基于SVM耦合遗传算法的回采工作面瓦斯涌出量预测

为了对回采工作面瓦斯涌出量进行预测,提出将支持向量机(SVM)与遗传算法(GA)相耦合。利用GA寻找SVM最优的惩罚参数c和核函数参数g,并结合SVM训练速度快且具有良好泛化性能的特点,建立了基于SVM耦合遗传算法的回采工作面瓦斯涌出量预测模型。煤层深度、煤层厚度、煤层倾角、开采层原始瓦斯量、煤层间距、采高、临近层瓦斯含量、临近层厚度、层间岩性、工作面长度、推进速度、采出率、日产量对瓦斯涌出量的影响是复杂的、非线性的,因而将其作为预测的影响参数。将瓦斯涌出量作为目标参数。分别将影响参数和目标参数作为GA-SVM的输入值和输出值进行训练,训练后的预测输出和期望输出之间的误差绝对值作为GA的适应度函数值进行参数优化。结果表明,该预测模型预测的最大相对误差为5.878 2%,最小相对误差为0.923 0%,平均相对误差为2.180 9%,相比耦合前及其他预测模型有更强的泛化能力和更高的预测精度。     

回采工作面瓦斯涌出量遗传投影寻踪回归预测

为快速、准确预测回采工作面瓦斯涌出量,基于投影降维思想,建立一种遗传算法(GA)投影寻踪回归预测方法。选取煤层瓦斯原始含量、埋藏深度、煤层厚度、煤层倾角、工作面长度、推进速度、采出率、临近层瓦斯含量、临近层厚度、临近层层间距、岩层岩性、开采深度作为评价因子,对某矿15个学习样本进行训练,建立GA投影寻踪回归预测模型。利用该矿3个实测样本对模型进行检验,并与主成分分析和BP神经网络方法结果进行对比。研究表明:利用GA投影寻踪回归预测回采工作面瓦斯涌出量,平均误差为3.43%,最大误差为5.7%,精度优于其他2种方法。     

矿井瓦斯预测与评价

综合应用实测技术、统计分析和实验技术获取煤层瓦斯参数，确定了淮南新庄孜煤矿李区各煤层的瓦斯压力、含量与采深的关系。运用瓦斯动力学理论，首次提出了包括层间距和瓦斯压力等因素的邻近层瓦斯涌出率方程和矿井瓦斯预测模型，并将李区煤层瓦斯预测结果与矿山统计法的统计值与预测值进行了验证对比分析，模型预测值与统计值的相对误差小于１５％，划分了高瓦斯煤层的瓦斯突出危险区域。     

回采工作面瓦斯涌出量预测的神经网络方法

回采工作面瓦斯涌出量受煤层瓦斯含量、工作面产量和采煤方法等各种因素的影响 ,笔者通过研究得出 :回采工作面瓦斯涌出量与煤层的赋存条件和开采条件之间是一种非线性关系 ,但目前还难以用精确的数学建模来求解。因此 ,提出了一种应用BP人工神经网络模型和算法 ,建立工作面瓦斯涌出量预测模型 ,从而预测不同开采条件下回采工作面瓦斯涌出量。实际应用表明 ,模型精度能满足要求。笔者还对隐含层神经元数目对步长影响作了讨论。     

基于PSOBP-AdaBoost模型的瓦斯涌出量分源预测研究

为准确预测瓦斯涌出量,选取某煤矿的开采煤层、临近煤层、采空区3个瓦斯涌出源作为实例研究,将BP神经网络、粒子群算法(PSO)、Ada Boost迭代提升算法和瓦斯涌出分源预测法相结合,建立基于PSOBP-Ada Boost算法的瓦斯涌出量分源预测模型,并将其与BP神经网络算法进行比较分析。结果表明,PSOBP-Ada Boost算法预测的3个瓦斯涌出源平均相对误差分别为3.24%,2.11%,3.21%;BP神经网络的平均相对误差分别为6.73%,3.19%,4.27%,基于PSOBP-Ada Boost模型的预测精度明显优于BP神经网络模型。     

