（2022年河南省优秀学士学位论文荣誉证书）

（河南省优秀学士学位论文指导教师荣誉证书）

（通讯员：李方圆 ）学位论文水平是学校员工培养质量的综合体现，是对员工培养过程的有效检验和有力证明。我司近三年在河南省优秀学位论文评选中获得佳绩，是我司近年来持续推动实践教学体系改革，不断推进教育质量提升，实践教育与创新教育融合的结果。

在2022年河南省优秀学士学位论文评选中，我司戚鑫鑫同学的《基于Elman神经网络的矿区地表沉陷变形预测》和俞云同学的《基于ArcEngine的矿区地表沉降系统开发》荣获河南省优秀学士学位论文，高宁老师和侯绍洋老师荣获河南省优秀学士学位论文指导教师。

论文摘要1：各类矿产资源的过度开采导致了矿区的地表沉陷，严重影响了当地的自然生态环境。对矿区的地表沉陷做出精确的预测预报，能够有效保证人民的生命和财产安全。本文基于鲸鱼算法优化Elman神经网络，构建了矿区地表沉陷预测模型。首先根据Elman神经网络的结构，选取了最优的输入层节点数、隐含层节点数、传递函数等，构建了最佳的Elman神经网络拓扑结构。其次，针对Elman网络容易陷入局部最优和收敛速度较慢的缺点，利用鲸鱼算法(WOA)优化了Elman神经网络的初始阈值与权值，增强了网络全局寻优以及局部开采的能力。最后，选取辽宁省某矿区地表的实际监测数据，来测试WOA-Elman的网络性能。实验结果表明：WOA-Elman模型的MAE、RMSE和MAPE分别为0.146、0.167及0.685%，与Elman模型相比，分别降低了0.137、0.165、0.647%。综合比较表明：与经典BP神经网络、Elman神经网络相比，经鲸鱼算法优化后的Elman网络的稳定性更好，收敛性较快，泛化能力更强，外推能力较好，预测精度得到了更进一步的提升，为矿区地表沉陷变形预测提供了一种有效可行的试验方法。

论文关键词1：矿区地表沉陷；Elman神经网络；鲸鱼优化算法；权值和阈值；预测

论文摘要2：近年来，由于过度采矿而导致的地表沉降问题日益严重，及时对矿区地表沉降情况进行监测，可以有效保证采矿安全，减少地表沉降对矿区及其周围环境的不利影响。因此，该文就如何获取大面积矿区地表沉降信息和如何可视化获取的沉降数据展开研究，以助矿区管理者和政府地质灾害防控部门快速做出相应决策。

在地表形变数据获取方面，该文以平煤集团朝川矿及其周边地表为研究区，获取覆盖研究区的2021年1月9日至2021年12月11日的12景Sentinel-1A影像，采用InSAR技术提取地表沉降信息。通过分析可知，在此期间研究区最大累计沉降量不断增加，部分沉降较为严重的区域逐渐扩大，其中，研究区最大年均沉降速率高达149.278mm/a，最大累计沉降量高达145.912mm。

在矿区地表沉降系统设计方面，该文以C#为主要编程语言，以ArcEngine为开发平台进行系统开发，实现了多重功能：（1）对地表沉降数据的基本查看操作（2）对地表沉降数据可视化表达与输出（3）对地表沉降数据进行分析（4）预测矿区沉降点未来形变情况。

论文关键词2：InSAR，ArcEngine二次开发，灰色预测，矿区地表沉降

我司将继续稳步提升本科毕业学位论文质量，为全面提升教育质量、人才培养质量提供支撑。