滴道矿立井28#煤层瓦斯含量灰色关联分析及预测

针对滴道矿立井瓦斯灾害严重的现状,应用灰色系统理论对28#主采煤层进行了瓦斯含量与影响因素的关联分析,建立了瓦斯含量与主要影响因素的GM(1,4)灰色预测模型,并进行了瓦斯含量预测。结果表明:煤层底板标高、灰分和瓦斯成分CH4是影响28#煤层瓦斯含量的主要因素;所建立的灰色预测模型具有良好的精度,能够应用于瓦斯防治工作。     

两种预测模型在煤层瓦斯抽采量预测中的对比分析

本文分别采用灰色GM(1,1)预测模型与灰色马尔科夫预测模型对贵州某矿21124工作面运输巷本煤层瓦斯抽采量进行预测,其中灰色GM(1,1)预测模型的绝对误差为13.33%,灰色马尔科夫预测模型的绝对误差为4.22%;利用残差检验法对以上两种预测模型进行精度检验,其中灰色GM(1,1)预测模型的小误差概率为0.25,均方差比值为1.55,马尔科夫预测模型的小误差概率为0.92,均方差比值为0.46,结合预测精度等级划分,看出后者的预测精度级别更高;灰色马尔科夫预测模型更适合数据波动性较大的煤层瓦斯抽采量预测,与灰色预测模型相比,该法具有预测误差更小、预测精度更高、预测规律更符合实际数据的真实变化趋势等优点。     

煤层瓦斯含量影响因素分析及灰色预测

矿井煤层瓦斯含量与煤层埋藏深度、围岩性质等密切相关,以不同煤层地质参数及其相对瓦斯含量数据为原始序列,通过灰色处理建立微分方程预测模型,使用GM(1,4)灰色预测模型建立了未开采区瓦斯含量的预测方程,并进行了残差检验.同时对不同因素对瓦斯含量的关联程度进行了分析.     

深部煤层瓦斯含量的差值GM-RBF预测模型及其应用

基于灰熵理论和RBF神经网络理论,提出了一种改进的灰色神经网络深部煤层瓦斯含量预测模型。该模型首先利用灰熵关联度确定影响深部煤层瓦斯含量的主控因素,构建多个GM预测模型进行精度分析,寻求最优的灰色预测模块对分析系统进行一次预测,再利用灰色模型白化微分方程解序列相邻两元素分别与相应期望值作差,构建一个差值序列作为RBF神经网络输出对分析系统进行二次预测,得到的差序列预测结果的差值即为深部煤层瓦斯含量的预测值,从而构建了基于差值GM-RBF神经网络组合模型的深部煤层瓦斯含量预测体系。实际应用表明:差值GM-RBF神经网络组合模型的精度评价指标MAE、MAPE、RMSE、RRMSE分别为0.233 1、3.25%、0.2778、4.04%,远优于单一灰色、RBF模型;与传统GM-RBF组合模型相比,MAE和MAPE分别减小了23.8%和22.1%,RMSE和RRMSE分别减小了20.5%和17%。由此可见,以差值结合法将最优灰色模块与RBF神经网络有效结合起来的瓦斯含量预测体系增强了模型的泛化能力和数据利用率,精度更高,稳定性更好,能够满足深部煤层瓦斯含量准确预测的要求,为深部煤与瓦斯安全高效开采提供依据。     

煤矿瓦斯涌出量预测的隐层递归反馈Elman模型

为更有效预测回采工作面绝对瓦斯涌出量,基于Lyapunov稳定性原理,改进Elman模型的递归部分。选取煤层瓦斯含量、煤层埋藏深度、煤层厚度、煤层倾角、采高、日工作进度、工作面长度、工作面采出率、邻近层瓦斯含量、邻近层厚度、邻近层间距、开采强度和层间岩性作为监测指标,对某矿16个学习样本进行训练,建立隐层递归反馈(HRF)Elman预测模型。利用矿井监测数据检验预测模型。试验结果表明,用HRF Elman模型能够有效地预测出瓦斯涌出量,预测结果相对误差为1.6%~3.41%,平均相对误差为2.45%,相比传统的Elman模型,预测精度和效率都有所提高。     

