基于Adam优化深度神经网络快速确定瓦斯抽采半径*

为解决煤矿瓦斯有效抽采半径难以快速准确确定的问题,采用基于Adam算法优化DNN（深度神经网络）方法来预测瓦斯抽采半径。查阅文献共收集已得到验证的970组数据集,每组数据选取煤层瓦斯初始渗透率、钻孔直径、抽采时间、地应力、煤层初始瓦斯压力作为预测模型的5个特征量,有效抽采半径作为目标输出值。接着预测模型进行不断学习和训练,最终训练得到1个最优的瓦斯有效抽采半径预测模型。利用训练好的最优预测模型结合Python语言开发出计算有效抽采半径的软件,并使用该软件在四季春煤矿和鹤煤六矿进行有效抽采半径预测的工程实例研究,验证该软件预测抽采半径的实用性和准确性。研究结果表明:通过使用开发的软件,可快速且较准确地计算出矿井瓦斯有效抽采半径,可为暂不具备现场测试条件的矿井抽采设计提供一定的参考依据。     

钻孔间距对水力压裂促抽煤层瓦斯的影响

针对定量确定合理钻孔间距困难问题,基于损伤力学和多场耦合理论,建立了水力压裂和瓦斯抽采的煤层流固耦合模型,包括和水运移场、应力场以及孔隙度、渗透率演化方程,并采用Comsol联合Matlab求解,研究了不同钻孔间距时压裂和抽采过程中煤层弹模、损伤值、渗透率、瓦斯压力、抽采量和压裂贯通时间的变化规律。结果表明:耦合模型可较准确地模拟煤层水力压裂和瓦斯抽采过程;压裂贯通时间与钻孔间距呈指数增长关系;在马堡煤矿,当钻孔间距为4~8 m时,压裂损伤区在抽采孔贯通,渗透率呈“n”型曲线,瓦斯抽采后,瓦斯压力迅速下降,抽采有效区随间距的增加而增大;当钻孔间距为9~12 m时,压裂损伤区未贯通,煤层渗透率呈“m”型曲线,抽采有效区随间距的增加而减小,与间距4~8 m相比,瓦斯抽采量较小。     

本煤层瓦斯抽采渗流模型及数值模拟

在研究煤层瓦斯抽采时,假定煤岩为具有孔隙裂隙的双重介质,在运动方程、连续性方程和辅助方程基础上,以煤岩体应变为耦合媒介建立了考虑裂隙瓦斯渗流、微孔隙吸附瓦斯解吸扩散和煤岩变形的渗流模型.借助多物理场分析软件COMSOL Multiphysics,将模型转化为偏微分方程组,结合沙曲矿24305工作面瓦斯赋存条件进行分析求解.结果表明,进行煤层瓦斯预抽时,抽采初期瓦斯压力下降较快,抽采孔间距对抽采效果影响比较显著,距离抽采孔越远瓦斯压力下降越慢,抽采时瓦斯渗流速度变化可分3个阶段.参考模拟结果现场布置孔距为6m的顺层钻孔,抽采稳定时瓦斯纯量达5～7 m3/min,抽采效果比较理想.     

基于MATLAB的灰色预测系统及其对抽采瓦斯钻孔流量的数值模拟

研究钻孔瓦斯流量的变化及其变化趋势对抽采煤层瓦斯涌出量及钻孔瓦斯涌出初速度等参量的判定具有较大的实用价值。笔者将煤层抽采瓦斯钻孔看作一个灰色系统,利用灰色系统理论,以原始时间序列数据为基础,建立抽采瓦斯钻孔流量的模拟和预测GM(1,1)模型。针对数值模拟中大量的矩阵计算,利用MATLAB软件编制高效的计算机程序,实现了对抽采瓦斯钻孔流量的模拟和预测。为了检验模型模拟和预测结果的精度,选择了合理的误差检验模型。通过工程实例证明了GM(1,1)模型可信度较高,关联度较好,均方差比值为一级,拟合优度高。对瓦斯抽采设计和矿井安全生产具有一定的指导意义。     

煤层瓦斯钻孔有效抽采半径研究

为预测煤矿瓦斯治理中钻孔有效抽采半径,以贵州省四季春煤矿6号煤层为例,建立钻孔周围单元体瓦斯渗流模型,理论推导径向流场瓦斯压力分布特性,采用Comsol数值模拟得到不同抽采时间沿钻孔径向瓦斯压力分布云图;根据理论推导和数值模拟数据,结合临界瓦斯压力(0.5 MPa),得出有效抽采半径,并现场试验验证。结果表明:理论与模拟有效抽采半径结果相对误差率均小于10%,准确性较好;有效抽采半径与抽采时间线性相关,因现场实测有效抽采半径较为复杂,通过理论和数值模拟方法可预测有效抽采半径,为井下瓦斯的治理钻孔瓦斯抽采提供参考。     

