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。     

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APSO-WLS-SVM的含瓦斯煤渗透率预测模型

为了较准确预测含瓦斯煤渗透率,有效预防瓦斯安全事故,提出自适应粒子群算法（APSO）优化的加权最小二乘法支持向量机（WLS-SVM）算法。根据对含瓦斯煤渗透率的相关理论及文献研究分析,选取有效应力、瓦斯压力、温度和抗压强度作为主要特征指标,采用APSO算法对WLS-SVM模型的组合参数（C、σ）寻优,建立APSO-WLS-SVM含瓦斯煤渗透率预测模型。结合现场实测资料中的40组数据作为训练样本,其余10组为预测样本,对该模型进行训练与检验,并将其预测结果与利用PSO-WLS-SVM和WLS-SVM模型的预测结果进行对比。结果表明:APSO-WLS-SVM模型的预测效果优于另外2个模型,提高了煤体渗透率的预测性能与泛化能力。      

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。      

煤与瓦斯突出能量条件及突出强度影响因素分析

针对煤与瓦斯突出机制尚不明确的问题,在前人研究的基础上对煤与瓦斯突出强度的影响因素做进一步分析。通过三维突出模型的构建和不规则突出孔洞体积的求解,得出了突出煤体释放的弹性势能,结合突出过程中瓦斯内能和突出后能量的分析,得到煤与瓦斯突出发生的能量条件模型与突出强度预测模型。在统计10次瓦斯突出事故的基础上,运用能量条件模型与强度预测模型进行计算分析,得出突出前、后能量基本相等,突出强度预测值与统计值相差无几的结论,从而验证了该模型的合理性,为从能量角度进行煤与瓦斯突出的研究提供了量化手段。利用该能量条件模型进行了中梁山煤矿和化处煤矿突出实例的突出强度影响因素分析,结果表明,煤层的地应力和瓦斯含量是突出强度的主要影响因素,坚固性系数和进尺对突出强度的影响程度相对较小;突出强度对瓦斯含量变化的敏感度大于对地应力变化的敏感度。     

基于直觉模糊集关联测度的突出危险性预测法

针对煤与瓦斯突出影响因素较复杂、突出临界值难以确定和预测结果随机性大等问题,利用直觉模糊集可以解决系统具有不确定属性的隶属度问题,提出了基于直觉模糊集关联测度的煤与瓦斯突出预测模型,该模型将属于定性指标的构造复杂程度与残存瓦斯含量、瓦斯涌出初速度、支架最大载荷、盖山深度和软分层厚度5个定量指标有机地结合起来,通过对阳煤集团某矿三个回采工作面煤与瓦斯突出危险性性评判,其结果与现场采用钻孔瓦斯涌出初速度、钻屑量预测结果吻合,为突出煤层的危险性预测评估提供了一种新的途径。     

地应力测量在煤与瓦斯突出灾害研究中的应用

为减轻和防治煤与瓦斯突出灾害,对红菱煤矿进行了地应力测量、岩石力学参数测试和瓦斯气体压力量测,以及地质构造分析。在此基础上,应用突出破坏判断准则,提出了煤层稳定性评价的定量指标,从区域上预测了煤与瓦斯突出的潜在危险区,与现场实际情况吻合较好。提出了区域性与局部相结合的防突措施,取得了良好效果,表明区域煤与瓦斯突出潜在危险区预测对区域性防突措施的选择具有一定指导意义。     

基于专家系统的煤与瓦斯突出预测知识库研究

煤与瓦斯突出预测理论的不完善性以及影响因素之间的复杂关系,用经典的数学理论难以建立精确的预测模型。本文借助专家系统,详细研究了煤与瓦斯突出区域预测知识库的建立方法,并对知识库结构作了概括描述。这为建立煤与瓦斯突出预测专家系统奠定了基础,进一步拓宽了煤与瓦斯突出预测领域的研究。      

