權(quán)整體最小二乘抗差算法

當觀測向量含有粗差時,選取適當?shù)目共钏惴ㄕ{(diào)整對應(yīng)的權(quán)大小,利用觀測向量中的有效信息,剔除不利信息,使待求參數(shù)避免受到粗差的污染。此時觀測向量和系數(shù)矩陣為不等精度,基于非線性拉格朗日函數(shù),采用迭代算法求出加權(quán)整體最小二乘最優(yōu)解。

2.1 加權(quán)整體最小二乘迭代算法

2.2 抗差算法

抗差因子起著調(diào)節(jié)觀測信息對最優(yōu)解貢獻大小的功能。采用殘差向量構(gòu)建抗差因子,抗差因子ri類似IGGⅢ函數(shù)表達式[24-25]:

3 井筒變形監(jiān)測方案及算法

3.1 井筒變形監(jiān)測方案設(shè)計

設(shè)計一種基于四基準垂線法的井筒變形監(jiān)測方案,即采用重錘投放4條鋼絲,如圖1所示,其中A點和B點為已知坐標點,P1～P4為4根鋼絲垂線,d1～d8為量測值,Q1～Q8為井筒壁上的8個觀測點。

方案具體實施步驟如下:

圖1 監(jiān)測示意Fig．1 Monitoring diagram

(1)投放鋼絲:先大概確定P1和P2方向(使與罐籠長邊平行),并在P1,P2處投放兩條鋼絲。根據(jù)地面控制點確定P1,P2的位置(可以采用局部坐標系)。根據(jù)矩形約束,大概確定P3,P4坐標,并放樣出相應(yīng)位置,根據(jù)位置再投放另外兩根鋼絲。采用全圓觀測法,精確測量P1,P2,P3,P4的平面坐標。

(2)高程控制:通過不斷下降或上升罐籠并停穩(wěn),測量每個斷面,平均每5 m測量一個斷面變形,在絞車房控制下降距離及記錄高程數(shù)據(jù)。

(3)斷面變形測量:每個斷面上,基于兩根鋼絲的位置進行定向,測量d1～d8的具體數(shù)值。以測量d1為例,P2～P1用于定向,量取P1至點Q2的距離。

(4)數(shù)據(jù)分析:基于加權(quán)整體最小二乘抗差算法,對采集的數(shù)據(jù)進行擬合,精確計算出井筒中心偏移,分析井筒變形情況。

3.2 模擬井筒數(shù)據(jù)分析

設(shè)井筒某一截面井壁觀測點Q1～Q8的坐標為(xi,yi),其中i=1,2,…,8,截面中心坐標為(x,y),截面半徑為R,則存在如下方程:

模擬圓心為(0,0)、半徑為5的井筒截面上的8個井壁觀測點坐標Q1～Q8見表1。

表1 模擬井壁觀測點坐標Table 1 Observation coordinates of simulating shaft lining

設(shè)計3種方案:

方案1,不添加任何誤差。方案2,分別在Q1點的x坐標、Q2點的y坐標加入0．5和0．3的模擬粗差。方案3,所有點的坐標均加入均值為0,方差為0．05的隨機誤差。

分別采用最小二乘算法(LS)、抗差最小二乘算法(RLS)、整體最小二乘算法(TLS)、抗差加權(quán)整體最小二乘算法(RWTLS)對上述方案求模擬圓心坐標及半徑的最優(yōu)解?；谝陨?種算法分別對3種方案重復(fù)計算1 000次取均值,得到圓心坐標(x,y)、半徑(R)及驗后單位權(quán)中誤差(σ′),結(jié)果見表2。

表2 4種算法對3種方案的計算結(jié)果Table 2 Results of three schemes with four algorithms

分析上述結(jié)果,可以看出:

