煤与瓦斯突出数学地质模型研究

在焦作中马村矿应用研究结果表明:由于煤与瓦斯突出的分区分带主要受地质条件控制,运用数量化理论Ⅱ,可以借助已知瓦斯突出类型的若干地质变量,建立该矿井煤与瓦斯突出的数学地质模型,并预测未知区的瓦斯突出,这可提高瓦斯突出预测的准确性和可靠性。      

基于模糊神经网络的煤与瓦斯突出区域预测研究

煤与瓦斯突出影响因素间复杂的非线性关系,难以用经典的数学理论建立精确的预测模型。本文用自适应模糊神经网络技术建立煤与瓦斯突出预测系统,以模糊数学作为表达与处理不精确数据、模糊信息条件的手段,以自适应BP神经网络作为解决问题的途径。结果表明:方法可行,预测精度高,能够满足要求,进一步充实了煤与瓦斯突出区域预测理论      

安阳矿区煤与瓦斯突出预测模型的建立与应用

利用灰色关联分析法确定控制矿井煤与瓦斯突出的主导因素,根据人工神经网络建立煤与瓦斯突出危险性预测的系统结构,在此基础上,选用突出矿井的15个煤与瓦斯突出实例作为学习样本对网络进行训练,最后运用3个煤与瓦斯突出实例作为预测样本对所建模型进行验证。结果表明利用灰色理论—神经网络方法建立的预测模型能够满足煤与瓦斯突出预测的要求。通过分析和计算安阳矿区煤层的开采深度、地质构造(尤其是断层)与突出危险程度关系密切,在煤与瓦斯突出的预测、防治工作中可以作为首选指标来考虑。     

矿井瓦斯评价与预测的构造动力学方法

通过对矿井瓦斯赋存的构造控制、构造应力场演化及构造煤结构演化与瓦斯特性耦合机理的综合分析,认为当前在矿井瓦斯赋存、分布规律及突出危险区带的有效预测方面的研究还有待深入。在汲取前人研究成果的基础上,提出矿井瓦斯突出的构造动力学评价与预测的思路及方法,即以区域构造-矿井构造-煤层变形-构造煤结构-瓦斯特性及其相互作用机理分析为总体思路．将现代构造地质学理论和方法引入矿井构造研究,并与模糊综合评判、灰色系统、分形理论、数值模拟和计算机技术相结合,以揭示构造煤发育、分布规律及其构造动力学控制机理,系统进行不同类型构造煤瓦斯特性研究,探讨不同结构构造煤的含气性、透气性和气体赋存状态,以构造煤分布特征作为瓦斯突出危险性评价与预测的基础,建立矿井瓦斯突出预测预报的构造动力学评价方法体系。     

基于灰色关联-遗传神经网络的煤与瓦斯突出预测模型

在综合分析影响煤与瓦斯突出的各种评价指标的基础上,基于人工神经网络极强的非线性逼真能力,建立了煤与瓦斯突出强度预测的遗传神经网络模型。模型采用灰色关联理论完成了评价指标的优化,并利用遗传算法对BP网络初始权值和阈值的确定进行了优化。以重庆南桐矿区砚石台矿为例,对煤与瓦斯突出强度进行了预测,结果表明,采用本模型的预测结果与矿井实际突出状况一致,模型可靠,具有一定的理论与实际意义。     

地质专家系统研究

本文介绍了地质专家系统的定义及基本结构,讨论了建立地质专家系统的两种主要途径,对国内外地质专家系统的研究概况进行了综合和评价。作为实例,简要地介绍了煤与瓦斯突出与非突出的矿井自动识别专家系统。本文的结尾,给出了一些有参考价值的结论。     

煤与瓦斯突出预测的距离判别分析方法

以煤与瓦斯突出预测为研究对象,选取地质构造、采深、瓦斯放散初速度等10个因素作为预测指标,应用距离判别分析方法建立了煤与瓦斯突出预测模型;结合实际数据,对预测模型进行训练和检验;将该模型用于实际,预测结果符合实际情况。      

