随着云计算、量子计算、机器学习、神经网络、遗传算法、核相关向量机等新技术、新方法的快速发展,变形监测技术面临更新换代,基于云平台的开采沉陷变形监测研究是数字矿山、智能矿山建设的重要一环。煤炭被采出后,引起岩层和地表的移动变形,这种移动变形在一定范围内对矿产资源安全开采、自然环境、居民日常生活都会造成一定的影响,可能导致矿产资源开采难度加大、自然环境不可逆的改变、建构筑物破损甚至破坏。因此,采动过程中对实测数据进行及时处理,掌握地表的移动变形情况,分析其移动变形规律十分重要。研究在云平台上建立数据处理系统,对于实现沉陷监测数据在云端上及时处理、成果资料及时展现和分享具有重要意义。鉴于此,本文对上述问题进行了研究,主要内容及成果有:1.本文基于概率积分法模型,采用两种概率积分法参数选取方法——利用模矢法和极度梯度提升树算法(XgBoost)求取朱集东矿1222(1)工作面的拟合参数和预计值,将两种方法求出的预计结果与实测值进行分析比较。其中,利用模矢法走向线下沉值的拟合误差在-65.0～+46.0mm,拟合中误差为24.9mm;倾向线下沉值的拟合误差在-54.0～+42.0mm,拟合中误差为21.7mm。利用极度梯度提升树算法以下沉系数为例,建立了概率积分法选取参数模型,并测试了计算结果的准确性和可靠性。由测试结果可知:下沉系数q计算的最大绝对误差为-0.09,最大相对误差为-10.7%。2.本文设计并实现了基于云平台的开采沉陷变形监测数据处理与分析系统,并改进了现有的软件处理系统功能和数据库系统,从总体设计、功能实现2方面搭建开采沉陷变形监测云平台系统,将主要为用户提供用户管理、工程项目文件管理、在线数据处理和数据成图4大功能。由观测站概略位置、观测数据、移动变形、绘制图形、参数求取、统计报表和系统用户7部分组成。3.以顾桥南1613(1)工作面为研究对象,利用开采沉陷变形监测云平台进行移动变形值数据处理、变形规律分析,并进行开采沉陷预计。预计结果表明:下沉和水平移动在下沉盆地中部拟合的相对误差较小,在边缘部分拟合的精度较中部稍差,下沉拟合效果较水平移动拟合效果稍差。其中,走向下沉拟合中误差53mm,走向水平移动拟合中误差为97mm,倾向下沉拟合中误差61mm,倾向水平移动拟合中误差75mm。图[56]表[12]参[105]