两种预测模型在煤层瓦斯抽采量预测中的对比分析

本文分别采用灰色GM(1,1)预测模型与灰色马尔科夫预测模型对贵州某矿21124工作面运输巷本煤层瓦斯抽采量进行预测,其中灰色GM(1,1)预测模型的绝对误差为13.33%,灰色马尔科夫预测模型的绝对误差为4.22%;利用残差检验法对以上两种预测模型进行精度检验,其中灰色GM(1,1)预测模型的小误差概率为0.25,均方差比值为1.55,马尔科夫预测模型的小误差概率为0.92,均方差比值为0.46,结合预测精度等级划分,看出后者的预测精度级别更高;灰色马尔科夫预测模型更适合数据波动性较大的煤层瓦斯抽采量预测,与灰色预测模型相比,该法具有预测误差更小、预测精度更高、预测规律更符合实际数据的真实变化趋势等优点。     

瓦斯抽采钻孔动态漏气圈特性及漏气处置研究

为了研究煤矿瓦斯抽采过程中钻孔瓦斯浓度衰减的问题,提出了动态漏气圈的概念,通过建立动态漏气圈数学模型,采用理论推导,数值模拟的方法分析了瓦斯抽采钻孔漏气圈的变化特性,并采用三囊袋封堵器在义安煤矿进行瓦斯抽采封孔及漏气处置工业性试验。研究表明,漏气圈半径随时间呈现动态变化,在瓦斯抽采初期急剧增大,随着抽采持续漏气半径增大趋势逐渐降低;煤体强度及钻孔所处的应力是影响漏气圈半径的重要因素,地应力越大漏气圈半径越大而煤体强度越大漏气圈半径越小;在整个抽采过程中漏气圈半径存在一个稳定值,在达到稳定值以前漏气圈半径呈现增加大趋势,研究得出了地应力及煤体强度影响下的该种趋势的特性;采用三囊袋封堵器对瓦斯抽采钻孔进行漏气处置可以有效改善瓦斯抽采效果,并且测得的瓦斯浓度变化曲线也证实抽采钻孔漏气圈的动态变化特性。     

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.     

钻孔瓦斯抽采气固耦合模型及其应用

为研究钻孔瓦斯抽采过程中瓦斯运移机制,基于瓦斯渗流扩散方程,探讨钻孔周围不同区域煤体变形和渗透率动态变化,推导出钻孔周围卸压区和非卸压区瓦斯流动耦合方程。根据某矿己15-31010工作面煤体物性参数建立几何模型,利用COMSOL Multiphysics有限元分析软件对耦合方程进行数值求解。结合模拟结果分析煤体形变、渗透率动态变化、钻孔周围瓦斯压力之间的耦合关系。对相关参数模拟结果进行现场抽采效果验证。结果表明,在瓦斯抽采过程中,煤体瓦斯压力随着时间推移逐渐降低,沿钻孔中心向四周方向,瓦斯压力在卸压区迅速增加,在非卸压区增速逐渐变缓,最终趋于稳定;煤体渗透率在钻孔周围呈现非对称V字型变化规律;卸压区的煤体变形较大,变形量在远离钻孔的方向上逐渐减小;模拟结果与现场抽采效果基本吻合。     

回采工作面瓦斯涌出量遗传投影寻踪回归预测

为快速、准确预测回采工作面瓦斯涌出量,基于投影降维思想,建立一种遗传算法(GA)投影寻踪回归预测方法。选取煤层瓦斯原始含量、埋藏深度、煤层厚度、煤层倾角、工作面长度、推进速度、采出率、临近层瓦斯含量、临近层厚度、临近层层间距、岩层岩性、开采深度作为评价因子,对某矿15个学习样本进行训练,建立GA投影寻踪回归预测模型。利用该矿3个实测样本对模型进行检验,并与主成分分析和BP神经网络方法结果进行对比。研究表明:利用GA投影寻踪回归预测回采工作面瓦斯涌出量,平均误差为3.43%,最大误差为5.7%,精度优于其他2种方法。     

基于支持向量机(SVM)的回采工作面瓦斯涌出混沌预测方法研究

针对瓦斯涌出传统的线性预测方法存在的问题,根据瓦斯涌出时间序列固有的确定性和非线性,利用混沌动力系统的相空间延迟坐标重构理论,结合基于机器学习理论的支持向量机(SVM),建立基于SVM理论的瓦斯涌出混沌时间序列预测模型。经Ⅱ1024回采工作面瓦斯涌出时间序列仿真计算,仿真结果显示该预测模型具有比传统的回归方法更好的泛化能力,预测方法具有很高的预测精度。同时,该模型具有以往传统机器学习的瓦斯涌出预测模型建立简便、训练速度快等优点。由于充分考虑瓦斯涌出时间序列的混沌性,并利用SVM预测的优良特性,使得预测更科学。     