矿井相对瓦斯涌出量动态无偏灰色马尔科夫预测

矿井瓦斯涌出量预测对于煤矿瓦斯防治具有重要意义。为预测矿井瓦斯相对涌出量,以传统灰色GM(1,1)模型为基础,构建动态无偏灰色马尔科夫模型,通过分析潞安矿区某矿2003—2010年的煤矿相对瓦斯涌出量数据,预测2011—2012年煤矿相对瓦斯涌出量数据,利用无偏灰色GM(1,1)模型代替传统灰色GM(1,1)模型,通过拟合得到煤矿相对瓦斯涌出量数据变化趋势,并在此基础上利用马尔科夫模型进行预测,并在此预测中进行原始数据更新,并对4种预测方法的预测结果进行对比分析。结果表明,动态无偏灰色马尔科夫模型不但能够消除传统灰色GM(1,1)模型自身的固有偏差,而且能提高预测精度,平均绝对误差为3.2%,平均相对误差为2.59%,均低于传统灰色GM(1,1)模型与一般灰色马尔科夫模型。动态无偏灰色马尔科夫模型对于煤矿相对瓦斯涌出量数据的平均预测精度达到96.74%。     

GM(1,N)模型在城市道路交通噪声预测中的精度分析

根据武汉市1998～2002年城市道路交通噪声检测数据以及相关的数据,分析相关因素的选取对GM(1,N)灰色模型的预测精度的影响.结果表明选取相关因素会降低GM(1,N)灰色模型的精度,而GM(1,1)模型则有较好的预测精度;利用GM(1,1)模型对武汉市2008年前的道路交通噪声进行了预测.     

基于灰色马尔科夫模型的钻孔瓦斯流量预测

钻孔瓦斯流量是影响矿井瓦斯抽放效果的一个重要因素,为准确预测钻孔瓦斯流量,优化矿井瓦斯抽放工艺,将灰色系统理论与马尔科夫链预测相结合,充分利用两者的优点,通过对瓦斯流量原始数据处理,瓦斯流量状态划分,构建马尔科夫转移概率矩阵及Matlab分析软件进行计算的方法,建立灰色马尔科夫预测模型。结合现场工程实例,将该预测模型和GM(1,1)预测模型进行比较分析,结果表明,利用灰色马尔科夫模型预测钻孔瓦斯流量,能够消除GM(1,1)模型本身固有偏差,预测值平均相对误差为2.16%,最大相对误差仅为5.40%,均优于GM(1,1)模型。     

灰色支持向量机在瓦斯流量预测中的应用

在分析了灰色预测方法和支持向量机各自的优缺点基础上,提出了将二者相结合的一种新的预测模型灰色支持向量机瓦斯流量预测模型.新模型发挥了灰色预测方法中"累加生成"的优点,弱化了原始序列中随机扰动因素的影响,增强了数据的规律性,同时避免了灰色预测方法及模型存在的理论缺陷,工程实例表明,所提出的瓦斯流量测模型较传统的GM(1,1)模型、支持向量机模型精度都有所提高,为瓦斯流量预测提供了一种新的方法.     

改进型灰色神经网络在火灾预测中的应用研究

为提高火灾事故的预测精度,降低火灾损失,探讨并修正传统GM(1,1)预测模型关于背景值构造的缺陷,将改进后的灰色模型同BP神经网络模型融合,提出改进型灰色神经网络火灾预测模型。依据我国1997—2009年火灾事故统计数据,分别选用改进型GM(1,1)和改进型灰色神经网络模型对1997—2007年火灾发生起数进行拟合仿真,得到2008—2009年火灾起数预测结果。结果表明:该模型在避免GM(1,1)关于背景值构造缺陷的基础上,兼具灰色系统与神经网络的优点,既体现火灾复杂的灰色系统行为,又能自适应调整学习速率,与单一GM(1,1)相比,该模型的预测结果精度更高。     

