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。     

煤与瓦斯突出预测研究动态及展望

笔者总结了以突出敏感性指标预测为基础的接触式煤与瓦斯突出预测技术的发展现状 ;阐述了瓦斯地质理论研究进展情况 ;对统计学方法、计算机模拟、模糊数学、灰色系统理论、神经网络技术、专家系统、分形理论、流变与突变理论等数学物理理论在煤与瓦斯突出预测领域中的应用情况作了系统的描述 ;对GIS技术、无线电波透视探测技术及以地震波为主的弹性波技术为煤与瓦斯突出预测技术的发展前景作了必要的分析。     

趋势面拟合法在煤矿瓦斯地质变量预测中的应用研究

从瓦斯地质学的观点出发,将反映煤层瓦斯基本参数的空间变化规律看做是与其赋存地质条件密切相关的连续函数。结合趋势面拟合及其模型优化的原理和方法分析得出了淮北矿业集团公司芦岭煤矿井田范围内瓦斯含量的变化及分布与其位置坐标的对应数值关系,依据该数值关系可对矿井深部采场和未开采区域实施比较准确、可靠的定量瓦斯预测。该方法也适用于其他具有相似特征的瓦斯地质变量分析。     

地质动力区划预测煤与瓦斯突出

为了确定煤与瓦斯突出矿井的突出危险区域,威胁区域和安全区域,提出基于地质动力区划的多因素模式识别概率预测方法预测煤与瓦斯突出的新思路。以鸡西滴道矿立井为研究对象,利用地质动力区划方法确定不同尺度和级别构造运动的特征,建立板块构造学说与矿井工程实际的联系,将对矿井煤与瓦斯突出产生影响的因素为参数,采用多因素模式识别概率预测方法划分研究区域内的危险区域。研究表明该方法对煤与瓦斯突出区域预测的合理性与有效性,可以在实际工程中应用推广。     

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。     

改进BP算法在煤与瓦斯突出预测中的应用

为了正确预测煤与瓦斯突出的趋势与危险性 ,基于反向BP神经网络 ,笔者提出了一种改进的BP网络模型 :为了加快BP网络的收敛速度 ,增强其跳出局部极小点的能力 ,采用了自适应变步长法和改进模拟退火法 (SA法 )相结合的方法。实际应用表明 ,该模型收敛速度快 ,准确性高 ,具有较高的可靠性和实用性 ,是一种十分有效的煤与瓦斯突出危险性预测方法。     

金地井田煤层瓦斯分布规律研究及工作面瓦斯涌出量预测

掌握煤层瓦斯分布规律是保证矿井安全生产的必要技术条件之一。根据金地井田的地质构造特征,由现场实测8号、13号煤层瓦斯含量和气体组分实验室分析测定结果,结合煤层瓦斯垂直分带理论,判定金地井田范围内8号、13号煤层均处于瓦斯风化带。应用分源预测法,对金地井田不同生产时期的回采工作面瓦斯涌出量含量进行预测,认为受井田中东部大面积13号煤层隐伏露头影响,8号、13号煤层处于瓦斯风化带中的氮气-甲烷带,但无法进行瓦斯变化样度计算。该研究可为该矿井投产后瓦斯安全管理提供量化参考。     

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。     

以涌出量预测原始瓦斯含量方法的应用

本论文结合鸿岭煤业有限公司井下实测点具体分析原始瓦斯含量的计算过程,得出各个测点的原始瓦斯含量有三部分组成,现场解析瓦斯含量、实验室残存瓦斯含量、损失瓦斯含量。     

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。     

基于集成学习的改进灰色瓦斯浓度序列预测

为有效提高煤矿瓦斯浓度动态预测精度,基于微分方程理论和最小二乘法,从灰色预测模型静态灰色作用量出发,优化灰色作用量,推导幂指数型灰色作用量的改进灰色瓦斯浓度预测算法,推导基于集成学习不同灰色作用量幂指数型灰色瓦斯预测模型,进而研究吉林八连城长期和短期瓦斯浓度监控数据预测精度.结果表明:瓦斯浓度时间序列近似线性时,基于集...     

常用经验模型预测煤屑瓦斯解吸量对比分析

为研究常用瓦斯解吸经验模型对解吸量预测准确性,基于容量法试验测定长时间的煤屑瓦斯累计解吸量,通过截取不同时段的瓦斯解吸量数据回归拟合得到常用解吸经验模型参数,并将其代入模型中计算出瓦斯解吸量与试验测定量进行对比。研究结果表明:各常用经验模型公式对不同时间段数据拟合都表现出较好的效果;巴雷尔式不适合用于煤屑的瓦斯解吸预测;指数型经验模型公式计算得到曲线受制于拟合数据时间段长短,在拟合时间段后很快趋于平直而低估累计瓦斯解吸量;乌斯季诺夫式适合用于短时间煤屑瓦斯解吸数据推算长期瓦斯解吸量;重庆-文特式适合用于预测短期瓦斯解吸量,而利用较长时间段瓦斯解吸量数据推算煤屑瓦斯解吸量宜采用艾黎式。该研究成果对于煤的瓦斯涌出及煤层气产能预测有着重要实际意义。     

