基于可拓模式识别的煤与瓦斯突出危险性分析

为了有效识别煤与瓦斯突出的危险性,运用可拓理论和熵理论建立了基于熵权的可拓模式识别模型。熵权和关联函数的建立避免了权系数和综合隶属度确定的主观性。利用该模型对某能源有限公司3个工作面的突出危险性进行识别分析,不仅得出了各工作面的突出危险性程度,还得出了各工作面突出危险性大小的排序。结果表明,基于可拓模式识别的方法既可以确定单一对象的隶属模式,又可以对多个识别对象进行排序,而且识别过程宜于编制计算机程序求解,计算简单,易于在现场推广应用。     

矿井煤与瓦斯突出危险性预测的模式识别研究

在查明多个突出影响因素与突出危险性之间内在联系的基础上,应用地质动力区划方法确定区域地质构造模型,并结合地应力测量方法和数值模拟,综合应用VB、VC完成模式识别系统设计和应用软件开发,在地理信息系统(GIS)支持下建立多因素模式识别模型.用多因素模式识别预测方法进行煤与瓦斯突出危险性的区域预测,划分淮南矿务局谢一矿井田的煤与瓦斯突出危险区、突出威胁区和无突出危险区,对煤与瓦斯突出危险性做出评估.     

基于灰色系统理论的煤与瓦斯预测预报系统的研究

本文将煤体温度变化、电磁辐射、声发射以及煤的破坏类型和煤层的地质构造综合起来考虑,应用灰色系统理论中的多维灰色评估方法,对煤与瓦斯突出灾害进行预测,以提高瓦斯突出预测预报的准确性。并编制了煤与瓦斯突出预测预报系统软件,为煤与瓦斯突出预测提供一种新思路和新方法。     

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。     

国外几种常用的煤和瓦斯突出的日常预测法

进行煤和瓦斯突出预测,不仅能保证突出煤层开采时的人身安全,而且能减少采取防止突出措施的盲目性。因此,世界各主要采煤国家都加强了突出危险性的研究,并特别注意发展和改进日常预测方法,以期及时预报突出危险。     

基于GIS的煤与瓦斯突出危险性预测管理系统的研究

运用地理信息系统(GIS)设计开发了煤与瓦斯突出危险性预测管理系统。系统采用了SuperMap平台和SQLServer 2005数据库管理系统,并采用VC++6.0可视化开发环境进行开发,将地理信息技术和煤与瓦斯突出危险性预测结合起来,可以实现煤与瓦斯突出预测的信息管理及预测,为提高贵州煤矿企业的安全生产提供有力的技术支持,降低事故发生的概率。     

基于属性识别模型的建筑物火灾危险性评价

建筑物是一个集人员与财产于一体的系统,一旦发生火灾,后果不堪设想.利用层次分析法并结合属性识别理论,建立了建筑物火灾危险性的层次-属性识别模型.聘请10位专家对建筑物火灾危险性的评价指标体系的24项指标进行评价,利用层次分析法确定各评价指标的权重以计算综合属性测度区间,应用置信度准则和评分准则对建筑物火灾危险性进行属性识别.并对某大学3#教学楼的火灾危险性进行了评价,得出火灾危险性等级为危险性较小,安全性较好,也说明了该建筑物需要进一步采取安全措施,加强安全管理,提高其安全程度,避免火灾事故的发生.     

基于支持向量机的煤与瓦斯突出预测研究

为准确预测矿井煤与瓦斯突出的危险性,针对煤与瓦斯突出样本的不足从一定程度上制约了基于知识的方法在煤与瓦斯突出预测中的应用这一问题,利用支持向量机在小样本情况下具有较强识别能力的特点,提出了煤与瓦斯突出的支持向量机预测方法。对煤与瓦斯突出影响因素进行灰关联分析,提取特征向量。选用典型突出矿井的煤与瓦斯突出实例作为学习样本,以云南恩洪煤矿的突出实例作为预测样本,将支持向量机预测结果与其他预测结果进行对比。结果表明支持向量机模型能够满足煤与瓦斯突出预测的要求。     

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。     

“三软”煤层煤与瓦斯突出事故树分析

掌握煤与瓦斯突出危险性和主要影响因素对突出防治至关重要。运用安全系统工程重要的系统分析方法——事故树分析法对"三软"煤层煤与瓦斯突出危险性进行系统分析,构建了"三软"煤层条件下煤与瓦斯突出的事故树,进行了定性分析和定量计算。结果表明,煤与瓦斯突出发生的概率为0.216 5,导致突出的可能途径有24种,预防突出的可能方案有5种,并计算出了各基本事件的结构重要度、概率重要度和临界重要度,确定了"三软"煤层中影响煤与瓦斯突出各因素的重要程度。     

论我国防治煤与瓦斯突出技术的发展方向

指出了我国在防治煤与瓦斯突出方面值得注意的问题,论述了突出矿井合理的采掘部署在防突中的重要作用,提出了把《四位一体》的综合防突措施发展为《五步配套》的综合防突体系;阐明了煤矿建设和生产各阶段的主要防突任务,并对完善防突预测预报体系提出了建议;强调了全面开展区域性预测预报技术的研究和加快发展利用声发射技术预测预报防突的重要意义。     

