采煤工作面瓦斯涌出量分源计算

采煤工作面瓦斯涌出量计算是矿井通风设计和瓦斯治理的重要依据。根据煤层瓦斯涌出特点,将瓦斯涌出源分为煤壁、采落煤、运煤和采空区4个分源。基于采煤工作面瓦斯浓度监测数据中包含的各源瓦斯涌出信息,建立绝对瓦斯涌出量分源计算方法。以古汉山矿长壁采煤工作面为例,介绍该方法的应用过程。研究结果表明,通过分析采煤和准备工序期间单一或组合瓦斯浓度监测曲线特征,能够计算采煤工作面分源瓦斯涌出量。     

基于瓦斯涌出分源预测选择瓦斯抽放方法的研究

煤矿瓦斯抽放是瓦斯治理、降低瓦斯涌出量的有效方法和手段，要充分发挥瓦斯抽放的效用就必须合理选择抽放方法。利用瓦斯分源涌出预测的结果，按照瓦斯分源治理的思想，研究一种选择瓦斯抽放源的分析方法，避免生产中单纯依靠经验选择瓦斯抽放方法的传统模式，以改善抽放效果，提高矿井瓦斯事故防治水平，为安全生产提供保障。     

张集矿综采工作面瓦斯治理措施及效果分析

张集矿属于煤与瓦斯突出矿井,针对目前所开采的17266工作面地质构造条件复杂、瓦斯涌出量大、处于突出危险区等瓦斯治理难题,采取"风排瓦斯、高抽巷穿层钻孔抽采、运输巷、回风巷顺层钻孔抽采和上隅角埋管抽采"等瓦斯综合治理措施,用分源预测法得出工作面绝对瓦斯涌出量为30.3 m3/min。结果表明,工作面的主要瓦斯涌出来源为本煤层瓦斯涌出。工作面风排瓦斯量11.0 m3/min,工作面瓦斯抽采率达63.0%以上。     

综采面瓦斯来源及分布规律现场实测分析

为了分析综采工作面瓦斯涌出来源与分布规律,提出了通过单元法现场测试工作面各瓦斯涌出源所占比例以及工作面瓦斯分布规律,研究结果表明,15102工作面采空区瓦斯涌出量占工作面瓦斯总涌出量的20.75%,来自落煤及煤壁的瓦斯占工作面瓦斯总涌出量的79.25%。在工作面上隅角位置,风流经上隅角将大量采空区瓦斯带出,致使采空区瓦斯进入工作面,引起工作面瓦斯浓度剧烈变化。研究结论对矿井采取合理的工作面瓦斯治理措施具有重要的指导意义。     

鼎盛煤矿瓦斯抽采方案优化设计

本文采用分源法对鼎盛煤矿2号煤层开采期间的最大瓦斯涌出量进行预测,根据2号煤层瓦斯储量情况及涌出量预测结果,必须进行抽放。并采用本煤层预抽和采空区抽放相结合的方法,对2号煤层抽采方案进行优化设计。     

矿井瓦斯涌出量预测的灰色建模法

简要介绍了瓦斯涌出量的常用预测方法 ,指出了各种预测方法的弊端 ,从矿山实际出发 ,把非等间距数列变为等间距数列 ,根据灰色理论提出的预测方法 ,利用不同采深瓦斯涌出量的原始数据建立矿井瓦斯涌出量的动态GM(1,1)模型 ,进行瓦斯涌出量预测 ,选择了合理的误差检验模型 ,并通过实例说明了GM(1,1)模型在预测瓦斯涌出量中的应用 ,结果表明预测程度较高。对矿井延深做好瓦斯涌出量预测并进行矿井安全生产具有很好的指导意义。     

回采工作面瓦斯涌出特征及其灰色预测模型

在分析回采工作面瓦斯涌出特征的基础上 ,分别建立了回采工作面瓦斯涌出量与采深和工作面产量关系灰色预测 GM(1,1)改进模型 ,以预测工作面在不同采深与产量时的瓦斯涌出量。实际应用表明 ,预测模型可信 ,精度能满足要求。     

