基于电磁辐射峰谷比值法的煤与瓦斯突出预警

为了提高电磁辐射预警煤与瓦斯突出危险的准确性,减少误报现象,在分析大量电磁辐射现场数据基础上,基于电磁辐射预警煤与瓦斯突出危险原理,提出了电磁辐射峰谷比值法,利用正态分布统计特征计算每个班次的电磁辐射瞬时强度峰值均值和谷值均值,并将其比值作为煤与瓦斯突出危险性的预警值。最后,将该方法应用于义忠煤矿11112风巷掘进工作面,研究结果表明:与临界值系数和动态变化趋势系数法相比,峰谷比值法误报较低,预警准确性高,能够很大程度上减少误报对生产的影响。     

投影寻踪聚类方法在煤与瓦斯突出危险性预测中的应用

为了提高煤与瓦斯突出预测的准确率,在研究矿井瓦斯地质特征基础上,建立煤与瓦斯突出预测指标体系,应用投影寻踪方法和聚类方法构建了煤与瓦斯突出危险性预测的投影寻踪聚类模型。该模型通过计算反映煤与瓦斯突出危险程度的一维投影特征值,并对其进行聚类分析,得出煤与瓦斯突出危险性等级。将模型应用于平煤八矿戊9,10-21030工作面回风巷,预测等级与实际煤与瓦斯突出情况吻合度较高。结果表明,应用投影寻踪聚类方法对平煤八矿进行煤与瓦斯突出危险性预测是可行的。     

基于网络分析和联系熵的煤与瓦斯突出预测研究

以煤与瓦斯突出预控为目的,将网络分析法和联系熵理论相耦合,建立了煤与瓦斯突出预测的ANP-CE模型。该模型运用网络分析法建立了煤与瓦斯突出预测指标网络模型并计算预测指标权重分布,划分了突出危险性等级及其相应的指标临界值,确定了各危险等级的联系熵范围。结合工程实例,预测结果与工程实际情况相符,表明了该预测模型在计算预测指标权重分布和煤与瓦斯突出危险性预测上具有可行性和合理性,为煤与瓦斯突出预测方法提供了一种新的途径。     

基于瓦斯地质与监控信息耦合的煤与瓦斯突出预测方法

在矿井瓦斯地质研究基础上,从地质、瓦斯及监测监控3方面选取9个指标构建了煤与瓦斯突出预测指标体系,并利用多元信息耦合技术建立了煤与瓦斯突出预测模型。其中特征级运用模糊综合评判对数据级预测指标信息进行耦合,决策级运用D-S证据理论对特征级预测信息进行耦合,通过分级耦合得出反映煤与瓦斯突出危险性等级的可信度值。以郑煤集团超化煤矿31041工作面下付巷为例,一方面将预测等级和现场预测等级及钻孔动力现象记录进行对比,另一方面对信息耦合模型的准确性和可靠性进行验证,结果表明应用多元信息耦合模型对煤与瓦斯突出预测是可行的。     

煤与瓦斯突出层次-可拓预警技术及应用

为实现煤与瓦斯突出的智能化预警,基于层次分析法(AHP)与可拓理论,利用Visual Basic(VB)和ArcEngine组件,设计以数据采集模块、查询模块和预警模块组成的突出预警系统结构,并开发客户端软件系统,结合矿井基础参数及生产工作面煤与瓦斯突出预测指标,构建煤与瓦斯突出预警技术体系。将预警技术体系应用于山西潞安集团余吾煤业S2206回采工作面。结果表明,预警结果与工作面实际相符。     

基于多因素模式识别的煤与瓦斯突出预测研究

采煤工作面煤与瓦斯突出是由煤层自然条件和工程扰动共同作用决定的,充分考虑煤层原始赋存条件和人类工程活动对煤与瓦斯突出的影响,建立多因素模式识别准则和方法,应用VBA技术完成了工作面煤与瓦斯突出危险性动态预测系统开发。以平顶山十矿己15-24080工作面为研究对象,将瓦斯含量、瓦斯压力、采动应力等因素作为工作面煤与瓦斯突出的主要影响因素,运用多因素模式识别方法实现了对工作面煤与瓦斯突出危险性分单元概率预测,且能够随着工作面不断推进进行动态预测和分级管理。研究结果表明:突出危险性预测结果与现场实况有较好的一致性,对煤矿安全开采具有良好的指导作用。     

平煤八矿煤与瓦斯突出特征及其与预测指标关系的研究

针对平煤八矿煤与瓦斯突出特征,采用现场观测、数理统计及瓦斯地质方法,研究煤与瓦斯突出规律及其与日常预测参数的关系。研究表明,地质构造对煤与瓦斯突出有明显的控制作用,日常预测参数q,S值超标严重位置与煤与瓦斯突出点分布具有一致性。通过跟踪观测瓦斯地质异常变化及日常校检参数超标情况,将二者有效结合起来预测采掘工作面前方煤与瓦斯突出危险性,对提高预测准确性,保证采掘工作面安全高效生产有着重要的意义。     

