基于主成分分析与Fisher判别分析法的矿井突水水源识别方法

为有效地预防矿井突水事故,及早识别突水水源是关键工作之一。根据矿井各含水层水化学成分的差异性,选取7种水化学成分指标作为突水水源识别的样本变量。在此基础上,采用主成分分析(PCA)与Fisher判别分析相结合的方法建立突水水源判别模型。以新庄孜煤矿不同水层的水化学特征资料中的33个为学习样本,12个为预测样本,对该模型进行检验和应用,并与传统Fisher判别分析模型的结果进行比较。研究结果表明:利用PCA与Fisher突水水源判别模型能够有效地消除样本变量指标间的相互影响,使突水水源判别结果更加准确。     

基于KPCA-MPSO-ELM的矿井突水水源判别模型

为准确判别矿井突水水源并有效预防突水事故,提出一种基于核主成分分析-改进粒子群算法-极限学习机(KPCA-MPSO-ELM)的矿井突水水源判别模型。利用核主成分分析(KPCA)法对原始数据进行属性约减,通过改进粒子群算法(MPSO)优化极限学习机(ELM)的初始权值和阈值,建立KPCA-MPSO-ELM模型;在综合考虑矿井各含水层的水化学特征的基础上,选取Ca2+、Mg2+、K++Na+、HCO3-、SO42-、Cl-等的浓度和总硬度作为矿井突水水源的主要判别依据;以新庄孜矿的45组实测数据作为样本进行实例分析,其中33组数据作为训练数据训练模型,另外12组数据作为预测样本,用该模型进行预测,并将其判别结果与MPSO-ELM、KPCA-PSO-ELM模型的判别结果进行对比。结果表明:KPCA方法能减少指标数据间的信息重叠;通过MPSO优化ELM参数,可提高算法的整体搜索性能和收敛速度; KPCA-MPSO-ELM模型的预测精度高于MPSO-ELM、KPCA-PSOELM等2个模型。     

基于遗传BP神经网络模型的矿井突水水源判别

在分析矿井突水水源的水化学特征基础上,选取常用的Na~++K~+,Ca~(2+),Mg~(2+),Cl~-,HCO_3~-,SO_4~(2-)等6种离子质量浓度作为水源判别的依据,将具有局部搜索能力的BP神经网络和具有全局寻优功能的遗传算法(GA)进行结合,提高神经网络的泛化性。为了验证其优点,分别采用BP和GA-BP两种神经网络模型对20组训练样本进行训练,并对6组待测样本进行判别。结果表明:GA-BP神经网络模型克服了BP神经网络初始权值与阈值的随机性、易陷入局部最优的缺点,能提高BP神经网络的判别精度;虽然经过GA初始化的BP神经网络在训练过程中收敛速度与误差均不如未优化的BP神经网络,但GA-BP网络模型泛化性却高于BP网络模型,能提高突水水源的判别准确性。     

Elman神经网络在矿井突水水源判别中的应用

矿井突水是矿建与生产过程中最具威胁的自然灾害之一,准确判别突水水源是防治水害的关键。选取6种离子的质量浓度作为突水水源的判别因素,将河南省焦作矿区不同水层的39组水化数据以2种样本设计方案进行Elman神经网络模型的构建与检验。以不同的35组水源样品作为训练样本,运用Matlab软件进行Elman神经网络训练,将所建立的判别模型应用于(相应的)4组待测样本的判别,并与DDA、FDA、Bayes三种判别方法的判别结果进行分析比较。2种方案应用结果表明:将具有非线性动态特征的Elman神经网络应用于突水水源判别,在结合相应的水文地质条件前提下,可以准确判断突水来源;矿井多年的开采促使地下各水层水质呈动态变化,Elman神经网络判别模型能够反映这种变化特性,对探寻地下水运移与演化具有一定的应用价值。     

基于水化学分析的煤矿矿井突水水源判别

矿井突水是煤矿生产过程中的主要自然灾害,准确判定矿井突水水源是解决突水问题的重要条件。基于模糊综合评判和矩阵方程分析数学原理,分别建立了矿井突水的模糊综合评判和矩阵方程分析模型;在水化学分析的基础上,建立了水样6项指标评判标准,利用两种方法分别对某煤矿3个不同突水巷道水样进行了水源判别,并与实际突水水源相比较。结果表明,模糊综合评判和矩阵方程分析均能有效判别矿井突水水源,但各有其优越性及局限性,选择何种判别方法应视矿井突水水化学资料状况而定。     

基于RS-SVM模型的煤与瓦斯突出多因素风险评价

为挖掘瓦斯突出风险与煤矿开采中各影响因素间的关系,应用支持向量机(SVM)理论从模式判别角度分析瓦斯突出风险与各地质因素组成的特征向量间的判别关系,基于粗糙集(RS)理论对待分析数据进行知识约简,提取核心判别指标,建立基于粗糙集-支持向量机(RS-SVM)的瓦斯突出风险判别模型。研究结果表明,RS知识约简方法可以很好地对原始数据中的冗余指标进行约简,通过对约简后指标数据进行SVM回归分析,可对煤与瓦斯突出模式进行很好的判别,所建立的瓦斯突出风险判别模型较一般SVM模型具有更高的预测精度,同时指标约简过程降低SVM运算中的复杂度,提高运算效率。     