张集矿综采工作面瓦斯治理措施及效果分析

张集矿属于煤与瓦斯突出矿井,针对目前所开采的17266工作面地质构造条件复杂、瓦斯涌出量大、处于突出危险区等瓦斯治理难题,采取"风排瓦斯、高抽巷穿层钻孔抽采、运输巷、回风巷顺层钻孔抽采和上隅角埋管抽采"等瓦斯综合治理措施,用分源预测法得出工作面绝对瓦斯涌出量为30.3 m3/min。结果表明,工作面的主要瓦斯涌出来源为本煤层瓦斯涌出。工作面风排瓦斯量11.0 m3/min,工作面瓦斯抽采率达63.0%以上。     

基于探采对比的煤层瓦斯含量分析及预测

针对新建矿井地勘瓦斯含量测值偏低和井下实测瓦斯含量较少的特点,结合工程和科研实践,提出了利用大量的工作面瓦斯涌出量反演煤层原始瓦斯含量技术和基于探采对比的煤层瓦斯含量预测方法。以邹庄井田32煤层为研究对象,在考虑瓦斯抽采情况下计算3204工作面瓦斯涌出量,并反演该工作面煤层原始瓦斯含量。通过对比采掘过程中获得的瓦斯含量和地勘瓦斯含量,得到不同钻孔深度时的地勘瓦斯含量修正系数,并采用瓦斯地质研究方法对32煤层分3个单元进行瓦斯含量预测。结果表明:32煤层瓦斯含量整体呈现"东部大于西部,北部大于南部"的规律,与临近矿井具有相似的瓦斯赋存规律。这表明利用探采对比的方法预测煤层瓦斯含量是可靠的。     

回采工作面瓦斯涌出特征及其灰色预测模型

在分析回采工作面瓦斯涌出特征的基础上 ,分别建立了回采工作面瓦斯涌出量与采深和工作面产量关系灰色预测 GM(1,1)改进模型 ,以预测工作面在不同采深与产量时的瓦斯涌出量。实际应用表明 ,预测模型可信 ,精度能满足要求。     

回采工作面瓦斯涌出量VMD-DE-RVM区间预测方法

为有效、准确地预测回采工作面绝对瓦斯涌出量,基于变分模态分解(VMD)方法;差分进化(DE)算法和相关向量机(RVM)原理,提出回采工作面绝对瓦斯涌出量的VMD-DE-RVM区间预测方法;通过VMD方法将绝对瓦斯涌出量分解为若干固有模态分量并分析其局部特征,分别建立每个固有模态分量的RVM预测模型,并通过DE算法优化模型参数以提高预测精度;加权叠加各个分量的预测结果得到绝对瓦斯涌出量预测结果,并将其与经验模态分解方法所得结果对比。结果表明:应用该方法预测回采工作面瓦斯涌出量,能弱化瓦斯涌出量的局部特征,得到置信度为95%时涌出量预测区间有效度为100%,平均绝对误差为0. 096 m3/min,平均相对误差为2. 43%,预测精度有所提高。     

顶板灰岩瓦斯涌出异常分析及治理技术

为厘清吕梁矿区某低瓦斯矿井顶板灰岩瓦斯涌出异常的原因,实测开采煤层及邻近煤层瓦斯含量、顶板裂隙涌水量、岩溶水离子成分及裂隙内瓦斯浓度,结合瓦斯异常涌出地点地质构造特征,剖析顶板灰岩瓦斯富集的原因,跟踪考察工作面瓦斯治理效果。研究表明:顶板灰岩裂隙水的封堵作用及层间裂隙水对顶板灰岩溶蚀改造形成的瓦斯储集空间是顶板灰岩瓦斯涌出异常的原因;使用顶板高位钻孔抽采灰岩富集区瓦斯,可减少巷道空间的瓦斯涌出量,降低瓦斯浓度,保障工作面的安全高效生产。     

近距离下邻近煤层群开采采空区瓦斯治理技术

为解决下邻近煤层群卸压瓦斯造成工作面上隅角超限严重以及支架间和采空区底部瓦斯不能及时被抽离等问题,基于近距离下邻近高瓦斯煤层群采动卸压瓦斯涌出规律,提出内错式迎向斜切钻孔辅助顶板高抽巷抽采采空区瓦斯技术。利用顶板垮落与钻孔形态演变规律,实现钻孔依次辅抽上隅角、支架间和采空区底部等富集区瓦斯,并在高家庄煤矿2号煤层2203回采工作面试验考察。结果表明:与高抽巷单一抽采效果相比,内错式迎向斜切钻孔辅助抽采条件下的叠加抽采平均瓦斯体积分数达15. 1%、提升1. 3倍,平均抽采纯量达18. 61 m3/min、提升1. 9倍,叠加抽采率达50%,抽采量占邻近层和采空区瓦斯涌出总量的83%,回风流和上隅角瓦斯体积分数控制在0. 6%以下,可有效保障工作面的顺利回采。     

