冲击地压的无触点预测法

开采有用矿物时,由于采矿地质条件多种多样,预测冲击地压需要采用不同的方法:电测法、超声波法、地震法、孔底或孔壁压模法、岩心回收率法等。其中任何一种方法不仅有优点,也有缺点(进行研究的长期性;需要与被研究的岩体接触;需要2～     

华丰煤矿破解深井冲击地压防治难题

山东新汶矿业集团华丰煤矿依靠科技创新攻克深井开采冲击地压防治技术，破解了一项煤炭开采业的国际性难题。     

基于GA-ELM的冲击地压危险性预测研究

为提高冲击地压预测的效率和准确率,在分析冲击地压影响因素的基础上,提出了一种将遗传算法(GA)与极限学习机(ELM)相结合的冲击地压预测的新方法。为了避免ELM受输入权值矩阵和隐含层偏差随机性的影响,算法采用GA对ELM的输入权值矩阵和隐含层偏差进行优化,建立GA-ELM冲击地压预测模型。利用某矿冲击地压统计数据对该模型进行了实例分析,将ELM、SVM和BP算法预测结果与该模型进行了对比分析。结果表明:GA-ELM模型具有较高的预测精度,可以相对准确、有效地对冲击地压发生的可能性进行预测。     

基于CFOA-GRNN的冲击地压危险等级预测

针对冲击地压影响因素模糊、非线性等特性,选用一种混沌果蝇优化算法改进的广义回归神经网络(CFOA-GRNN),通过引入混沌扰动因子,增加网络的参数搜寻能力,建立冲击地压危险等级预测模型。模型选取煤层厚度、埋深等10个主要影响因素。以砚台煤矿的35个样本数据对模型进行学习、训练和预测,并将预测结果与传统预测模型的结果进行比较;同时采用敏感性分析法,评价各主要因素对模型精度的影响。结果表明煤层倾角影响最大,其次为卸压方式。研究表明,所构建的CFOA-GRNN模型正确率为92.8%,明显优于传统预测模型。     

基于优化Bagging-LSSVM模型的冲击地压预测

为准确预测冲击地压危险性,提出一种优化Bagging算法动态集成的最小二乘支持向量机(LSSVM)的预测模型。在设计和优化Bagging-LSSVM模型流程的基础上,引入经典分类数据集,验证模型的可行性,并通过试验得出实现模型最优分类条件下的基分类模型数的最小值。综合考虑冲击地压的主要影响因素,确定其评判指标;以重庆砚石台煤矿的35组实测数据为试验样本,利用核主成分分析(KPCA)消除指标间的相关性,对比分析样本数据处理前后应用模型的预测效果;比较优化Bagging-LSSVM模型、优化Bagging-SVM模型和LSSVN模型预测冲击地压危险性的准确率。结果表明:经KPCA处理后的样本相较于原始样本,其应用于优化Bagging-LSSVM模型的预测准确率更高,耗时更少;且优化Bagging-LSSVM模型预测冲击地压危险性的准确率高于其他模型。     

基于距离判别分析法的冲击地压预测研究

考虑影响冲击地压的矿山地质因素和开采技术因素,提出预测预报冲击地压危险性的距离判别分析方法。选用煤层开采深度、顶板岩性、地质构造复杂程度、煤层倾角、煤层厚度、开采方法、有无煤柱、炮采或综采8项指标作为距离判别分析模型的输入变量,并以工程实测数据作为学习样本进行训练,建立相应判别函数对待判样本进行预测。研究结果表明,距离判别分析模型学习性能良好,预测精度高,回判估计的误判率为零,是冲击地压预测预报的一种有效而实用的方法。     

预测冲击地压危险性等级R型因子Fisher判别

为提高小样本预测冲击地压危险性等级精度,提出一种R型因子分析Fisher判别的预测模型。以砚石台煤矿为例,利用R型因子分析处理冲击地压危险性评价指标,提取原有指标特征信息,用少量主因子代替原有评价指标,定性分析冲击地压危险性等级;采用Fisher判别法分析R型因子分析处理结果,确定评价集与不同危险等级冲击地压的距离,并回判训练集,提高判断矩阵精确度;再根据判断矩阵预测冲击地压危险性等级。结果表明:该模型可弱化指标间的相互影响,明显提高小样本预测准确度。     