基于傅里叶级数的自然灾害损失预测模型研究——以湖南省自然灾害经济损失预测为例

针对湖南省自然灾害经济损失发生的现状,结合傅里叶级数的相位特征,利用傅里叶级数时间序列模型给出自然灾害损失的变化趋势。根据1986—2007年湖南省自然灾害所造成的直接经济损失数据,在SPSS环境下进行拟合,并对未来5年湖南省的自然灾害所造成的直接经济损失进行预测。结果表明:傅里叶级数时间序列模型符合自然灾害损失发生的特点,有效地解决了传统损失预测模型在灾害经济损预测中误差大、稳定性差的缺陷,提高了预测精度;且得出未来5年湖南灾害灾情仍然具有递增的趋势的结论。采用该模型对自然灾害损失进行预测,其结果比较可靠,可供减灾决策部门参考。     

基于自记忆模型的煤与瓦斯突出电磁辐射预测研究

利用实验测定的电磁辐射信号时间序列,用双向差分原理反导出一个非线性常微分方程;以其为微分动力核,运用动力系统数据机理自记忆模式构造自记忆方程并求出自记忆系数;利用该方程预测未来电磁辐射信号的变化,并与现场测定对比分析,用误差分析和距平分析法验证该模型正确性和预测准确率。实例表明:该自记忆模型预测与实测结果是一致的,相对误差均在6.7852%左右,距平符合率为90%;自记忆方法能有效应用于煤与瓦斯突出电磁辐射动态预测中;该模型与电磁辐射预测方法的有机结合能有效地提高预测准确性,从而为煤与瓦斯突出电磁辐射预测技术提供了一种新的研究途径。     

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。     

瓦斯浓度区间预测的灰色聚类与高斯过程模型

为有效分析矿井瓦斯监测数据,以实现准确、可靠的瓦斯浓度预测,基于灰色关联聚类分析与高斯过程回归模型,研究瓦斯浓度时间序列分析与预测的方法。以预测有效度为预测精度的评估指标来动态确定重构瓦斯浓度时间序列样本空间的维数;应用灰色关联分析方法将瓦斯浓度时间序列划分成若干样本集,将其中具有关联特征的样本作为虚拟变量进行预测以消除因随机、不确定因素干扰而引起的预测误差;应用高斯过程回归模型实现瓦斯浓度区间预测,将预测结果表示成一个具有较高可信度的取值区间,以此表达对未来一段时间内瓦斯浓度动态变化情况的预测。实例分析表明:预测结果准确、可靠,能够较好地反映瓦斯浓度的实际变化状况。     

基于EMD-MFOA-ELM的瓦斯涌出量时变序列预测研究

为准确分析工作面绝对瓦斯涌出量的非平稳特征,实现瓦斯涌出量的准确预测,基于经验模态分解(EMD)、修正的果蝇优化算法(MFOA)和极限学习机(ELM)基本原理,构建瓦斯涌出量的EMD-MFOA-ELM多尺度时变预测模型。通过EMD将瓦斯涌出量时变序列进行深层次分解,获得多尺度本征模态函数(IMF);采用MFOA-ELM对各IMF时变序列建立动态预测模型,等权叠加各预测值,得到模型最终预测结果。以晋煤某矿瓦斯涌出量监测时序样本为例进行研究分析,结果表明:EMD能充分挖掘出监测数据隐含信息,有效降低数据复杂度;该模型预测相对误差为0.024 3%~0.651 0%,平均值仅为0.252 6%,预测精度和泛化能力高于未经EMD分解模型,能很好地适用于非平稳时变序列预测。     

基于改进极端学习机的混沌时间序列瓦斯涌出量预测

为更准确地预测瓦斯涌出量,预防瓦斯灾害,有必要建立和应用基于改进极端学习机(IELM)的混沌时间序列预测模型。首先,对瓦斯涌出量监测数据构成的多变量时间序列进行相空间重构,采用互信息法与虚假邻点法得到每一变量的延迟时间和最佳嵌入维数;然后,通过最小二乘方法和误差反馈原理计算出最优的网络输入层到隐含层的学习参数,对极端学习机(ELM)进行改进;最后,借助IELM建立瓦斯混沌时间序列的预测模型。通过仿真试验,运用该预测模型预测的最大相对误差为3.290 2%,最小相对误差为0.898 2%,平均相对误差为1.952 8%。     

基于绝热火焰温度多元混合气体可燃性极限的理论预测

为了预测多元混合气体可燃性极限,通过化学平衡计算软件分析确定了气体在可燃性下限（LFL）和可燃性上限（UFL）的燃烧产物及计算绝热火焰温度（CAFT）,基于能量平衡方程和简化反应模型,分别建立了混合气体LFL和UFL预测模型。应用该预测模型对CH4、C2H4、C3H8、C3H6和CO组成的不同比例混合气体可燃性极限进行预测。结果表明:简化反应模型对于LFL和UFL预测值与文献中实验值的平均相对误差分别为2.76%和5.45%,相关系数分别为0.995和0.950;同时发现两步简化模型对含有C2H4和CO混合组分预测结果误差较大,但对于平均碳原子数大于2的混合气体,预测结果一致性较好。