基于反赋权与MBCT-SR多维云模型算法岩爆预测研究

基于岩爆事故的模糊性与随机性特征,为解决在当前岩爆烈度等级预测研究中,通过正向云发生器经验式计算多维云模型特征值进而导致预测结果主观性较强的问题.本文选取应力比Ts=σθ/σt、岩石脆性指数B=σc/σt以及弹性应变储能指数Wet作为评价指标,结合机器学习理论,采用多维逆向MBCT-SR云发生器算法对岩爆等级进行预测,...     

气瓶腐蚀缺陷应力分析及寿命预测*

为研究气瓶全生命周期腐蚀缺陷与剩余寿命的关系,基于ANSYS建立某型号车用压缩天然气钢瓶有限元模型,分析内腐蚀深度0.1~3.0 mm状态下,气瓶Mises应力分布与应力强度变化规律;根据应力分析,应用局部应力应变理论和修正的Manson Coffin公式进行寿命预测。结果表明:随着气瓶腐蚀缺陷的加深,气瓶额定载荷下的应力分布呈现向缺陷区域集中、应力强度增大的趋势,且腐蚀曲线存在明显拐点;使用应力分析与寿命预测相结合的方法,得出含腐蚀缺陷车用气瓶寿命—腐蚀深度关系曲线,可为气瓶安全使用管理提供参考。     

粒子群优化的RBF瓦斯涌出量预测

瓦斯涌出量是煤矿瓦斯灾害的主要来源,它直接影响煤矿安全生产和经济技术指标。瓦斯涌出量的传统预测方法是将其影响因素线性化后提出的,具有一定的局限性。本文基于群体智能理论,提出了一种基于粒子群算法优化的RBF神经网络瓦斯涌出量预测模型。研究表明RBF神经网络预测精度与网络权值和RBF参数初始值有很大关系,因此本文采用粒子群算法优化RBF网络权值和其他参数,形成PSO-RBF预测模型。该模型通过计算种群粒子的适应度,确定全局最优值,寻找网络参数的最优值。实验结果表明PSO-RBF优于传统的RBF预测模型,训练速度和预测精度显著提高。     

基于数据填补-机器学习的煤与瓦斯突出预测效果研究*

为解决煤与瓦斯突出事故数据集少,数据缺失严重的问题,提出将多重插补（MI）和随机森林填补(MF)应用于填补缺失参数,并将填补前和填补后的数据输入SVM,ELM,RF 3种机器学习算法进行训练,构建9种耦合模型。采用总体准确率、局部准确率、运行时间这3种指标评价模型性能。研究结果表明:采用数据填补算法后,由于训练样本增大,煤与瓦斯突出事故预测的总体准确率提高,运行时间增长;MF-RF模型的总体准确率与事故预测准确率最高,分别为97.90%和98.93%;RD-ELM模型的运行时间最短,为0.24 s;多重插补使得煤与瓦斯突出预测的总体准确率提高0.98%~1.11%,随机森林填补总体准确率提高5.13%~7.50%,随机森林填补的效果好于多重插补。     

基于人工神经网络的气体泄爆最大超压预测研究

为解决传统经验公式在预测气体泄爆中最大超压出现时的较大偏差或过于保守的问题,提出使用人工神经网络预测气体泄爆最大超压。基于124组实验数据,采用BP与RBF神经网络,通过优化算法计算与迭代循环对泄爆样本中的影响因素进行降维与选择,并确定2类神经网络本身在学习与计算气体泄爆样本时的相关参数。结果表明:PCA（主成分分析法）在当前样本条件下的降维效果较差,而通过迭代对比确认气体泄爆样本中的5类特征全部保留时神经网络的训练模拟效果最好;通过对124组实验数据进行随机挑选训练集与测试集的训练模拟结果发现,神经网络对气体泄爆中最大超压的预测效果较好;通过对比Molkov提出的和经Fakandu等改进的NFPA 68经验公式以及2类神经网络的预测结果表明,神经网络相比于传统气体泄爆经验公式具有明显优势。     

煤体初始瓦斯涌出规律预测煤巷突出危险性研究

为提高煤巷突出危险性预测的准确性,基于摩尔库伦准则,建立煤巷突出平衡方程,探究煤巷突出发生条件;通过COM-SOL Multiphysics模拟软件探究钻孔瓦斯涌出量和瓦斯压力的关系;利用ZTL20/1000-Z型矿用隔爆型连续流量法煤层巷道突出预测装置,以薛湖煤矿二煤层为试验对象,进行煤巷突出危险性预测试验研究.结果...