边坡稳定性分类评价的同伦模糊C-均值聚类算法

针对单一模糊C-均值聚类算法对初始聚类中心初值敏感性问题,引入同伦理论,提出了同伦模糊C-均值聚类算法。以三峡库岸研究程度较高的36个边坡为对象,采用同伦模糊C-均值聚类算法对边坡的稳定性进行分类,研究边坡最佳分类级数和算法的收敛性、可靠性。边坡聚类结果研究表明,同伦模糊C-均值聚类算法对初始聚类中心的选取没有明显的依赖性,是一个具有全局最优解的聚类方法,其结果明显好于单一模糊C-均值聚类算法。     

煤与瓦斯突出预报的理想灰贴近函数聚类关联分析

从预报煤与瓦斯突出所获取的数据信息知，其信息多数为灰色特征。为突出其灰色特性，本文采用理想灰贴近函数聚类关联分析预测预报煤与瓦斯突出的危险程度，并将此方法同模糊聚类预测预报法和模糊聚类关联分析预报法及模糊聚类相似分析预报法进行了对比分析。由对比分析可知，采用4种数学方法预测预报煤与瓦斯是否突出，给出的结论是一致的，只是预测预报是否发生的可能程度略有差别。其中关联分析比相似分析计算过程较简单，且相似分析在确定编号时，有时受截值λ取值影响。尽管如此，但不影响预测预报结果。所以，不论是采用模糊聚类，还是灰色聚类数学方法预报煤与瓦斯突出均是可行的，可在实践中应用。     

围岩力学参数反演的GSA-BP神经网络模型及应用

针对遗传算法（GA）存在早熟现象和局部寻优能力较差等缺陷,引入具有很强局部搜索能力的模拟退火算法（SA）,组成改进的遗传模拟退火算法（GSA）提高优化问题的能力和求解质量。针对BP神经网络容易陷入局部最小和收敛速度慢等方面的不足,应用改进的遗传模拟退火算法搜索BP神经网络的最优权值和阀值,提高BP神经网络的预测精度,建立了围岩力学参数反分析的GSA-BP神经网络模型。将该模型应用于乌东德水电站右岸地下厂房围岩力学参数的反演分析中,根据监测围岩变形数据反演围岩力学参数,反演所得参数应用到正计算分析中,得出的计算位移与实测值吻合较好,说明该方法的有效性和应用于该工程的可行性。     

水库控制流域汛期分期的有效聚类分析

受诸多因素影响的水库汛期分期其实质是一个聚类数目未确知的高维时间序列聚类问题,它要求聚类方法具有能处理高维和时序性数据,且能同时回答聚为几类最为合理的能力。鉴于目前常规聚类方法不同时具备这些能力,在模糊C-均值聚类和紧密与分离聚类有效函数的基础上,提出了能够处理高维时序聚类问题的动态模糊C-均值聚类分析方法和相应的时序聚类有效性函数,耦合二者建立了适用于汛期分期的有效模糊聚类分析方法,提出采用实码加速遗传算法优化求解,克服了模糊C-均值聚类方法常规迭代优化求解对初值敏感的困难,并给出了完备的建模步骤和模型的合理性检验。最后,将模型应用于滦河流域潘家口水库汛期分期中,得出了合理的结论。     

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。     

基于FCM算法的粗糙集理论在边坡稳定性影响因素敏感性分析中的应用

结合粗糙集理论与模糊C-均值（FCM）算法,提出一种边坡稳定性影响因素敏感性分析新方法。将边坡稳定性影响因素敏感性分析问题转化为粗糙集理论中的属性重要性评价问题,采用FCM算法离散连续属性数据,给出敏感性分析的具体算法。以圆弧型破坏边坡为例,对影响边坡稳定性的单因素与多因素敏感性进行分析,证明了该方法的可行性和有效性。     

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。     

遗传模拟退火的BP算法在冲击地压中的应用

冲击地压的预测、预报的研究,大多数仍停留在简单的统计研究和单因素的预测方面,因而,结果也不十分理想。笔者采用多层前向网络对该问题进行数学建模,网络的训练算法采用基于遗传模拟退火的BP优化算法。该算法是在遗传算法中引入模拟退火机制,将其同BP算法结合,形成一个混合的优化算法。新算法既有神经网络的学习能力和鲁棒性,又有遗传算法的强全局随机搜索能力。同时,利用华丰矿冲击地压的实际监测数据,通过遗传算法的主要性能指标对新算法的参数进行了比较研究,得到优化后的一组参数。利用该参数,对冲击地压的神经网络模型的结构、权值和阈值进行了优化,得到了非全连接的优化神经网络模型。最后,利用该模型对华丰矿冲击地压进行了短期最大震级的预报。预测结果的相对误差率平均为 7.84 %,预测效果比较理想。     

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。      

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。      

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。     

矿井瓦斯突出预测构造动力学方法研究现状及展望

在相当长的时期内,煤炭作为我国的主导能源依然不可替代,但我国煤炭生产巨大的产能与煤矿瓦斯突出之间的矛盾使煤矿安全生产依然面临着十分严峻的形势和挑战。在系统分析瓦斯突出预测现状的基础上,总结归纳了现存的突出问题,提出了以构造演化为主线的瓦斯突出构造动力学预测方法与思路,期望通过多学科的交叉和多技术的融合,形成瓦斯突出预测构造动力学理论方法及综合探测技术体系,为煤矿瓦斯突出预测提供重要理论依据和技术支撑。     

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。      

基于ArcIMS的煤与瓦斯突出预测WebGIS研究与开发

将WebGIS应用于煤与瓦斯突出预测中,对于煤矿安全生产有重要价值。在分析ArcIMS结构、功能和支持环境的基础上,提出了基于ArcIMS煤与瓦斯突出区域预测WebGIS的实现方案;深入探讨了系统需求、数据准备与组织、服务器配置及客户端定制与开发等技术要点。通过煤与瓦斯突出预测WebGIS的开发和应用表明,构建方案切实可行,可以在“数字矿山”进程中采用。      

瓦斯突出煤和非突出煤AVO响应的比较

基于Zoeppritz方程,对煤层进行AVO正演模拟,得到煤层的AVO响应曲线。瓦斯突出煤与非突出煤的AVO响应对比表明,无论是瓦斯突出煤还是非突出煤,其顶界面AVO响应在总体上表现为地震振幅绝对值随偏移距增加而减小的特点,但是瓦斯突出煤的截距绝对值要大于非突出煤的截距绝对值,瓦斯突出煤的斜率要大于非突出煤的斜率。煤层厚度变化会对AVO响应产生影响,当瓦斯突出煤和非突出煤的厚度相同时,瓦斯突出煤的截距绝对值大于非突出煤;当厚度不同时,瓦斯突出煤的斜率大于非突出煤的斜率。瓦斯突出煤与非突出煤的AVO响应差异,可为地球物理参数进行煤与瓦斯突出危险性预测以提供技术参考。     

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。      

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。