改进的Elman神经网络在瓦斯涌出量预测中的应用

在煤矿瓦斯灾害中,煤矿瓦斯突出是导致瓦斯重特大事故的主要原因之一。目前常用的基于反向传播(BP)神经网络和遗传算法-Elman神经网络(GA-ENN)耦合算法等建立瓦斯涌出量预测模型的预测方法在收敛性和精度上均存在一定的缺陷。提出了一种利用混沌免疫遗传优化算法(CIGOA)对Elman神经网络进行改进的新型智能优化算法来增强粒子的活性,提高其局部搜索能力和全局优化能力,克服了遗传算法(GA)的固有缺陷。对煤矿现场跟踪实测后进行仿真分析,结果表明:运用提出的CIGOA-ENN预测模型预测的最大相对误差为4.47%,最小相对误差为1.12%,平均相对误差为2.27%,明显小于BP神经网络和GA-ENN等预测模型的预测结果,表明CIGOA-ENN预测模型的输出结果更精确,对瓦斯涌出量预测系统的辨识误差更小,性能更优越。     

近距离煤层群开采上保护层被保护层卸压瓦斯治理实践

为保障突出矿井近距离煤层群安全开采,本文基于上保护层开采时下邻近煤层卸压瓦斯治理的重要性,探讨采场动压影响下围岩变化与卸压瓦斯解吸运移的时空关系,研究瓦斯涌出形态和控制措施.结果表明:煤层组开采上保护层时,伴随工作面推进,底板煤岩系表现出时空滞后的蠕变特性;邻近层卸压瓦斯涌出按其对应工作面位置的活跃程度呈现出"四带"特征;被保护层卸压涌出占总瓦斯涌出量的70％以上,直接对被保护层进行目标抽采瓦斯是实现卸压瓦斯抽采最大化的最佳途径;在使用底板瓦斯道施工穿层钻孔抽采被保护层卸压瓦斯时,根据巷道顶板瓦斯层流情况,确定全负压通风并保持风速1.1m/s以上是保障安全作业环境优化条件.     

基于KPCA-CMGANN算法的瓦斯涌出量预测研究

为了精准预测瓦斯涌出量,针对绝对瓦斯涌出量非线性、时变性、复杂性等特点,提出采用核主成分分析法(KPCA)对影响因素进行降维处理;针对BP神经网络(BPNN)中存在的收敛速度慢和易陷入局部最优解的问题,采用压缩映射遗传算法(CMGA)优化BPNN;构建CMGA与BPNN的耦合算法(CMGANN),计算分析某低瓦斯矿井监测历史数据形成的样本集,建立KPCA-CMGANN预测模型;用KPCA-CMGANN预测模型和其他3种网络模型分别对煤矿现场数据进行预测。结果表明:KPCA-CMGANN预测模型在379个时间步长里达到收敛,4个回采工作面的瓦斯涌出量预测相对误差分别为0.58%、0.63%、0.57%和0.45%,平均相对误差仅为0.56%,预测精度和收敛速度均优于对比模型,可实现瓦斯涌出量的快速精准预测。     

近距离薄煤层群上保护层开采邻近层卸压瓦斯抽采模式探究*

为研究近距离薄煤层群上保护层开采期间邻近层卸压瓦斯对回采工作面瓦斯涌出的影响,进而有效杜绝保护层开采过程中工作面瓦斯积聚或超限等事故,结合煤岩体破碎前“应力-裂隙-渗透率”间关系,建立卸压瓦斯三维渗流模型。采用Flac3D软件,以新维煤矿煤层条件为工程背景,研究保护层开采过程采场渗透率沿纵向分布规律,确立下保护层C3煤层处于三维增渗区、C7与C8号煤层处于水平增渗区。基于此,提出“近场定向钻孔全覆盖抽采与远场穿层钻孔层间卸压抽采结合”的瓦斯治理技术模式,并开展现场试验,结果表明:试验工作面回风瓦斯浓度降低44.4%,绝对瓦斯涌出量降低52.3%,该模式可显著提高卸压瓦斯的治理效果,为类似工况下的保护层开采提出1种新的瓦斯抽采模式,具有一定的指导及借鉴意义。     

