阜新煤矿区生态环境动态演变预测

生态环境因子动态预测是区域生态环境质量动态演变预测的基础。通过对影响煤矿区生态质量的16个指标因子的筛选,建立了自然环境、生态环境及社会经济三维体系下由年开采量等7个指标组成的煤矿区生态环境质量预测指标体系;结合阜新煤矿区生态环境特点,建立了煤矿区生态环境指标因子灰色系统GM(1,1)预测模型。根据2003—2012年阜新煤矿区生态环境指标因子环境统计数据,采用数值拟合得出开采量、埋藏深度、地面塌陷面积/开采面积、煤尘爆炸指数、矿区居民人均GDP及矿区经济贡献率6个指标因子的Quadratic模型与年降水量的指数模型。应用煤矿区生态环境指标因子灰色系统GM(1,1)预测模型和拟合模型分别对阜新煤矿区2003—2012年煤矿区生态环境进行了指标因子动态演变预测。结果表明,Quadratic模型和指数模型的预测误差相对较小,煤尘爆炸指数指标因子的预测拟合曲线决定系数最高(R2=0.96726)。最后应用Quadratic模型和指数预测模型对2013年阜新煤矿区生态环境指标因子进行了预测,并结合矿区实际环境状况给出了预测模型的适用性。     

贝叶斯动态模型在煤矿事故预测中的应用研究

随着我国煤炭工业的快速发展,煤矿安全生产形势趋于好转,煤矿各类事故死亡人数逐年下降,但是煤矿事故总量仍然很大。在分析了贝叶斯动态模型特点的基础上,依据2001~2013年我国煤矿事故百万吨死亡率数据,分别运用贝叶斯常均值模型和一阶多项式模型,对历年煤矿百万吨死亡率进行样本训练和残差分析,并对2014年煤矿百万吨死亡率进行预测。结果表明,贝叶斯动态模型可适应煤矿事故的特点并用于煤矿事故进行科学的预测,其一阶多项式模型具有较高的预测精度,研究方法及结果可为煤矿监管部门及企业的安全管理决策提供借鉴。     

煤矿事故预测的指数平滑-BP神经网络混合模型研究

为准确预测煤矿未来安全生产形势,采用指数平滑法、BP神经网络模型对我国1991~2010年煤矿死亡人数进行建模研究。在分析两单一模型预测结果后进一步采用指数平滑-BP神经网络混合模型对原数据进行分析,结果表明混合模型泛化能力强,预测精度高,更加符合煤矿事故发展的特点,适用于对煤矿死亡人数的预测。并应用该混合模型对2014年及未来五年的煤矿死亡人数进行预测和分析,为煤矿安全管理提供理论依据,有助于最大限度地减少事故的发生。     

浅埋深煤层开采的地表生态环境影响预测研究

矿产资源的开发利用为我国国民经济建设做出巨大贡献,但同时也对矿区生态环境造成严重的破坏。本文在总结前人研究的基础上,针对现阶段存在的对浅埋深煤层矿区开采地表生态环境影响研究不够全面等问题,建立了浅埋深煤层开采对地表生态环境影响预测的指标体系,并对指标的合理性进行分析,最后提出一种综合的预测方法,为下一步的实证及仿真研究提供基础,也为相关研究提供参考和借鉴。     

基于CSABC-ELM的采煤工作面瓦斯涌出量预测

为了提高煤矿工作面瓦斯涌出量的预测精度,研究一种将极端学习机(ELM)与利用混沌搜索策略改进的人工蜂群(CSABC)算法相结合的预测方法。改进后的人工蜂群算法有效解决了ABC算法易陷入局部最优、后期收敛慢等缺陷,利用CSABC优化ELM的输入层和隐含层参数,避免了随机产生ELM参数所造成的误差,建立基于CSABC-ELM的瓦斯涌出量预测模型。利用实际煤矿监测数据对该模型进行试验分析,并与ABC-ELM,ELM和BP神经网络的预测结果进行比较。结果表明,CSABC-ELM预测误差更小,精度更高,泛化性能也更强,能有效地对煤矿瓦斯涌出量进行预测。     

煤矿事故预测的马尔可夫SCGM(1,1)c模型的建立与应用

煤矿安全是煤矿生产的重要保障,煤矿事故预测是煤矿安全评价和决策的基础。结合灰色SCGM(1,1)_c预测模型和马尔可夫链理论的优点,根据煤矿生产的特殊条件,提出了基于马尔可夫链的SCGM(1,1)_c预测模型。首先利用灰色SCGM(1,1)_c预测模型对我国1990—2010年的煤矿事故百万t死亡率进行初次预测,然后根据初次预测结果,利用残差模型对SCGM(1,1)_c模型预测结果进行修正。最后在修正模型的基础上,运用马尔可夫SCGM(1,1)_c模型对我国2011—2013年煤矿事故百万t死亡率进行了预测,并对两种模型的预测误差进行了对比分析。结果表明,马尔可夫SCGM(1,1)_c预测模型既能揭示煤矿事故百万t死亡率变化的总体趋势,又能克服随机波动性数据对预测精度的影响,具有较强的工程实用性。     

