矿井导水构造三维精细模型构建与转换技术

为了解决矿井导水构造精细刻画与三维地质模型灵活继承中存在的陷落柱内部岩石结构刻画不精细、多源数据融合不准确等技术问题,开展了矿井导水构造多源数据融合实体模型构建方法、精细模型构建过程与模型转换系统开发等方面的研究。基于数据融合分布式结构理论,采用地质数据耦合、实体模型耦合和构建模式耦合3个层次的耦合策略,建立一套水文地质勘探多源数据融合为三维地质实体模型的构建方法,通过多源异构地质数据标准化预处理、跟踪与分类、数据配准、关联与融合等4个关键步骤,构建矿井导水构造多源数据融合实体模型。在地质统计学研究的基础上,以陷落柱为例,提出“矿井精细导水构造模型”与“广域概略模型”的基本概念,同时构建了陷落柱广域概念模型与精细模型。根据SURPAC和FLAC^3D2种三维模型的属性与数据结构特点,提出了矿井导水构造SURPAC和FLAC^3D模型转换方法,利用JAVA语言和TCL语言研发了SURPAC-FLAC^3D模型转换系统,该系统同时支持本地、网络操作与多用户多台机器的远程控制,最终实现了导水构造实体耦合模型转换为FLAC^3D计算模型的目标,为矿山地质条件精细勘查与融合构建、矿山水害精准预测与防治提供技术支撑。     

我国矿井水防控与资源化利用的研究进展、问题和展望

多源信息融合评价技术是煤层底板突水预测的重要手段,该方法在应用过程中存在专业技术要求高、评价过程复杂繁琐且智能化水平不足的问题。根据突水危险性评价技术流程特点,系统阐述煤层底板突水多源信息综合评价系统的设计原则、设计思路、开发模式和开发方式。构建具有普适性的煤层底板突水评价指标体系、权重计算方法和危险性评价模型等系统核心功能。以GIS技术为基础支撑,依托Visual Studio开发平台,合理调用三方控件(WindowsForm控件、DevExpress控件、ArcEngine控件),引入随机森林机器学习方法,集成开发从数据处理、存储、权重运算、专题图制作到评价结果可视化输出等多功能一体化的煤层底板突水危险性综合评价系统,实现从源数据到评价结果可视化呈现的“一”系统,使煤层底板突水评价技术更加简便和高效,解决了现有技术依赖多平台计算、评价步骤分离化大且智能化水平低的问题。

     

海洋生态动力学模型在海洋生态保护中的应用

介绍了海洋生态动力学模型的基本组成和分类。从初级生产力模拟、生态系统过程模拟和生态影响评价模拟三方面阐述了生态动力学模型在海洋生态保护中的应用,最后总结了海洋生态动力学模型研究中亟待解决的问题。     

基于定向水平钻陷落柱综合探查与阻水塞立体建造技术

导水陷落柱导致的底板奥灰突水是同煤集团塔山矿的主要水害威胁,矿井8228工作面巷道掘进过程中曾发生陷落柱突水。为查明此导水陷落柱发育边界及其内部充填破碎体分布特征,并对陷落柱进行针对性注浆治理,在井上下综合物探勘探的基础上,采用分层多分支地面定向水平钻钻速录井、钻井液漏失量、岩屑录井、随钻测井等综合探查技术手段,结合数据统计分析,查明导水陷落柱的发育边界、影响带范围和破碎体胶结情况及其分布特征。结果表明,导水陷落柱的长短轴分别为410、200 m,破碎区主要分布在靠近工作面突水巷道运输巷掘进工作面右前方。利用Surpac软件对陷落柱空间结构和发育特征进行三维地质建模,并根据柱体充填物破碎程度将其刻画分区为主通道区、裂隙区和次生裂隙区。针对陷落柱破碎体不同分区,利用定向水平钻进控制技术和阻水塞立体建造注浆工艺分区控制技术,通过充填、挤密、劈裂等不同注浆工艺,对工作面导水陷落柱进行截源、加固等综合治理,最终实现工作面安全回采。定向水平钻分层多分支陷落柱综合探查与治理技术为其他类似工程提供重要的借鉴意义。     

赵固一矿首采面覆岩破坏高度研究

以赵固一矿首采面二1煤顶板作为研究对象,分别应用公式法和岩石破裂过程分析系统 (F-RFPA2D) 确定在分层开采条件下首采面敷岩破坏的高度.并结合顶板破裂的模拟演化过程,为以后留设防水煤柱提供有效的技术参数.     

山西省矿山环境地质问题及其防治对策研究

山西省地处黄土高原,矿山环境地质问题的形成、发展的差异性较大,同时山地丘陵与盆地区人类经济工程活动的强度与类别差异也较大,对地质环境的影响与改变也各不相同。通过对以往调查研究的分析,总结了山西省矿山环境地质问题的类型及分布特征,并对相关地质灾害做了分析,提出加强现有矿山生态环境保护、建立矿山环境恢复保障机制和避免减轻矿产资源勘查开发对生态环境的破坏等四项对策措施。     

对矿井涌水量预测问题的分析与思考

在煤矿采掘过程中,因矿井涌(突)水造成的人员和财产损失极为严重。为预防涌(突)水灾害事故的发生,掌握涌水量的发展变化规律,开展涌水预测预报尤其是矿井涌水量的精准预计尤为重要,是矿井水害防治中一项重要的工作任务。为提高矿井涌水量的预测准确性,针对随时间无明显变化规律的涌水量序列,提出了变分模态分解(Variational Mode Decomposition,VMD)和深度置信网络(Deep Belief Network,DBN)相结合的高效时间序列预测模型。首先通过VMD模态分解技术对原始数据进行去噪,将原始矿井涌水量时间序列分解为若干个本征模态函数(Intrinsic Mode Function,IMF)分量,使各个IMF分量都具有原始时间序列在不同时间尺度下的统计学特征量,降低了原始时间序列的强震荡性和非稳定性。其次针对每个IMF分量,分别建立各自的DBN模型进行训练学习,进而建立起相应的预测网络模型。最后融合各分量预测值得到最终结果。结果显示,VMD-DBN的E_MA, E_MAP, E_RMS and R² of VMD-DBN are 9.23, 0.76%, 11.55 and 0.97 respectively, which are compared with the predicted values of GA-BP, LSTM, VMD-LSTM, RBM, VMD-RBM, and DBN models, finding that the mine water inrush prediction with VMD-DBN model has a higher accuracy. Therefore, the VMD-DBN model has relatively obvious advantages under the conditions that the water inrush has no obvious change law over time but with strong oscillation and instability, thus enriching the mine water inrush prediction methods, providing a new technical means for the intelligent mine safety monitoring, with some theoretical value and practical significance.