矿区采空塌陷危险性预测的RS-SVM模型

为快速、准确地预测矿区采空塌陷的危险性,针对矿区采空塌陷预测的复杂非线性特点,在统计分析实测资料的基础上,选取7项指标作为初始特征指标,30组塌陷样本作为原始样本,其中,前17组为原始训练样本,后13组为测试样本;运用粗糙集(RS)理论,对原始训练样本进行对象约简和属性约简。将属性约简后的3项指标作为支持向量机(SVM)的输入向量,建立矿区采空塌陷危险性预测的RS-SVM模型。将对象约简后的7组样本作为训练样本,用于模型训练。采用回代估计法进行回检,误判率为0。利用训练好的模型对13组待评样本进行预测,并与贝叶斯、BP神经网络(BPNN)方法进行比较。结果表明,RS理论与SVM算法相结合,能降低属性维数,去除冗余样本,简化模型,该模型所得预测结果准确率为100%。     

装配式建筑安全文明施工费RS-LSSVM预测方法

为准确测算装配式建筑安全文明施工费,开发一种基于粗糙集(RS)-最小二乘支持向量机(LSSVM)模型的预测方法。根据装配式建筑作业空间并行多维且以吊装施工为主的特点,分析影响费用的主要因素并通过RS属性约简算法确定其测算因子;引入LSSVM,构建装配式建筑项目安全文明施工费测算模型,给出计算方法以及模型流程;以某城市群部分装配式项目的相关数据进行模型学习训练和仿真测算,以此为例完成实证检验和分析。结果表明:在样本数据较少、指标成多维非线性关系的情况下,用该方法测算所得结果与实际情况符合较好(平均相对误差为4.92%),比BP模型和回归分析等2种传统方法(11.78%和17.67%)测算结果更准确,效率更高。     

改进的GA-BP神经网络在矿井突水水源判别中的应用

矿井突水水源的判别是制定防治水措施的重要环节。通过对某矿含水层水化学特 性的相关性分析,将PCA算法、K折交叉验证算法嵌入GA-BP神经网络,提出了一种新的 GA-BP神经网络,将其应用于实例分析中,并与传统的方法进行比较。结果表明:针对 水化学特性相近的含水层,PCA算法能够排除样本中的冗余信息,降低样本指标维度, 简化BP神经网络结构;K折交叉验证算法能够提高GA算法对BP神经网络权值的寻优质量 ,使GA算法的进化方向更具合理性;二者的引入大大优化了传统GA-BP神经网络性能, 其判别精度更高、适用性更强、结果更可靠,在矿井突水水源判别方面具有很好的应用 前景。     

矿井水源判别的GA-SVM模型研究

作为水在岩体中流动通道的渗透结构面,微观上表现出不连续性和高度的非线性等特点,因此,矿井充水水源具有不确定性、非线性。传统水化学判别分析方法往往难以准确地描述这种复杂的非线性特征,因而对矿井水源进行准确判别尚存在一定的困难。在传统SVM(Support Vector Machine,SVM)的基础上,利用遗传算法(Genetic Algorithm,GA)对传统SVM进行优化,克服了传统SVM模型参数选取经验化的弊端,并利用该方法对开磷集团马路坪矿几种水源的6个化学样本进行训练,建立了GA-SVM模型。实例分析表明,该模型判别结果与实际情况相符合,表明该模型在矿井水源判别中具有良好的实用性和有效性。     

基于多代理系统(MAS)的煤矿水害事故响应系统

针对煤矿水灾害问题,提出水灾害响应的概念,并以此为基础建立以水灾害预防与治理为主的煤矿水害事故响应系统。该系统将煤矿突水预防和应急响应作为系统的需求,通过Agent组织煤矿及救援单位的有效资源,并以多代理系统(MAS,Multi-AgentSystem)为基础设计了煤矿水灾害响应的协商机制。不仅能及时地响应煤矿的常效排水需求,而且能在水灾害发生后快速制定应急救援方案,克服了原有煤矿水灾害救治流程中响应速度慢、缺乏目的性,救援资源难以有效调配的缺点,为煤矿水灾害的预防、应急救援、灾后处理提供了综合信息平台。应用案例表明,该系统对于提升煤矿水灾害救治的应急能力具有显著效果,并可有效地降低水灾害的人员和财产损失。     