基于模糊聚类分析和模糊模式识别的煤与瓦斯突出预测

煤与瓦斯突出发生的内在机理复杂,突出影响因素与突出事件之间的相关规律具不精确性和模糊性,使得基于经验的传统预测方法和基于数学建模的统计预测方法的应用受到很大限制。提出了采用模糊聚类分析与模糊模式识别方法相结合的煤与瓦斯突出区域预测方法。首先采用模糊聚类分析对煤与瓦斯突出的样本集合进行分类,建立不同程度的模糊模式,然后对待预测样本进行模糊模式识别,以此来预测待测样本的煤与瓦斯突出危险程度。实例验证表明,本法预测可靠。      

煤与瓦斯突出的构造分区特征——以平顶山天安煤业股份有限公司十矿为例

针对平顶山天安煤业股份有限公司十矿(平煤十矿)煤与瓦斯突出的分区(带)性特点,采取地质单元划分的方法,反映其范围内的构造特征及瓦斯赋存情况。研究了地质单元范围内地应力分布、构造煤发育及分布特征的地质因素和瓦斯参数特征,结合平煤十矿煤与瓦斯突出特点,将瓦斯压力、构造煤厚度、瓦斯含量作为预测煤与瓦斯突出危险性的敏感指标,并据此预测具有突出危险性的范围,为煤与瓦斯突出预测和防治提供依据。      

煤与瓦斯突出敏感地质指标研究

以数量化理论Ⅲ为运算工具,介绍了煤与瓦斯突出敏感地质指标研究的方法原理,实现了瓦斯突出地质指标研究由定性向定量的转化,为煤与瓦斯突出的预测、预报及其防治提供了便利。以焦作中马村矿为例,对瓦斯突出敏感地质指标进行了筛选。结果表明,封闭性李庄断层、煤层分岔、砂岩顶板是该矿瓦斯突出的敏感地质指标。      

矿业城市地质灾害管理信息系统的开发

为了预防地质灾害的发生,加强地质环境的管理工作,更好的为管理决策人员提供服务,采用OLE A u tom ation技术与M ap in fo集成的开发环境开发了矿业城市地质灾害管理信息系统。此文章详细论述了矿业城市地质灾害管理信息系统开发的全过程,介绍了系统的总体设计原则、总体构成,以及建立系统的工作流程,将用户提供的A u to CAD图形转换导入到M ap in fo后根据用户要求归类建立图形库,并将地质灾害的相关数据进行归类统计建立了地质灾害属性数据库。文章同时介绍了系统的图形文件管理模块、数据采集及处理模块、查询统计模块、信息输出模块的建立,实现了图形浏览、图形的导入、图形的可视化、查询、输出的基本功能。     

基于可拓理论的泥石流灾害预警预报系统开发:以北京市为例

泥石流是北京山区主要的地质灾害,北京市于2003年启动了地质灾害气象预警预报工作,但近几年的预报效果并不理想。为进一步提高泥石流灾害预警预报的准确性,选取地形、地层岩性、地质构造和植被作为基础因子,以北京市地质灾害易发分区为响应因子,以降雨作为诱发因子,根据各因子与泥石流灾害的相关性分析,采用层次分析法(AHP)计算各因子的权重系数,提出了基于可拓理论的泥石流预警预报模型,并通过G IS系统和IDL开发平台实现准确预报。利用20组历史上北京地区发生的泥石流雨量资料对建立的预警预报模型进行验证,结果表明模型预报结果与实际情况基本吻合。研究成果对于提高北京市泥石流灾害预警预报水平,减少人民生命和财产损失具有重要的意义。     