基于Hadoop平台的瓦斯突出预测预警方法研究

为防治煤与瓦斯(甲烷)突出事故,提出基于Hadoop平台的煤与瓦斯突出预测预警方法。首先,选用霍尔特指数平滑法对实时监测的瓦斯体积分数数据进行预处理,以提高监测数据的准确性和完整性;其次,基于BP神经网络模型,提取监测的瓦斯体积分数的特征参数,并结合人工检测的防突检测参数,构建瓦斯突出预测预警模型;最后,在平煤八矿戊9-10-21050工作面,进行现场应用,验证该方法的可行性。研究表明:用该方法能较好地处理及分析海量瓦斯体积分数所得数据,突出预测预警结果可靠性较高,能够满足现场实际应用的需要。     

基于SKPCA与NEAT算法的煤与瓦斯突出危险性预测

针对煤与瓦斯突出预测精度不足的问题,为了减少突出灾害的危害,提出了基于稀疏核主成分分析法(SKPCA)与增强拓扑神经进化算法(NEAT)的煤与瓦斯突出危险性预测方法.通过核主成分分析法对突出非线性数据进行降维,然后对主成分数据进行稀疏化,减少原始数据中不重要元素对降维后主成分的影响.搭建增强拓扑神经进化网络(NEAT)预测模型,采用进化算法同时优化神经网络的权值和拓扑结构,得到最佳神经网络预测模型.将处理后的主成分数据输入模型预测突出危险指数,结果表明,该方法危险等级预测准确度达到98％,SKPCA-NEAT模型在煤与瓦斯突出预测上相比PCA和BP神经网络具有优势.     

基于综合评判模型的煤与瓦斯突出危险程度预测

针对某些矿井出现的"低指标"突出现象,提出一种新的综合评判模型,用于煤与瓦斯突出危险程度预测。选取鉴定煤与瓦斯突出的4个单项指标临界值作为参考点,建立煤与瓦斯突出危险性预测综合评判准则。当评判距离Ri属于[0,1],判断突出强度;当Ri属于[-1,0],判断突出危险可能性,量化了突出强度及可能突出的危险程度,并划分突出强度、突出危险可能性等级。利用模型对淮南矿突出程度进行预测,预测结果与实际吻合,实现了定性语言与定量数据相结合的突出预测,为煤与瓦斯突出提供了一种新的预测方法。     

应用层次分析-模糊综合评判法对煤与瓦斯突出危险性的预测

现场测定某矿掘进工作面煤与瓦斯突出的预测指标值,该指标包括:电磁辐射强度、电磁辐射脉冲、软分层厚度、钻屑量、瓦斯涌出初速度和综合指标R;运用层次分析法确定各预测指标的重要程度;利用模糊数学综合评价方法对煤与瓦斯突出的危险性进行综合预测。结果表明,该方法对煤与瓦斯突出的预测结果与综合指标R预测情况符合性较好,具有较强的实用性和可靠性,对煤矿的安全生产工作具有一定的指导作用和借鉴价值。     

煤层赋存条件对煤与瓦斯突出危险性的影响研究

为研究煤层赋存条件对煤与瓦斯突出危险性的影响,模拟分析不同条件(埋藏深度、煤层厚度和煤体强度)下的应力、瓦斯压力和煤体塑性变形区的分布及变化。结果表明,随埋藏深度的增加,工作面前方应力峰值及应力梯度、瓦斯压力梯度、塑性变形区及塑性应变量等随之增大,煤与瓦斯突出的危险性越来越高;随煤层厚度的增加,工作面应力峰值、应力梯度逐渐减小,出现应力峰值的位置越远离工作面,瓦斯卸压带、瓦斯排放带、塑性变形区越逐渐增大,煤与瓦斯突出的危险性越来越小;随煤体强度的升高,工作面前方应力梯度、瓦斯压力梯度随之增大,塑性变形区和塑性应变值随之减小,煤与瓦斯突出危险性越来越小。     

组合赋权-灰色聚类的煤与瓦斯突出危险评价

为有效预防煤矿井下煤与瓦斯突出事故，构建基于组合赋权-灰色聚类的煤与瓦斯突出危险评价模型。首先，基于轨迹交叉理论，从煤层物理学性质、瓦斯指标、煤层赋存条件3个方面选取预测指标，构建危险评价指标体系；然后，运用改进的层次分析法(IAHP)和熵权法(EWM),确定各指标权重，结合灰色聚类原理构建各指标的灰色模糊评价规范化等级判断矩阵，并根据最大隶属度原则预测煤与瓦斯突出等级；最后，以乌兰木伦煤矿12407综放工作面为应用实例，验证组合赋权-灰色聚类评价模型的科学性和有效性。结果表明：该工作面煤与瓦斯突出危险等级为Ⅴ,模型计算结果与现场实际基本吻合，其中，煤层物理学性质为主要诱导因素，评判结果与实际相吻合，证明文中所建模型具有一定的科学性和有效性。     

GIS支持下基于非线性理论的煤与瓦斯突出综合预测模型

为弥补单一模型缺陷,提高预测的可靠性和准确性,提出了煤与瓦斯突出综合预测.根据煤与瓦斯突出的机理,选取模糊数学、灰色理论、物元分析模型、神经网络及支持向量机5种成熟的非线性方法作为综合预测的数学模型,应用灰色关联度模型确定预测指标,建立了基于非线性理论的煤与瓦斯突出综合预测模型.分析了GIS支持下基于非线性理论的煤与瓦斯突出综合预测系统的集成方法及关键技术,开发了快速综合预测系统并进行了应用.研究表明,该系统能够快速预测突出危险性.相比于单一模型,该方法综合了多种数学模型,预测结果具有较高的准确性及可信性.     

