下向穿层钻孔条带预抽瓦斯技术研究

针对潘三矿17181(1)运输顺槽面临的煤与瓦斯突出问题,结合11-2煤层透气性系数低、裂隙水发育等特点,为提高穿层钻孔条带预抽效率,运用掏穴增透和深孔松动爆破进行增透的同时,通过采用钻场注浆防水,钻孔自动排水等措施,降低水对穿层钻孔条带预抽煤巷瓦斯的影响。通过效果考察对比,结果表明:抽采69天后,累计抽采瓦斯14.91万立方,抽采率达到51.5%,平均抽采浓度35%,百孔抽采纯量1.2m3/min,能够达到条带预抽瓦斯消突的目的。     

基于限定记忆模式的GM-RBF水质在线软测量技术研究

针对现阶段水质监测中存在的水质变化响应滞后问题,提出一种限定记忆模式的GM-RBF水质在线软测量技术。该技术以软测量的基本思想为基础,通过引入基于记忆代数的代谢因子,变一维水质指标变量为多维"辅助变量"和"主导变量",并嵌入限定记忆控制项来防止陈旧信息引起的数据饱和,从而构建出动态建模数据集,最后利用GM-RBF组合模型实现了水质指标参数的多维非线性在线测量。实例验证中成功地对太湖流域沙渚断面水质进行了在线仿真测量,得出该断面水质在2015年呈现出先下降、再上下波动、后急速上升的变化趋势,其预测结果与实际情况基本相符;限定记忆模式下的GM-RBF水质在线软测量组合模型的预测误差MAE、MAPE、RMSE和RRMSE分别为0.203 7、0.020 5、0.251 1和0.033 9,与单一GM模型和RBF模型相比,该组合模型体现出离散性小、变化趋势与实测数据高度吻合的特点,兼具了GM模型和RBF模型的双重特性,且非线性拟合能力和泛化性能都得到了大大的提高。     

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。