石门揭煤工作面煤与瓦斯突出预测的理论分析

目前,我国石门揭煤工作面突出事故仍时有发生。为了研究石门揭煤工作面煤与瓦斯突出(以下简称"突出")预测问题,首先,根据工作经验指出我国《防治煤与瓦斯突出规定》中2种预测方法(综合指标法、钻屑瓦斯解吸指标法)存在的不足,即预测指标缺乏理论依据、临界值往往难以通过试验考察确定;其次,建立了石门揭煤工作面突出预测的物理模型,认为突出主要是爆破卸压增渗与瓦斯渗流产生的剪应力达到了煤体的剪切强度所致(突出的必要条件而非充要条件);第三,采用变分法求解强非线性一维平面瓦斯渗流偏微分方程,获得包括非线性特性的自模拟解(近似解析解);最后,利用自模拟解等建立了石门揭煤工作面突出预测的临界条件,得到了瓦斯压力的临界值p0max与煤的坚固性系数f的平方成正比的结论。介绍了俄罗斯现行防突指南中的临界条件(p0max1.4f2)及有关情况,建议作为综合指标法等的辅助指标用于石门揭煤工作面突出预测,也可供斜井、立井揭煤工作面突出预测参考。     

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。     

模糊神经网络在新庄孜矿立井井筒揭煤中的应用

立井掘进穿过煤层时,模糊神经网络能够提取、捕捉隐藏在大量历史数据中的规律,将模糊数学与神经网络紧密地结合起来,建立模糊神经网络预测系统,为煤与瓦斯突出区域危险性预测提供了一种新的思路和方法。     

瓦斯压力对煤与瓦斯射流突出能量的影响

瓦斯压力是煤与瓦斯突出的主要动力源,其与突出能量的关系尚不明确。将煤与瓦斯突出视为煤-瓦斯气固两相射流突出,在分析煤与瓦斯射流突出过程的基础上,建立了煤与瓦斯射流突出数值模型,给出了突出能量表达式。通过理论分析、数值模拟相结合,得到了瓦斯压力对煤与瓦斯突出能量、突出强度、瓦斯涌出量等参数的影响规律。结果表明,突出发生时,突出能量具有波动性,即以突出口为界存在能量集聚骤升区和能量释放衰减区。能量集聚骤升发生在突出孔洞至突出口段,瓦斯-煤两相流突出速度成倍增大;能量释放主要发生在突出口附近和巷道中,瓦斯-煤两相流突出速度逐渐减小。煤与瓦斯射流突出产生强烈涡旋,在顶板、底板处尤为显著,与现场观察到的突出后顶板有摩擦和划痕、底板突出煤粉有分选现象一致。瓦斯压力与突出能量间呈线性增加关系,与突出强度和瓦斯涌出量均呈幂指数增加关系。计算得到的煤与瓦斯射流突出能量量级与前人结论基本吻合,结果可为煤与瓦斯突出能量预测提供参考。     

基于BP神经网络的煤与瓦斯突出预测系统开发

煤与瓦斯突出影响因素多,难以为其建立合适的多指标非线性预测模型,为提高突出预测的准确性和增强预测预报方法的实用性,采用改进的BP算法建立煤与瓦斯突出预测数学模型。通过研究不同算法的突出预测效果,对已建模型的泛化能力进行检验,利用Matlab GUI和神经网络工具箱设计开发煤与瓦斯突出预测系统,通过向系统输入已知的突出样本数据,经过学习、训练,实现对未知参数的预测。仿真结果表明:网络在训练300次后,误差训练曲线的均方差(MSE)可以达到10-15,实际预测误差也小于0.1,系统得到的5组数据预测结果与实际情况相符。     

煤与瓦斯突出过程中煤体瓦斯的作用研究

为了研究煤与瓦斯突出过程中煤体瓦斯的作用,采用煤体中瓦斯总量守恒的原理研究瓦斯含量与瓦斯积聚内能的基本方程和影响因素;分析煤与瓦斯突出产生的力学条件和机理,建立了煤与瓦斯突出危险程度的矩阵图。结果表明:瓦斯含量是煤体瓦斯内能最直接的反应,其值大小决定瓦斯内能的大小;瓦斯压力梯度、煤体的断裂韧性及煤体内的裂隙发育程度决定着瓦斯突出的危险性,低渗透性构造煤对瓦斯运移阻力较大,容易形成较大的瓦斯压力梯度,从而更容易发生煤与瓦斯突出。煤层中的瓦斯含量、瓦斯压力、地应力越大,煤体的强度、渗透率越小,越容易发生突出。煤层瓦斯情况、力学性能、地质构造和煤层的应力状态是决定煤与瓦斯突出的主要因素。     

煤与瓦斯突出的物理模拟和数值模拟研究

利用自行设计的实验装置,通过现场采集具有突出倾向的煤样,分别向实验装置煤样中充入吸附能力较大的CO2和吸附能力较小的N2来模拟不同级别的煤与瓦斯突出现象,物理试验结果表明:瓦斯压力越大,突出强度越大;当瓦斯压力相近时,吸附和解吸能力大的瓦斯突出强度大。通过数值模拟对煤与瓦斯突出进行研究,数值模拟再现了煤矿开采过程中诱发的煤与瓦斯突出全过程,同时验证了煤与瓦斯突出是瓦斯压力、地应力及煤岩体的力学性质综合作用的结果,该验证对进一步深入理解认识煤与瓦斯突出的机理具有重要的理论和实践意义。     

基于MMAS-BP的煤与瓦斯突出强度预测

为提高煤与瓦斯突出强度的预测精度及预测速度,用最大最小蚂蚁系统和BP神经网络相结合的方法进行预测模型设计。根据煤与瓦斯突出强度及其主要影响因素之间的关系数据,建立其神经网络的预测模型。以网络的权值和阈值为自变量,网络误差为目标函数,通过蚁群算法的迭代运算,搜索出误差的全局最小值,以实现BP神经网络的初始权值、阈值优化,并用优化后的网络进行瓦斯突出强度的预测。实例结果表明,MMAS-BP算法的预测值均方差为0.089,约为BP神经网络的0.1倍,且输出稳定性好,适用于煤与瓦斯突出强度的预测。