(1)方案1中4種算法都可以計算出真值,說明當觀測值不含任何誤差時,4種算法等價。

(2)方案2最小二乘算法、整體最小二乘算法不具有抵抗粗差的能力,計算出的圓心坐標和半徑都受到粗差影響,結(jié)果與真值出現(xiàn)明顯偏差;抗差最小二乘算法、抗差加權(quán)整體最小二乘算法通過迭代算法將含有粗差的觀測值權(quán)陣調(diào)整到最小,使其對計算結(jié)果無貢獻,計算出的圓心坐標和半徑與真值相當。

(3)方案3加入隨機誤差后,最小二乘算法、抗差最小二乘算法沒有考慮系數(shù)陣誤差從而導(dǎo)致計算出的圓心坐標和半徑與真值誤差較大,而整體最小二乘算法、抗差加權(quán)整體最小二乘算法通過改正系數(shù)陣,使計算出的待求參數(shù)與真值誤差較小。

(4)方案3加入隨機誤差循環(huán)1 000次后,最小二乘算法、整體最小二乘算法驗后中誤差與所加隨機誤差方差相當,說明算法的準確性。因為抗差最小二乘算法、抗差加權(quán)整體最小二乘算法將隨機誤差中較大值作為粗差剔除,導(dǎo)致驗后中誤差較小,精度可靠,且抗差加權(quán)整體最小二乘算法優(yōu)于抗差最小二乘。

3.3 實測井筒數(shù)據(jù)分析

華東某礦主井深約600 m,主井井筒半徑5．5 m,該主井在近期運營中出現(xiàn)不平穩(wěn)現(xiàn)象,主要表現(xiàn)為井筒變形(包括井筒傾斜和井壁凸出)。為消除安全隱患,確保煤礦安全生產(chǎn),采用文中所提監(jiān)測方案及加權(quán)整體最小二乘抗差算法進行計算,對實測井筒變形數(shù)據(jù)進行分析。其中井筒-300 m以下為基巖穩(wěn)定區(qū),重點監(jiān)測-300 m以上為表土沖積層部分。

3.3.1 井壁特征點坐標序列

基于地面控制測量確定的鋼絲坐標的平面坐標,結(jié)合所測特征點與鋼絲的距離及定向結(jié)果得到8個特征點的坐標,同時根據(jù)絞車房的高程控制(每兩個觀測截面間隔約為5 m)得到特征點坐標序列(圖2)。

圖2 特征點坐標序列Fig．2 Feature points coordinate sequence

從圖2(a)和圖3可以看出,-50～-200 m間井壁特征點序列較為平穩(wěn),-200～-300 m向內(nèi)不規(guī)則突出,這是由于-200～-300 m處新增的加固段導(dǎo)致;若無加固段,圖2(b)俯視圖中的井壁特征點坐標序列應(yīng)為緊密點狀,而圖2(b)相對井壁坐標點(如Q1～Q3,Q2～Q6)近似共線分布,既說明了測量時準確定向又驗證了井壁存在不規(guī)則加固段。

圖3 Q1和Q3井壁特征點坐標分布Fig．3 Feature points distribution of Q1and Q3

3.3.2 井筒變形結(jié)果

積食且腹脹便秘選四磨湯 積食且伴有明顯腹脹、腹痛、便秘，喝四磨湯口服液能順氣降逆，消積止痛。孕婦、腸梗阻、腸道腫瘤、消化道術(shù)后者禁用。

由于井筒內(nèi)陰暗多水等復(fù)雜的觀測條件,井壁特征點坐標難以避免含有大小不等的隨機誤差,甚至包含粗差。采用8個井壁特征點既可以有效抵御粗差,又兼顧了井壁內(nèi)復(fù)雜條件下的監(jiān)測難度?？紤]觀測值含有隨機誤差和粗差的可能性,采用抗差加權(quán)整體最小二乘算法解算每個井筒截面的中心坐標及截面半徑,部分結(jié)果見表3。