金地井田煤层瓦斯分布规律研究及工作面瓦斯涌出量预测

掌握煤层瓦斯分布规律是保证矿井安全生产的必要技术条件之一。根据金地井田的地质构造特征,由现场实测8号、13号煤层瓦斯含量和气体组分实验室分析测定结果,结合煤层瓦斯垂直分带理论,判定金地井田范围内8号、13号煤层均处于瓦斯风化带。应用分源预测法,对金地井田不同生产时期的回采工作面瓦斯涌出量含量进行预测,认为受井田中东部大面积13号煤层隐伏露头影响,8号、13号煤层处于瓦斯风化带中的氮气-甲烷带,但无法进行瓦斯变化样度计算。该研究可为该矿井投产后瓦斯安全管理提供量化参考。     

非突出煤层升级方法和指标体系的探讨

以淮南矿业集团B8煤为研究对象,针对《煤矿瓦斯防治经验五十条》关于非突出煤层升级的一些规定和指标确定的难点,通过对实际突出点的瓦斯地质条件调查分析、现场跟踪考察和实验室实验,重点考察和分析煤层突出危险性与地质构造、构造软煤厚度及瓦斯赋存的关系,结合日常生产中容易获取的各参数,构建了非突出煤层升级的方法和指标体系。该体系中:区域升级指标以相对较容易获取的煤层瓦斯含量和软煤厚度为主要指标;以f,△P值为经常检验的辅助指标;动态监测指标包括:地质构造异常带、构造软煤厚度的变化,日常预测参数K1值、S值,并确定了各指标临界值和应用方法。     

基于MATLAB的灰色预测系统及其对抽采瓦斯钻孔流量的数值模拟

研究钻孔瓦斯流量的变化及其变化趋势对抽采煤层瓦斯涌出量及钻孔瓦斯涌出初速度等参量的判定具有较大的实用价值。笔者将煤层抽采瓦斯钻孔看作一个灰色系统,利用灰色系统理论,以原始时间序列数据为基础,建立抽采瓦斯钻孔流量的模拟和预测GM(1,1)模型。针对数值模拟中大量的矩阵计算,利用MATLAB软件编制高效的计算机程序,实现了对抽采瓦斯钻孔流量的模拟和预测。为了检验模型模拟和预测结果的精度,选择了合理的误差检验模型。通过工程实例证明了GM(1,1)模型可信度较高,关联度较好,均方差比值为一级,拟合优度高。对瓦斯抽采设计和矿井安全生产具有一定的指导意义。     

地质因素对煤层瓦斯赋存影响的研究

为研究地质因素对煤层瓦斯赋存的影响,针对淮北矿区石台煤矿3煤层,采用瓦斯地质块段划分的方法,以井田内主要断层和天然焦区为界,把3煤层划分为3个独立的地质块段,分区对不同地质块段内地质因素对煤层瓦斯赋存规律进行研究,分析褶皱构造、断裂构造及岩浆侵蚀等对煤层瓦斯压力和瓦斯涌出量的影响。结果表明:地质构造对瓦斯保存和运移起到重要作用,岩浆岩侵入对石台煤矿3煤层煤与瓦斯突出的控制作用最为明显,地质块段的划分(分区管理)对地质构造复杂的高瓦斯及煤与瓦斯突出矿井具有重要意义。     

基于模糊神经网络的煤层瓦斯含量预测研究

为提高未采区煤层瓦斯含量预测的准确性,在分析研究影响煤层瓦斯含量的主要地质因素的基础上,借助模糊数学作为表达与处理不精确数据、模糊信息的手段,以神经网络作为解决问题的途径,将模糊数学与神经网络有机结合,建立基于模糊神经网络的煤层瓦斯含量预测模型。研究结果表明:模糊神经网络模型不仅能够较好地解决模糊信息难于定量表达、学习样本难于确定等问题,而且能够较准确地提取出煤层瓦斯含量与其各个影响因素之间的非线性关系。通过实例运算验证,其预测精度较神经网络模型提高了4.84%～25.79%,应用于煤层瓦斯含量预测的效果更为理想,具有良好的应用前景,可以为实施科学的矿井瓦斯管理、预防各种瓦斯事故提供理论依据。     