低透气性突出煤层群首采层掏心无煤柱开采卸压消突与瓦斯治理试验研究

针对深井高瓦斯低透气性突出煤层群消突和首采层开采卸压瓦斯治理难题,以谢桥煤矿11426工作面开采为例,设计首采中间层无煤柱开采、实现上下突出煤层均消突的技术方案,研究了Y型通风工作面采空区瓦斯及风压分布规律,结合煤层群开采巷道布置条件,提出并实施留巷侧井下暗立眼回风阶段留巷Y型通风技术,强化留巷墙体封闭和留巷采空侧回风立眼封闭等卸压瓦斯抽采技术,实现了深井煤层群首采层工作面的安全高效回采和邻近突出煤层的全面消突。11426工作面回采期间,绝对瓦斯涌出量最大47.67 m3/min,工作面瓦斯抽采率高达65%以上,研究成果为今后类似深井煤层群开采的卸压瓦斯抽采和治理提供技术指导。     

基于EMD-MFOA-ELM的瓦斯涌出量时变序列预测研究

为准确分析工作面绝对瓦斯涌出量的非平稳特征,实现瓦斯涌出量的准确预测,基于经验模态分解(EMD)、修正的果蝇优化算法(MFOA)和极限学习机(ELM)基本原理,构建瓦斯涌出量的EMD-MFOA-ELM多尺度时变预测模型。通过EMD将瓦斯涌出量时变序列进行深层次分解,获得多尺度本征模态函数(IMF);采用MFOA-ELM对各IMF时变序列建立动态预测模型,等权叠加各预测值,得到模型最终预测结果。以晋煤某矿瓦斯涌出量监测时序样本为例进行研究分析,结果表明:EMD能充分挖掘出监测数据隐含信息,有效降低数据复杂度;该模型预测相对误差为0.024 3%~0.651 0%,平均值仅为0.252 6%,预测精度和泛化能力高于未经EMD分解模型,能很好地适用于非平稳时变序列预测。     

下保护层开采卸压瓦斯治理技术研究

以潘一东矿1252（1）下保护层首采工作面为研究对象,采用分源预测法对下保护层工作面瓦斯涌出情况进行预测。计算结果表明,1252（1）工作面的瓦斯有六成左右来自上邻近13—1煤层,在本煤层回采期间提出了地面钻井、底抽巷穿层钻孔、高位钻场顶板走向钻孔、沿空留巷充填墙埋管等瓦斯治理方案,抽采率达到90％左右,工作面上隅角完全杜绝瓦斯浓度超限现象,保护范围内的13—1煤层的突出危险性也显著降低。     

基于瓦斯涌出量预测的近距离煤层群开采顺序优化选择

随着中厚煤层资源的枯竭,近距离薄煤层群开采成为我国资源的重要补充。煤层群开采时合理的采掘部署是防止工作面瓦斯集中涌出的关键,本文通过分析近距离煤层群开采时各回采顺序下工作面瓦斯涌出量,建立了以工作面瓦斯涌出量预测为基础的近距离煤层群开采优化模型,利用计算机编程实现了模型的可视化操作。该模型通过对比分析全部种回采顺序方案,选择整个回采期间瓦斯涌出量最均衡的方案为最优方案。对翔升煤矿进行了实例分析,结果显示合理的回采方案可以使工作面最大瓦斯涌出量大大减小,使整个回采期间工作面瓦斯涌出量趋于均衡。为煤层群开采优化技术中的瓦斯环节提供了理论依据。     

基于正交试验-多元回归的煤矿瓦斯涌出量预测

为了快速准确地预测工作面瓦斯涌出量,简化瓦斯涌出量预测建模过程,将正交设计方法与多元回归分析相结合提出了简化的预测模型,并针对实际矿井数据进行应用.结果表明,结合正交设计中的极差和方差分析可以有效剔除对瓦斯涌出量影响不显著的因素,该剔除结果与SPSS软件显著性分析结果一致,利用SPSS软件对剩余的瓦斯涌出量影响因素进行多元回归分析得到相应的回归模型,经检验其预测结果相对误差平均值为1.76％,回归模型具有较高的精确度,可为煤矿瓦斯涌出量预测工作提供一定的参考.