采煤工作面瓦斯涌出量预测的神经网络模型

正确预测瓦斯涌出量,对于指导矿井设计和安全生产有重要意义。为此,应用神经网络理论,建立了采煤工作面瓦斯涌出量的预测模型,对其影响因素进行了权重排序,并确定了关键因素。实际应用表明,预测模型可信,精度能满足要求。     

用灰色建模法预测矿井瓦斯涌出量

在分析了传统的矿井瓦斯涌出量预测方法的基础上 ,应用灰色系统理论 GM(1,1)模型 ,对矿井瓦斯涌出量进行预测 ,并在实际中得到了较好的验证。     

自适应神经网络在确定落煤残存瓦斯量中的应用

落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节，它直接影响着采掘工作面瓦斯涌出量预测的精度，并与煤的变质程度、落煤粒度，原始瓦斯含量、暴露时间等影响因素呈非线性关系，人工神经网络具有表示任意非线性关系和学习的能力，是解决复杂非线性，不确定性和时变性问题的新思想和新方法，基于此，作提出自适应神经网络的落煤残丰瓦斯量预测模型，并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究，结果表明，自适应调整权值的变步长BP神经网络模型预测精度高，收敛速度快，该预测模型的应用可为采掘工作面瓦斯涌出量的动态预测提供可靠的基础数据，为采掘工作面落煤残存瓦斯量的确定提出了一种全新的方法和思路。     

回采工作面瓦斯涌出量VMD-DE-RVM区间预测方法

为有效、准确地预测回采工作面绝对瓦斯涌出量,基于变分模态分解(VMD)方法;差分进化(DE)算法和相关向量机(RVM)原理,提出回采工作面绝对瓦斯涌出量的VMD-DE-RVM区间预测方法;通过VMD方法将绝对瓦斯涌出量分解为若干固有模态分量并分析其局部特征,分别建立每个固有模态分量的RVM预测模型,并通过DE算法优化模型参数以提高预测精度;加权叠加各个分量的预测结果得到绝对瓦斯涌出量预测结果,并将其与经验模态分解方法所得结果对比。结果表明:应用该方法预测回采工作面瓦斯涌出量,能弱化瓦斯涌出量的局部特征,得到置信度为95%时涌出量预测区间有效度为100%,平均绝对误差为0. 096 m3/min,平均相对误差为2. 43%,预测精度有所提高。     

基于正交试验-多元回归的煤矿瓦斯涌出量预测

为了快速准确地预测工作面瓦斯涌出量,简化瓦斯涌出量预测建模过程,将正交设计方法与多元回归分析相结合提出了简化的预测模型,并针对实际矿井数据进行应用.结果表明,结合正交设计中的极差和方差分析可以有效剔除对瓦斯涌出量影响不显著的因素,该剔除结果与SPSS软件显著性分析结果一致,利用SPSS软件对剩余的瓦斯涌出量影响因素进行多元回归分析得到相应的回归模型,经检验其预测结果相对误差平均值为1.76％,回归模型具有较高的精确度,可为煤矿瓦斯涌出量预测工作提供一定的参考.     

回采工作面瓦斯涌出量预测的神经网络方法

回采工作面瓦斯涌出量受煤层瓦斯含量、工作面产量和采煤方法等各种因素的影响 ,笔者通过研究得出 :回采工作面瓦斯涌出量与煤层的赋存条件和开采条件之间是一种非线性关系 ,但目前还难以用精确的数学建模来求解。因此 ,提出了一种应用BP人工神经网络模型和算法 ,建立工作面瓦斯涌出量预测模型 ,从而预测不同开采条件下回采工作面瓦斯涌出量。实际应用表明 ,模型精度能满足要求。笔者还对隐含层神经元数目对步长影响作了讨论。     

基于可变模糊组合方法的瓦斯涌出量预测

矿井工作面瓦斯涌出是一个动态不确定过程。在分析了影响瓦斯涌出因素基础上,将可变模糊聚类与可变模糊模式识别两种模型相结合,提出了一种瓦斯涌出量预测的可变模糊组合方法。该方法首先利用粗糙集理论确定权重初值及各因素的重要性,然后利用可变模糊聚类模型求解最优模糊分类中心矩阵和最优权重,最后利用模式识别模型对待预测样本进行预测。以某矿井瓦斯涌出量预测为例,给出了具体预测过程。结果表明：可变模糊组合方法可行、有效。     