表3 實測井筒中心坐標及半徑結(jié)果Table 3 Center and radius results of the shaft m

從表3可以看出:①-300 m以下基巖區(qū)域解算出的井筒半徑與設(shè)計半徑真值誤差為毫米級,該區(qū)域各截面中心坐標存在毫米級的變化,認為該區(qū)域變形情況微小,為穩(wěn)定區(qū);② -300 m以上解算的井筒半徑與設(shè)計半徑真值、各截面中心坐標存在厘米級誤差,說明該區(qū)域為非穩(wěn)定變形區(qū)。鑒于-300 m以下為穩(wěn)定的基巖區(qū),將該區(qū)域解算結(jié)果的均值作為真值,分析-300 m以上非穩(wěn)定區(qū)井筒形變情況。分別采用抗差最小二乘和抗差加權(quán)整體最小二乘算法,解算出的每個井筒截斷的中心坐標及截面半徑,其后驗中誤差分別為0．045 6 m和0．034 9 m,說明抗差加權(quán)整體最小二乘算法精度優(yōu)于抗差最小二乘。圖4為兩種算法解算結(jié)果相對于假定基巖區(qū)結(jié)果為真值的變形。從圖4可以看出,① -300 m以下基巖區(qū)中心坐標和圓心半徑變化平緩,穩(wěn)定性較好;②-300 m以中心點坐標存在厘米級的變形,其中-100 m, -150 m分別向東和南方向出現(xiàn)較明顯變形,圖中箭頭為井筒受外力變形方向;③ -200～-300 m為20 cm厚的加固段,井筒半徑較為穩(wěn)定,解算井筒半徑與實際情況相符,進一步驗證了算法的可靠性。

圖4 井筒中心坐標及半徑偏差Fig．4 Center coordinates and radius deviation of the shaft

基于抗差加權(quán)整體最小二乘算法解算出的基巖區(qū)井筒中心坐標及半徑均值作為真值,可以得到每個井筒截面的變形值,同時可以擬合出整個井筒的變形情況。圖5是以高程為-49．7 m的井筒截面為例,其中心坐標偏移,顯示該截面相對于基巖區(qū)中心坐標向南偏8．13 cm,向東偏4．63 cm。圖6為擬合的整個井筒的三維變形。從圖6中可以監(jiān)測任意高度井筒變形情況。

4 結(jié) 論

(1)基于整體最小二乘和IGGⅢ三段權(quán)函數(shù)抗差因子,提出一種抗差加權(quán)整體最小二乘迭代算法。

(2)通過迭代計算,分別估計出待求參數(shù)和系數(shù)矩陣的改正數(shù),同時基于標準殘差向量調(diào)整各觀測值權(quán)函數(shù),既克服了系數(shù)矩陣受觀測值隨機誤差影響,又消除了觀測值粗差對最終變形估計值的影響。

圖5 井筒截面(-49．7 m)中心坐標偏移Fig．5 Center displacement of the shaft section(-49．7 m)

(3)基于模擬的井筒變形數(shù)據(jù),分別加入隨機誤差和粗差,通過對比各種算法解算精度,驗證了所提算法的可靠性和穩(wěn)定性。

圖6 井筒變形三維擬合結(jié)果Fig．6 Shaft deformation three-dimensional fitting results

(4)設(shè)計了一種簡單可行的井筒變形監(jiān)測方案進行實測數(shù)據(jù)采集,以基巖穩(wěn)定區(qū)為真值,計算出各井筒截面的變形值,結(jié)果符合井筒實際情況,最后擬合出整個井筒變形三維圖,為井筒變形監(jiān)測方案設(shè)計及數(shù)據(jù)解算提供了一種新的思路。

[1] 姚直書,程 樺,榮傳新．西部地區(qū)深基巖凍結(jié)井筒井壁結(jié)構(gòu)設(shè)計與優(yōu)化[J]．煤炭學(xué)報,2010,35(5):760-764．

Yao Zhishu,Cheng Hua,Rong Chuanxin．Shaft structural design and optimization of deep freezing bedrock shaft in west area[J]．Journal of China Coal Society,2010,35(5):760-764．

