基于CNN-GRU的瓦斯浓度预测模型及应用*

为解决传统瓦斯浓度预测方法预测精度低和适用性不强等问题,提出运用卷积神经网络（CNN）提取瓦斯浓度时间序列的变化趋势及局部关联特征,应用门自适应矩估计（Adam）优化的控循环单元神经网络（GRU）,在关联特征基础上进行时序性预测的组合方法,并以铜川玉华煤矿监测数据为样本,对比CNN-GRU组合模型、传统机器学习模型LSTM和GRU模型的预测效果。研究结果表明:CNN-GRU模型的预测精度和收敛速度均优于LSTM和GRU模型;CNN-GRU平均绝对误差和均方根误差分别可降低至0.042,0.006,运行效率分别提高59.15%,35.04%,研究结果可为矿井瓦斯灾害防治提供依据。     

巷道顶板三维板梁结构的传力机制研究

为了揭示巷道开挖前后,巷道顶板三维板梁结构内应力场的演化规律,通过建立层状岩层的承载传力力学模型,研究了层间结构面和层状岩体变形对承载和传递应力的扰动作用,提出了层间结构面和层状岩体承载传力的能量分析方法,确定了层状岩体的应力传递和应变能密度解析解,揭示了结构面储能和层状岩体承载传力的影响规律,并在淮南张集矿1412A工作面开展工程应用。结果表明:法向刚度和切向刚度决定了层间结构面的储能能力,法向应力和切向应力决定了结构面的实际储能大小;岩层的承载应力并非等于上部岩层的负重,而是上部岩层的作用应力、自重应力、下位岩层的作用应力叠加的结果;应力传递效率与相邻上下层岩层的容重比呈正相关关系,与层厚比呈负相关关系,与弹性模量比呈负相关关系;1412A工作面开采时,1#煤顶板第1层薄的软弱泥岩无法承载上方岩层的重量,第2层厚的中砂岩可以承载上方岩层及自身重量,载荷应力为0.90 MPa,计算得到该类条件下基本顶初次断裂步距为30.7 m,与现场实测结果基本一致。