桑树坪矿煤与瓦斯突出点预测敏感指标研究

煤与瓦斯突出是一种极其复杂的动力现象,准确预测煤与瓦斯突出对煤矿安全生产尤为重要。根据井下实测的大量数据,采用现场数据统计分析并结合数值分析研究,确定了韩城桑树坪煤矿煤与瓦斯突出点预测的敏感指标是钻屑解吸指标K1,而钻屑量指标S_max和瓦斯涌出初速度指标q在研究区敏感性不明显。      

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。     

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SAGA-FCM的煤与瓦斯突出预测方法

为提高模糊C-均值聚类（Fuzzy C-Means Clustering Algorithm,FCM）算法在煤与瓦斯突出预测中的准确度,提出一种将模拟退火算法（Simulated Annealing Algorithm,SA）与遗传算法（Genetic Algorithm,GA）相结合用于模糊C-均值聚类分析的煤与瓦斯突出预测方法。该方法综合了模拟退火算法全局搜索、高精度的优点和遗传算法强大的空间搜索能力,将经遗传模拟退火算法优化后的初始值赋给FCM,避免了由于聚类中心初始值选择不当造成FCM算法收敛到局部极小点上。结合典型突出矿井数据进行分析,结果表明:遗传模拟退火算法优化后的FCM算法较单一,预测准确度高。      

人工神经网络在煤与瓦斯突出强度预测中的应用

介绍了人工神经网络的原理及算法,并从地质角度出发,建立了突出强度预测的BP网络模型,通过实例应用结果表明,人工神经网络用于煤与瓦斯突出强度预测是可行的,操作较为简便、准确性高。      

改进的AHP结合BP神经预测煤与瓦斯突出

为对煤与瓦斯突出进行准确预测,结合重要性指标筛选以及改进的层次分析法,对权重值进行研究,并进行排序。通过筛选重要性指标,选定其中具有突出影响的指标。结果表明,对此造成影响的因素权重分别为地质构造、地应力、瓦斯压力、放散初速度。未经筛选的BP神经网络的实际值与预测值的平均相对误差为3.44%,而通过筛选后选定的指标,实际值与预测值的平均相对误差为1.82%,训练速度、精度优于未经筛选指标的预测。可为防突措施的奠定理论基础,对煤矿安全生产工作具有借鉴作用。     

基于LSTM神经网络的煤矿突水预测

针对煤层底板突水预测问题,在总结现有突水预测方法和理论的基础上,通过特征选择实验得出水压、距工作面距离、砂岩段厚度、煤层厚度、煤层倾角、断层落差、裂隙带、开采面积、采高、走向长度是影响突水发生的主要因素,这些因素具有复杂、非线性的特点。提出基于长短时记忆（LSTM）神经网络构建的突水预测模型,将煤矿突水实例的数据作为样本数据对模型进行训练。最后,将LSTM神经网络模型与遗传算法-反向传播（GA-BP）神经网络模型和反向传播（BP）神经网络模型进行对比实验。实验结果表明,LSTM神经网络模型在测试集上的预测正确率更高,稳定性更好,更适用于煤层底板突水预测。      

MTT-92型煤与瓦斯突出危险探测仪

介绍了电磁辐射法预测煤与瓦斯突出危险的基本原理、MTT-92型煤与瓦斯突出危险探测仪的技术指标、电原理框图及在白皎矿的试验效果,从而说明煤与瓦斯突出危险探测仪可以作为预测煤与瓦斯突出危险的一种新型物探手段。      

煤与瓦斯突出预报的模糊聚类相似分析法

影响煤与瓦斯突出的因素多数是定性的或是模糊相似，采用模糊聚类分析方法对煤炭与瓦斯突出程度进行分析，建立模糊模式；应用模糊相似选择原理进行评价，以模糊模式为评价对象，以待预报样本为参考对象，根据模糊模式与以待预报样本的相似程度进行预测预报。哪一模式与预报样本最相近，等待预报样本即属于那一突出类型。采用模糊聚类及模糊相似原理2种方法结合分析预测，不仅克服了模糊聚类单一分析方法的不确定性，使定性预报转为定量预报，而且提高了预报效果的准确程度。实例分析表明，这是预报煤与瓦斯突出危险程度的一种较好的方法。