[2] 袁志剛,王宏圖,胡國忠,等．立井井筒非采動破裂的遺傳-支持向量機預(yù)測模型[J]．煤炭學(xué)報,2011,36(3):393-397．

Yuan Zhigang,Wang Hongtu,Hu Guozhong,et al．Forecast model of GA-SVM for shaft-lining non-mining fracture[J]．Journal of China Coal Society,2011,36(3):393-397．

[3] 張向東,張建?。盍⒕凰途卫砑盎謴?fù)技術(shù)研究[J]．煤炭學(xué)報,2013,38(12):2190-2195．

Zhang Xiangdong,Zhang Jianjun．Techniques applied to water-inrush control and side-wall restoration in deep vertical shaft[J]．Journal of China Coal Society,2013,38(12):2190-2195．

[4] 劉志強．機械井筒鉆進技術(shù)發(fā)展及展望[J]．煤炭學(xué)報,2013,38 (7):1116-1122．

Liu Zhiqiang．Development and prospect of mechanical shaft boring technology[J]．Journal of China Coal Society,2013,38(7):1116-1122．

[5] 楊維好,崔廣心,周國慶,等．特殊地層條件豎井井壁破壞機理及防治技術(shù)之一[J]．中國礦業(yè)大學(xué)學(xué)報,1996,25(4):1-5．

Yang Weihao,Cui Guangxin,Zhou Guoqing,et al．Fracture mechanism of shaft lining under special strata condition and the technique preventing the shaft from fracturing:Part one[J]．Journal of China University of Mining&Technology,1996,25(4):1-5．

[6] 畢思文,王思敬,楊志法．煤礦豎井變形破壞三維數(shù)值模擬分析[J]．建井技術(shù),1997,18(4):35-37．

Bi Siwen,Wang Sijing,Yang Zhifa．Three-dimensional numerical simulation analysis of shaft deformation in coal mine[J]．Mine Construction Technology,1997,18(4):35-37．

[7] 郭文兵,柴華彬．煤礦開采損害與保護[M]．北京:煤炭工業(yè)出版社,2008．

[8] 何國清．礦山開采沉陷學(xué)[M]．徐州:中國礦業(yè)大學(xué)出版社, 1991:116-183．

[9] 克拉茨H．采動損害及其防護[M]．馬偉民,譯．北京:煤炭工業(yè)出版社,1984:81-96．

[10] 高井祥,鄭南山,余學(xué)祥．GPS技術(shù)在礦區(qū)井筒變形監(jiān)測中的應(yīng)用[J]．全球定位系統(tǒng),2001,26(4):45-48．

Gao Jingxiang,Zheng Nanshan,Yu Xuexiang．An application of GPS in monitoring the shaft deformation in mining area[J]．GNSS World of China,2001,26(4):45-48．

[11] Liu C,Zhou F,Gao J,et al．Some problems of GPS RTK technique application to mining subsidence monitoring[J]．International Journal of Mining Science and Technology,2012,22(2):223-228．

[12] 張安兵,張俊芳,李喜盼,等．煤礦井筒變形混沌特征分析[J]．河北工程大學(xué)學(xué)報(自然科學(xué)版),2009,36(3):85-96．

Zhang Anbing,Zhang Junfang,Li Xipan,et al．Chaotic characteristics analysis of mine’s shaft deformation[J]．Journal of Hebei University of Engineering(Natural Science Edition),2009,36(3): 85-96．

[13] Adcock R J．Notes on the method of least squares[J]．Analyst, 1877,4:183-184．

[14] 劉經(jīng)南,曾文憲,徐培亮．整體最小二乘估計的研究進展[J]．武漢大學(xué)學(xué)報信息科學(xué)版,2013,38(5):505-512．

Liu Jingnan,Zeng Wenxian,Xu Peiliang．Overview of total least squares methods[J]．Geomatics and Information Science of Wuhan University,2013,38(5):505-512．

[15] Grafarend E W,Awange J L．Nonlinear analysis of the three-dimensional datum transformation[J]．Journal of Geodesy,2003,77(1-2):66-76．