综合物探技术在矿井工作面底板含水构造探测中的应用

为了查明汾源煤业文明矿5-101首采工作面底板岩层赋水情况和煤层地质异常体情况,并对其进行突水危险性区域划分及评价,采用瞬变电磁法、直流电法和无线电波透视法三种物探方法综合勘探,综合分析三种物探方法探查结果,并结合揭露情况和钻孔验证。结果表明:位于切眼往外(0~250)m范围内,工作面底板相对破碎、裂隙岩溶发育或富水性强,导高大,且煤层内部较不均匀,存在多条5m以上落差含水断裂破碎带,此区域突水危险性最大;切眼往外(300~380)m范围内存在局部富水区域,导高较小,但不存在构造破碎带,突水可能性较小;工作面其他区域都较安全。综合物探比单一物探更具有准确性和可靠性,更符合工程实际情况,为采取针对性的治理措施从而实现安全回采提供了参考依据。     

矿井突水路径搜索算法与应用

为了实现对矿井突水路径的搜索以及突水范围的预测,基于图论与网络理论,以巷道交叉点的标高为搜索权重,将水流流向分成下向蔓 延和上向升涨两个突水阶段,提出了水流下向、上向蔓延路径搜索算法。实现了对突水路径的搜索,并在已知巷道突水点的情况下,通过两个 时刻的巷道水位变化,计算得出了单位时间的突水量,结合给定的矿井巷道拓扑结构信息,对未来时间段的突水范围和水位标高点进行预测。 研究结果表明:在已知矿井突水点和矿井基础数据信息的情况下,应用无向图宽度优先搜索法生成矿井突水路径, 并结合得出的单位时间的突 水量,对下一时间段的突水量进行计算并对突水范围进行预测。     

基于改进AHP的地下矿突水风险评价

地下矿突水风险的有效评价是矿井水害防治与安全开采的基本前提与重要基础。为了科学有效地评价地下矿突水事故风险,在深入研究分析与归纳地下矿突水因素的基础上,构建了较为全面的矿井突水事故风险评价指标体系,体系包括7个一级指标,各一级指标有与之对应的二级指标。应用德尔菲法对各项指标进行统一打分并求平均值,对层次分析法进行改进并应用于确定各项指标的权重,然后根据风险评价模型计算出评价结果。最后,结合国内某典型矿山进行实际的应用,所得结果与实际情况一致性较好,说明该方法可以提高矿井突水风险评价的有效性与准确性,具有较好的可行性。     

大断层采动“活化”导水特性研究

煤层回采引起的断层“活化”导水是矿井突水的一种重要形式,具有很高的危险性和隐敝性。依托具体的工程背景,建立简化的力学模型和数值模型,根据弹塑性力学和裂隙介质水动力学理论分析不同推进距离时断层面上的主应力和法向应力变化情况,并通过模拟计算得出回采过程中应力变化与塑性破坏特征。研究结果表明,新集矿区F10大型断层在煤层推进至距断层20 m位置时开始有“活化”趋势,断层带岩体位移值陡增到005 m,距10 m时断层面主应力急剧增大,峰值应力向浅部转移,断层带发生明显位移,孔裂隙扩张。为保证生产安全,需预设30 m防水煤柱,避免煤岩体突水通道沟通主干断层及承压含水层,该研究成果可为矿井生产提供一定的参考价值。     

基于KPCA-LSSVM的矿井工作面动力环境安全评价模型

为实现对采前工作面所处动力环境的客观、准确评价,选取9个直接影响工作面 动力环境的指标因素构建安全评价指标体系,建立基于核主成分分析(KPCA)和最小二乘 支持向量机(LSSVM)的工作面动力环境多因素耦合安全评价智能模型。首先根据KPCA理 论对评价指标施行简约化处理,剔除冗余信息,得出6个简约后的评价指标并输入LSSVM 模型中训练学习,最后得到评价模型。选取从平顶山矿区和大同矿区搜集到的30组工作 面历史数据,按照20∶10的比例对模型进行训练和测试,并将测试结果与其他四种模型 结果进行了对比,结果表明:KPCA方法可有效减少数据信息冗余,利用KPCA优化的 LSSVM模型可准确评价工作面动力环境,误判率为0。     

煤矿水害风险量化评价方法

为提高煤矿防治水管理水平，预防和消除矿井水害，在层次分析法的基础上建立中性值作为参照对象对矿井水害风险进行实时评判的方法。根据《煤矿防治水细则》建立以矿井水文地质类型、矿井涌水量标准分数、突水预兆、采掘面位置、探水结果为准则层的层次结构模型，并对各评价指标赋权。依据制定的水害风险评价指标的评分细则和监测监控数据并结合其权重得到水害评价总得分。通过总得分与中性参照分数比较得出预测结果:水害评价总得分大于中性参照分数，证明水害的威胁小，分数越高越安全；反之则水害的威胁较大，分数越低越危险，这时需要加强防治水的力度，令评价分数管控大于中性参照分数。这种方法依赖于井下监测监控数据进行量化评价，能实时、客观、全面且准确地反映煤矿水害的风险情况。