基于网格搜索和ELM的冲击地压危险等级预测

为提高冲击地压危险等级预测模型的泛化性能及预测精度,采用网格搜索法结合十折交叉验证法对极限学习机(ELM)中的隐含层神经元个数及激活函数的类型进行组合优化,进而建立冲击地压危险等级预测模型;选取重庆砚石台煤矿36组实测数据进行试验,对影响因素数据进行标准化处理,选择其中26组样本对模型进行训练,采用该模型对后10组样本中冲击地压危险等级进行预测,并与其他方法作对比。结果显示:经过十折交叉验证,用该模型得到的正确识别率为84.615%,高于朴素贝叶斯及Adaboost M1的76.92%、61.54%,采用该模型对测试样本集中冲击地压危险等级进行预测,预测准确率为90%,高于朴素贝叶斯及Adaboost M1预测准确率80%。     

华丰矿冲击地压危险性预测及区域防治技术研究

针对华丰矿巨厚砾岩断裂会对采场造成冲击地压灾害且冲击地压主要发生在1411工作面回风巷的现象展开研究,并采用区域动力规划方法对巨厚砺岩断裂进行划分。通过分析围岩应变与应力的关系,提出工作面采用错层位内错式巷道布置形式的方案。同时,由于巷道布置形式的优化造成覆岩离层分区发生变化,为进一步通过控制砾岩的断裂运动降低发生冲击地压的危险性,提出覆岩离层注浆的新技术。工程实践表明:采用新方案后1411工作面回风巷上方为上区段采空区垮落的矸石,吸收了绝大部分砾岩断裂产生的能量,改变了1411工作面回风巷发生冲击地压的现象。从注浆效果来看,有效控制了砾岩运动及其引起的地表下沉,大幅度节省了注浆钻孔工程量。     

基于卷积神经网络的冲击地压预警方法研究*

为探究深度学习在冲击地压预警方面的应用前景,以新疆某冲击地压矿井为研究背景,将深度学习和专家评判运用到微震数据分析中,基于卷积神经网络构建冲击地压预警模型。充分利用一维卷积神经网络对时序数据有较强特征提取能力的优势,以微震数据及其特征参数作为输入,以专家评判值作为标签,借助Python-Keras框架实现冲击地压预警模型的构建和训练。研究结果表明:模型预警效果并不随着训练迭代次数的增加而逐渐最优,存在最优迭代次数,对于所建模型当迭代次数为30时测试集的冲击危险预测结果与专家评判结果基本吻合,同时说明模型可以较好地学习专家评判经验实现冲击地压预警。研究表明所建模型对研究时段内发生的5次大能量矿震事件均进行预警,其准确度较高,具有现场实际应用价值。     

基于NRS-ACPSO-SVM的冲击地压危险性预测模型

为快速、准确地预测冲击地压危险性,提出基于NRS-ACPSO-SVM的冲击地压危险性预测模型。首先,在综合分析冲击地压危险性影响因素的基础上,以重庆砚石台煤矿为例,选取煤层厚度、倾角、埋深等10个影响因素作为冲击地压危险性的特征指标;然后,基于邻域粗糙集(NRS)理论对特征指标进行降维,提取出影响冲击地压危险性的关键属性构成约简集;最后,为避免支持向量机(SVM)模型受惩罚因子C和核函数参数σ随机性影响,采用自适应混沌粒子群算法(ACPSO)优化SVM模型参数,将约简集作为ACPSO-SVM模型的输入进行训练,利用训练好的ACPSO-SVM模型预测样本,并对比其他模型的预测结果。研究表明:NRS能有效地约简属性,简化模型结构,模型预测精度与运行效率均有明显提高;利用ACPSO优化SVM模型能避免结果陷入局部极值,提高收敛速度及预测精度,用该模型可有效地预测冲击地压危险性等级,其预测错误率为0。     

煤层注水预防冲击地压的研究

煤层注水防治冲击地压的方法简易、价廉、适应性广 ,同时具有降尘、降温及软化煤层功用 ,一举数得 ,可以作为冲击地压防治的首选措施。煤层注水防治冲击地压的机理以及注水过程中 ,对水在煤层中的运动规律还缺乏研究 ,因而工艺参数决定只能依靠经验 ,存在很大盲目性 ,必然影响防治效果。因此 ,笔者从水对煤物理力学性质的影响 ,对煤层注水防治冲击地压的机理等方面进行了分析和研究 ,认为煤层注水过程 ,实际上是水驱气的驱替过程 ,是有动界面的渗流力学问题 ,为此 ,进一步研究了水在煤层中的运动规律。研究的结果和有关数据 ,为制订煤层注水防治冲击地压的工艺参数提供依据 ,为有效地防治冲击地压的发生 ,提供了新的手段。     