人工神经网络在煤与瓦斯突出预测中的应用

由于煤与瓦斯突出发生机理的复杂性,传统预测方法的应用受到很大的限制,而人工神经网络理论以其高度非线性映射的特性为解决这一问题提供了新的途径。以突出预测指标为基础,利用多层反向传播神经网络(BP网络)模型实现对突出危险性的预测。实例分析表明,模型精度很高,可用于工作面煤与瓦斯突出危险性的预测。     

基于动态数据驱动的煤矿瓦斯异常涌出风险预警系统设计*

为解决煤矿瓦斯异常涌出风险预警过程中过度依赖系统模型,不能动态实时修正预测模型,预测、预报精准度和可靠度不高的难题,基于动态数据驱动技术,搭建瓦斯异常涌出风险预警系统架构,探讨动态数据驱动的瓦斯涌出监测曲线拟合、动态预警模型选择和修正、预警系统研发等关键性技术,开发基于动态数据驱动的瓦斯异常涌出风险预警系统软件。结果表明:动态数据驱动技术在煤矿瓦斯异常涌出风险预警方面具有强大的信息处理和问题求解能力,可实现仿真系统与实际系统间的动态响应和控制功能,并实时反馈修正,使预测结果更加精确、可靠,设计研发的预警系统可在矿井受瓦斯异常涌出威胁时发出可靠的预警信号。     

基于双耦合算法的煤与瓦斯突出预测模型

为提高煤与瓦斯突出预测精度,有效预防瓦斯突出灾害,将等距映射(IsoMap)算法与优化加权向量机耦合算法(DDICS-WLS-SVM)相结合,建立煤与瓦斯突出双耦合算法预测模型。首先利用非线性流形学习IsoMap算法对煤与瓦斯突出高维数据进行数据挖掘,提取其低维本质特征参量;然后通过逐维改进布谷鸟(DDICS)算法对加权最小二乘向量机(WLS-SVM)的正则化参数λ和高斯核参数σ进行寻优;最后对双耦合算法预测模型进行仿真试验,将IsoMap算法提取的低维本质特征作为该预测模型的输入,煤与瓦斯突出强度值作为模型的输出,并与PSO-SVM、LS-SVM方法的预测结果进行对比。结果表明:双耦合算法预测模型的平均相对误差为1.825%,最大相对误差为2.63%,该预测模型具有较高的预测精度。     

煤与瓦斯突出预测综合指标F临界值研究

为了更加准确的预测掘进工作面煤与瓦斯突出,防止灾害事故的发生,针对“三率”各评价指标与掘进工作面煤与瓦斯突出预测综合指标具有区间型属性特性,运用灰靶决策理论,提出了基于熵值加权法与多指标加权灰靶相耦合的决策模型。该模型引入“奖优罚劣”变换算子,对样本矩阵进行无量纲初始化处理,结合改进的熵值法确定指标权重,构建了综合指标F临界值的决策模型,将综合指标F值在200~400内以10为步长形成了21个评价方案,对综合指标F的临界值进行研究。最后,通过在章村煤矿的现场实际应用,证实了该模型的有效性与实用性。     

鸿岭煤业瓦斯基础参数综合分析与评价

本文针对鸿岭煤业二1煤层赋存情况,通过测定其煤层瓦斯压力、瓦斯含量、煤的坚固性系数、瓦斯放散初速度以及煤的破坏类型,并与突出危险性指标进行对比,得出该煤层测点的单项指标未超过规定的危险值,发生煤与瓦斯突出的危险性较小。     

工作面瓦斯浓度时间序列特征挖掘与预警应用

为实现工作面瓦斯异常涌出的动态、实时预警,对工作面瓦斯浓度时间序列的概率分布进行分析,利用Shapiro-Wilk和Lilliefors联合正态检验的方法,深入挖掘工作面瓦斯浓度时间序列的分布特征;以潘三矿某掘进工作面为例,实时正态检验工作面过断层时的瓦斯浓度时间序列。结果表明:当影响工作面瓦斯涌出因素作用比较均匀、单一因素不起决定性作用时,瓦斯浓度时间序列服从正态分布;当不服从正态分布时,则断层对工作面瓦斯涌出影响显著,有可能发生灾害。通过对工作面瓦斯浓度时间序列进行实时正态检验以辨识瓦斯涌出状态,将瓦斯浓度时间序列的分布特征作为预警的依据,能为瓦斯灾害的预测预警起有效的辅助作用。