支持向量机法在煤与瓦斯突出分析中的应用研究

通过分析采煤工作面煤与瓦斯涌出量与地质构造指标的对应关系,应用支持向量机(SVM)方法对煤与瓦斯涌出类型及涌出量进行分析。建立两类突出识别的SVM模型、多类型突出识别的H-SVMs模型以及预测瓦斯涌出量的支持向量回归模型。研究结果表明:SVM方法能够很好地对煤与瓦斯突出模式进行识别,所建立的采煤工作面瓦斯涌出量预测模型的精度高于应用BP神经网络预测精度;SVM理论基础严谨,决策函数结构简单,泛化能力强,并且决策函数中的法向量W可以反映突出模式识别的地质结构指标的权重。     

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。     

基于探采对比的煤层瓦斯含量分析及预测

针对新建矿井地勘瓦斯含量测值偏低和井下实测瓦斯含量较少的特点,结合工程和科研实践,提出了利用大量的工作面瓦斯涌出量反演煤层原始瓦斯含量技术和基于探采对比的煤层瓦斯含量预测方法。以邹庄井田32煤层为研究对象,在考虑瓦斯抽采情况下计算3204工作面瓦斯涌出量,并反演该工作面煤层原始瓦斯含量。通过对比采掘过程中获得的瓦斯含量和地勘瓦斯含量,得到不同钻孔深度时的地勘瓦斯含量修正系数,并采用瓦斯地质研究方法对32煤层分3个单元进行瓦斯含量预测。结果表明:32煤层瓦斯含量整体呈现"东部大于西部,北部大于南部"的规律,与临近矿井具有相似的瓦斯赋存规律。这表明利用探采对比的方法预测煤层瓦斯含量是可靠的。     

瓦斯异常区域高位裂隙抽放技术探析

城郊煤矿为瓦斯矿井,但2703工作面属于瓦斯异常区域。在工作面回采期间,瓦斯涌出量不断增加,工作面瓦斯易超限,严重制约了工作面的正常回采工作。为了达到降低工作面瓦斯浓度,解决工作面瓦斯超限,实现工作面的安全、高效回采工作,采取了高位裂隙瓦斯抽放钻孔对煤岩层卸压带瓦斯进行抽放,取得了良好的效果。     

掘进巷道瓦斯分布数值实验研究

根据局部通风流场特点确定适合矿井局部通风掘进巷道工作面瓦斯与风流质量交换的数学模型,在近壁面使用标准壁面函数法解决近壁面的流动,在湍流充分发展区,使用RNG k-ε双方程湍流模型;讨论考虑巷道支护的情况下壁面粗糙度的影响,确定矿井掘进工作面局部通风模型网格划分的方法、掘进头瓦斯涌出的边界条件;利用计算流体力学(CFD)软件Fluent对掘进工作面的风流与瓦斯的混合过程进行了模拟;得出不同瓦斯涌出量情况下掘进巷道工作面风流分布和瓦斯浓度的分布规律。研究表明:瓦斯涌出量和风速对流场分布有影响,随着瓦斯涌出量的增大和风速的降低,瓦斯对流场的影响越来越明显。     

基于PSOBP-AdaBoost模型的瓦斯涌出量分源预测研究

为准确预测瓦斯涌出量,选取某煤矿的开采煤层、临近煤层、采空区3个瓦斯涌出源作为实例研究,将BP神经网络、粒子群算法(PSO)、Ada Boost迭代提升算法和瓦斯涌出分源预测法相结合,建立基于PSOBP-Ada Boost算法的瓦斯涌出量分源预测模型,并将其与BP神经网络算法进行比较分析。结果表明,PSOBP-Ada Boost算法预测的3个瓦斯涌出源平均相对误差分别为3.24%,2.11%,3.21%;BP神经网络的平均相对误差分别为6.73%,3.19%,4.27%,基于PSOBP-Ada Boost模型的预测精度明显优于BP神经网络模型。