动态瓦斯地质预测算法研究与可视化应用

为实现煤矿瓦斯地质动态精准预测与可视化,基于煤层埋深、厚度、倾角、地质构造等多种因素,通过将相似的地质模块定义为同一微单元,在此基础上将反距离权重插值算法和递归邻域搜索策略与数据优化处理算法相结合,应用于瓦斯地质动态预测可视化系统开发。研究结果表明:根据递归邻域搜索算法模型开发的多级瓦斯地质图动态分析系统利用瓦斯地质基础数据可对矿井瓦斯含量、压力、涌出量等瓦斯赋存参数进行实时分析和计算,动态绘制散点图、等值线和区域预测图,使瓦斯区域预测图过渡更加平缓,显著提高预测的精准性及整体的显示效果,同时其制图耗时也无明显增加,可为高瓦斯矿井安全生产提供决策依据。     

贵州井下煤层爆破地震波特征及其影响

贵州省煤层赋存条件差,煤矿地质条件复杂。由于煤矿井下爆破采掘适应性强、初期投资小等特点,适应于地质条件复杂、断层多的源赋存复杂条件的中小型煤矿,因此目前贵州煤矿井下煤层采掘多采用爆破作业方式。但井下煤层爆破作业易引发煤尘、瓦斯爆炸、煤与瓦斯突出等矿山灾害,因此研究煤矿井下爆破规律及其对煤矿各方面安全的影响是十分必要和迫切的。通过比较选用小波包分析方法,对现场实验的井下煤层爆破地震波信号进行分析,得出其能量、频率等特征,并分析了其对前方煤体瓦斯抽放量及瓦斯压力的影响规律。     

基于熵权物元可拓模型的隧道瓦斯等级评价

为准确预测穿越煤层的隧道瓦斯等级,以有助于降低隧道施工过程中瓦斯事故的风险。通过分析国内外大量瓦斯隧道工程案例,选取地层岩性、地质构造、煤层厚度、隧道埋深、水文地质条件等5个分级指标作为隧道瓦斯等级评价指标,将熵权法引入可拓学理论中,建立熵权物元可拓模型,并应用该模型对10条穿越煤层的隧道进行瓦斯等级评价。结果表明:应用该模型得到的隧道瓦斯等级与其实际等级完全吻合,准确率达到100%。     

密闭液封堵条件下的瓦斯解吸规律实验研究

瓦斯严重威胁着煤矿的安全生产,煤层瓦斯解吸规律与矿井瓦斯灾害关系非常密切。本文首先提出了密闭液封堵条件下的瓦斯解吸实验原理,制定了相应的实验方案;然后,开展了密闭液封堵条件下的煤芯瓦斯解吸规律实验;最后,进行了密闭液封堵煤芯瓦斯的现场取芯试验。研究结果显示,与自由状态下解吸相比,密闭条件下的瓦斯解吸量呈现不同程度的降低,效果显著;在取芯过程中,密闭液能够包裹煤芯,该测定技术所获得的煤芯瓦斯解吸量与残存量之和,比普通煤芯取样法平均提高了9%。因此,利用该技术所测得的煤层瓦斯含量,其可靠性与准确率更高。     

基于PCA-GA-BP神经网络的瓦斯含量预测分析

为提高煤层瓦斯含量预测的效率和准确率,提出了先采用主成份分析（PCA）方法来降低变量间的相关性,然后将遗传算法（GA）与BP神经网络相结合的煤层瓦斯含量预测的新方法。为了避免BP神经网络收敛速度慢、易陷入局部极小值等问题,算法采用GA对BP神经网络的权值和阈值进行优化,利用Matlab软件进行编程,建立了BP神经网络和GA-BP神经网络瓦斯含量预测模型。选取淮南某矿瓦斯含量及其影响因素作为实验数据对该模型进行了实例分析,将主成份回归和BP网络算法预测结果与该模型进行了对比分析。结果表明:PCA-GA-BP网络预测模型平均相对误差为2.759%,预测效果明显优于主成份回归和BP网络预测模型,可以准确的预测煤层瓦斯含量。