煤层冲击地压防治技术现状研究

近年来随着我国浅部煤炭资源的枯竭,煤矿开采深度逐年加深,冲击地压灾害频发,造成了严重的人员伤亡和财产损失。通过系统整理分析了煤层发生冲击地压的主要影响因素,煤层自身具有冲击倾向性是发生冲击地压的必要条件,应力是外在动力,煤层含水率和煤体完整性是主要外部影响因素。整理并分析了主要煤层冲击倾向性判据、现场主要冲击地压预测预报监测设备和技术的优缺点及相关性。最后,按开拓规划设计、掘进开采阶段分别总结了现有的冲击地压防控措施。指出现有措施主要从以下3个方面进行冲击地压解危:降低应力集中程度、降低煤体质量、提高煤层含水量,即两个降低、一个提高。     

矿震与冲击地压防治研究进展

矿震与冲击地压是采矿领域亟待解决的热点、难点和瓶颈问题,为了有效控制矿震与冲击地压,综述矿震定义与分类、矿压假说及矿震与冲击地压防治技术,回顾切顶卸压理论及其在中厚金矿采空区处理与卸压开采、中厚及以下煤矿沿空留巷中的应用,并比较其与110工法的差异。据此,给出矿震定义,指出矿震与冲击地压发生的条件类似,针对厚矿体开采提出深埋坚硬顶板控制爆破切槽放顶技术。研究表明：控制爆破切槽放顶技术仍然是未来矿震与冲击地压防治中释放并转移高地压的主要方法,它还可将深埋厚矿体的“砌体梁”简化成弹簧岩梁承载体系。     

基于预处理的AFOA-ELM冲击地压危险预测模型

为提高冲击地压危险性预测准确率,提出一种基于预处理的改进的果蝇优化算法(AFOA)优化极限学习机(ELM)的预测模型。以重庆砚石台煤矿为例,选取其10个冲击地压危险性影响因素作为模型特征;以部分实测数据作为样本数据集并进行预处理,采用合成少数类过采样技术(SMOTE)构建平衡数据集,使用灰色关联分析法(GRA)及因子分析法(FA)降低特征维度;针对果蝇优化算法(FOA),引入跳脱变量和分类准确率方差变量构造AFOA,利用AFOA优化选取ELM的输入层权值及隐含层阈值,构建冲击地压危险预测模型,训练预处理样本数据、预测并对比其他模型预测结果。结果表明:数据集预处理可以显著提高AFOA-ELM模型预测效果;基于预处理的AFOA-ELM冲击地压危险预测模型,预测准确率为93. 75%,均方误差为6. 25%,预测精度显著优于其他对比模型。     

掘进中预防矿山冲击地压发生的措施

1 爆破卸荷 通过放置在炮眼（孔）中的少量炸药的爆炸,使周围的岩矿体产生破碎、裂隙等,从而在一定范围内得到卸荷。这是在巷道掘进时预防矿山冲击地压发生的一项有效的措施。1.1 用爆破孔（炮眼）爆破卸荷 （1）用超前孔爆破卸荷。当井巷掘进的前方为高应力区时,可以增加掘进炮眼（孔）的长度。孔之间的距离不大于1m,减量装药,按规定的顺序爆破,每次1～2个孔,多则4～5个孔,实行微差爆破。也可实行间隔式爆破。 （2）井巷一侧卸荷孔的布置。当掘进的井巷一侧应力升高并有发生冲击地压危险时,     

冲击地压与微震影响因素的关系研究

矿震的发生受多个因素耦合控制。为研究不同诱因条件下矿震分布对冲击地压的影响,基于反演计算推导,得到走时与临界距离公式,并借助微震检测手段,结合现场开采实际,从关键层运动、回采速度的稳定性的角度分析矿震发生机制与分布。研究发现,矿震的发生可分为若干个活动周期,强矿震的发生均处在矿震活动周期内峰值位置;关键层处微震信号最为集中,信号首先于基本顶处集聚,后逐渐向关键层扩展,后再次于基本顶处集中显现;回采速度的变化能够引起突发性顶板垮落,加快回采速度,会造成工作面前方出现高应力集中区,且高应力集中区随工作面的推进逐步向工作面靠近;日进尺突然增加使里氏震级与频次的曲线出现较为强烈的波动。     

回采中预防矿山冲击地压发生的措施

1 选择合理的回采顺序和采矿方法1.1 选择中央向两翼回采的顺序 塔什塔戈尔斯基矿于1981～1982年回采期间,曾形成2个矿块相向的回采顺序,产生了极高的动压,频率和能量均达到最高水平。研究表明,不管是整个矿床或单个矿块的回采顺序,都应从中央到两翼,尽量不留矿块间柱,以免矿柱回收时危险性更大。该矿采用的阶段强制崩落法就是从各水平的矿体中央向两翼回采的。为了对矿块中的矿体进行应力卸荷,在矿块中央沿最大应力作用方向开凿卸荷槽和安全补偿槽。采用深孔挤压爆破一步崩落矿石,不留矿柱,有发生矿山冲击地压危险的巷道,采用混凝土支护或可伸缩性