[16] Schaffrin B,Felus Y A．On total least-squares adjustment with constraints[M]．Berlin:Springer Berlin Heidelberg,2005:417-421．

[17] Schaffrin B．A note on constrained total least-squares estimation [J]．Linear Algebra and its Applications,2006,417(1):245-258．

[18] Schaffrin B,Wieser A．On weighted total least-squares adjustment for linear regression[J]．Journal of Geodesy,2008,82(7):415-421．

[19] Shen Y,Li B,Chen Y．An iterative solution of weighted total leastsquares adjustment[J]．Journal of Geodesy,2011,85(4):229-238．

[20] 李德仁,袁修孝．誤差處理與可靠性理論[M]．武漢:武漢大學(xué)出版社,2012:96-113．

[21] Golub G H,Reinsch C．Singular value decomposition and least squares solutions[J]．Numerische Mathematik,1970,14(5): 403-420．

[22] Golub G H,Hoffman A,Stewart G W．A generalization of the Eckart-Young-Mirsky matrix approximation theorem[J]．Linear Algebra and Its Applications,1987,88:317-327．

[23] 王 彬．加權(quán)整體最小二乘模型及其在測量數(shù)據(jù)處理中的應(yīng)用[D]．徐州:中國礦業(yè)大學(xué),2013．

[24] 楊元喜．自適應(yīng)動態(tài)導(dǎo)航定位[M]．北京:測繪出版社,2006: 79-99．

[25] Yang Y X,Gao W G．A new learning statistic for adaptive filter based on predicted residuals[J]．Progress in Natural Science, 2006,16(8):833-837．

Shaft deformation monitoring scheme design and algorithm based on WTLS

TAN Xing-long1,WANG Yan2,WANG Jian1,HAN Hou-zeng1,WANG Bin3
(1.School of Environment and Spatial Informatics,China University of Mining and Technology,Xuzhou 221116,China;2.School of Chemical Engineering and Technology,China University of Mining and Technology,Xuzhou 221116,China;3.School of Geodesy and Geomatics,Wuhan University,Wuhan
430072,China)

Since the coefficient matrix affected by the observation errors in the traditional least squares(LS)algorithm,it is hard to calculate the optimal solution of shaft deformation．A weighted total least squares(WTLS)algorithm was proposed．The algorithm can mitigate the influence of stochastic observation errors on coefficient matrix．With IGGIII weight function and robust factors,the influence of observation gross errors on the final estimated deformation can be greatly eliminated．Finally both the simulating data and the field data on shaft deformation were used to verify the algorithm．It shows that WTLS algorithm is better than the LS in terms of the condition of observation with stochastic errors,but both algorithms fail to deal with the gross error．Robust WTLS algorithm can eliminate the gross error and weaken the influence of stochastic observation errors,and the deformation of robust WTLS is more accuracy than that of robust LS．The deformation results of field data solved with robust WTLS agree with the real situation,which improve the reliability and accuracy of shaft deformation．

shaft deformation;monitoring scheme;robust estimation;weighted total least squares

TD26

A

0253-9993(2014)11-2206-07

2014-01-26 責(zé)任編輯:王婉潔

新世紀優(yōu)秀人才支持計劃資助項目(NCET-13-1019);國家自然科學(xué)基金資助項目(41404004);江蘇高校優(yōu)勢學(xué)科建設(shè)工程資助項目(SZBF2011-6-B35)

譚興龍(1987—),男,江蘇邳州人,博士研究生。Tel:0516-83591306,E-mail:tanxinglong3@126．com

譚興龍,王 琰,王 堅,等．基于WTLS的井筒變形監(jiān)測算法及方案設(shè)計[J]．煤炭學(xué)報,2014,39(11):2206-2212．

10．13225/ j．cnki．jccs．2014．0121

Tan Xinglong,Wang Yan,Wang Jian,et al．Shaft deformation monitoring scheme design and algorithm based on WTLS[J]．Journal of China Coal Society,2014,39(11):2206-2212．doi:10．13225/j．cnki．jccs．2014．0121