琼西抱板群变质基性火山岩的地球化学特征及其大地构造意义

海南岛抱板群变质基性火山岩的岩石学、地球化学、Sr、Nd、Pb同位素及其形成的大地构造环境的综合研究表明 ,抱板群变质基性火山岩具有洋中脊型拉斑玄武岩和岛弧型拉斑玄武岩的双重特征 ,起源于亏损地幔 ,是古俯冲消减带上部岩石圈地幔楔、自消减带卷入地幔楔地壳物质及俯冲洋壳析出的流体构成的三元混合物部分熔融结果 ,产生于扩张弧后 (或弧间 )盆地环境。地球动力学分析表明 ,古中元古代时 ,海南岛西部可能经历了一次由“开”向“合”转变的构造演化史。     

构造叠加晕在陕西东桐峪金矿区深部的预测效果

在研究东桐峪金矿床构造叠加晕的基础上，建立了金矿床深部盲矿预测的构造叠加晕模型，用该模型来预测盲矿，取得了很好的效果。     

黑龙江冰坝预报方法研究

在分析高寒山区河流水文气象特点、河道特性的基础上,探索了黑龙江冰坝的成因,计算了河槽水(冰)量、融雪径流量、融冻期降水径流量、临界冰盖强度,建立了冰坝最高水位预报模型,使以往预报方法得到了改进,并具有了物理成因理论基础,可提高预报的准确率。     

铜黄公路某滑坡安全监测及预测研究

铜黄公路全长93.9km,其中遇到的各种滑坡30余处。为了研究这些滑坡的治理效果,对其变形与稳定进行了检测。以川口滑坡检测为例,运用灰色理论建立铜黄滑坡安全监控的GM(2,1)模型,其中非等时距位移序列采用拉格朗日插值函数转变为等时距序列。采用非等时距GM(2,1)和GM(1,1)模型对铜黄公路川口滑坡观测点进行安全预测。非等时距GM(2,1)模型预测滑坡变形精度总体较GM(1,1)模型高。由预测结果可见,治理后该滑坡是稳定的,预测结果和实际吻合良好。     

嘉陵江流域三江汇流洪水联机实时预报研究

不直接描述嘉陵江流域三洪汇流存在的洪水顶托等复杂的物理过程，而是采用时变参数线性模型，由作者修正的一种自适应滤波水文实时预报方法进行参数在线识别，并分别研究集总输入和多输入两种情况，实现了洪水联机实时预报，结果表明，预报精度高，且模型简单，滤波参数稳定，便于推广使用。     

长江防洪决策支持系统——防洪决策风险分析

针对长江中游防洪决策过程,筛选出几个主要的风险因子.考虑暴雨洪水历史资料,短期洪水位预报以及中长期雨洪预报三种不同信息条件,建立防洪决策风险分析模型,针对长江三峡至螺山河段防洪系统,是否启用分蓄洪区的各种防洪决策方案,给出决策风险的定量描述.     

Evaluation of dynamic regression and artificial neural networks models for real-time hydrological drought forecasting

In this study, application of a class of stochastic dynamic models and a class of artificial intelligence model is reported for the forecasting of real-time hydrological droughts in the Black River basin in the USA. For this purpose, the Standardized Hydrological Drought Index (SHDI) was adopted in different time scales to represent the hydrological drought index. Six probability distribution functions (PDF) were fitted to the discharge time series to obtain the best fit for SHDI calculation. Then, a dynamic linear spatio-temporal model (DLSTM) and artificial neural network (ANN) were used to forecast SHDI. Although results indicated that both models were able to forecast SHDI in different time scales, the DLSTM was far superior in longer lead times. The DLSTM could forecast SHDI up to 6 months ahead while ANN was only capable of forecasting SHDI up to 2 months ahead appropriately. For short lead times (1–6 months), the DLSTM has performed nearly perfect in test phase and CE oscillates between 0.97 and 0.86 while for ANN modeling, CE is between 0.72 and 0.07. However, the performance of DLSTM and ANN reduced considerably in medium lead times (7–12 months). Overall, the DLSTM is a powerful tool for appropriately forecasting SHDI at short time scales; a major advantage required for drought early warning systems.