林华煤矿13~#煤层底板突水危险性模拟研究

以林华煤矿为例,运用FLAC3D软件对林华煤矿开采13#煤层进行模拟,在模拟中通过开采对底板的破坏情况进行分析,对林华煤矿开采13#煤层底板是否有突水危险性进行预测研究。     

高头窑煤矿河流下浅埋煤层综放开采安全限采研究

导水裂隙带高度是水体下安全采煤的主要依据,本文通过数值计算、相似材料模拟、规程预测和工程类比等方法,对高头窑煤矿水多湖川和大哈他土沟河下浅埋煤层开采时导水裂隙带高度进行了预测研究,结果表明：几种方法预测结果有一定的误差,综合工程类比结果,高头窑煤矿水多湖川和大哈他土沟下采煤时裂采比定为15。由于高头窑煤矿2-3煤层上覆基岩段厚度较薄,根据三下开采规程,煤层开采需要进行安全限采控制,采高h≤H/19,以达到控制导水裂隙带高度的目的,实现河下采煤的安全开采。     

基于证据理论的煤矿瓦斯涌出组合预测

为提高煤矿瓦斯涌出量预测的准确度,引入证据理论组合预测方法。根据瓦斯涌出量及其主要影响因素间的实验数据,采用3个不同的粒子群神经网络模型对涌出量进行初步预测。并由BP、RBF网络对预测误差及预测点的影响因素进行分析建模,以获取每个模型的可信度。再利用证据理论对其进行合成,确定组合模型的权值,最终实现对瓦斯涌出量的组合预测。实例结果表明,该组合预测方法的平均绝对误差、均方误差分别为18.5%、5.8%,均小于神经网络组合法及等权平均法的相应预测误差,适用于煤矿瓦斯涌出量预测。     

矿井相对瓦斯涌出量动态无偏灰色马尔科夫预测

矿井瓦斯涌出量预测对于煤矿瓦斯防治具有重要意义。为预测矿井瓦斯相对涌出量,以传统灰色GM(1,1)模型为基础,构建动态无偏灰色马尔科夫模型,通过分析潞安矿区某矿2003—2010年的煤矿相对瓦斯涌出量数据,预测2011—2012年煤矿相对瓦斯涌出量数据,利用无偏灰色GM(1,1)模型代替传统灰色GM(1,1)模型,通过拟合得到煤矿相对瓦斯涌出量数据变化趋势,并在此基础上利用马尔科夫模型进行预测,并在此预测中进行原始数据更新,并对4种预测方法的预测结果进行对比分析。结果表明,动态无偏灰色马尔科夫模型不但能够消除传统灰色GM(1,1)模型自身的固有偏差,而且能提高预测精度,平均绝对误差为3.2%,平均相对误差为2.59%,均低于传统灰色GM(1,1)模型与一般灰色马尔科夫模型。动态无偏灰色马尔科夫模型对于煤矿相对瓦斯涌出量数据的平均预测精度达到96.74%。     

改进的Elman神经网络在瓦斯涌出量预测中的应用

在煤矿瓦斯灾害中,煤矿瓦斯突出是导致瓦斯重特大事故的主要原因之一。目前常用的基于反向传播(BP)神经网络和遗传算法-Elman神经网络(GA-ENN)耦合算法等建立瓦斯涌出量预测模型的预测方法在收敛性和精度上均存在一定的缺陷。提出了一种利用混沌免疫遗传优化算法(CIGOA)对Elman神经网络进行改进的新型智能优化算法来增强粒子的活性,提高其局部搜索能力和全局优化能力,克服了遗传算法(GA)的固有缺陷。对煤矿现场跟踪实测后进行仿真分析,结果表明:运用提出的CIGOA-ENN预测模型预测的最大相对误差为4.47%,最小相对误差为1.12%,平均相对误差为2.27%,明显小于BP神经网络和GA-ENN等预测模型的预测结果,表明CIGOA-ENN预测模型的输出结果更精确,对瓦斯涌出量预测系统的辨识误差更小,性能更优越。     

三次指数平滑法在煤矿事故预测中的应用研究

随着我国煤炭工业的快速发展,煤矿事故频繁发生,安全生产形势依然严峻.针对煤矿事故的特点,根据我国1992-2011年煤矿事故死亡人数的统计数据,运用指数平滑法中的三次指数平滑法,建立煤矿事故预测模型,预测2012年、2013年的煤矿事故情况.结果表明,三次指数平滑法预测模型符合煤矿事故的特点,预测精度较高,适用于短期预测.由此可见,三次指数平滑法预测模型可对煤矿事故进行科学的预测与分析,为煤矿企业的安全管理提供依据,以最大限度地减少煤矿事故的发生.     

煤矿百万吨死亡率动态无偏灰色马尔科夫预测

为掌握我国煤炭行业整体安全生产状况,构建动态无偏灰色马尔科夫模型,通过处理我国1999—2008年度煤矿百万吨死亡率数据,对2009—2011年度煤矿百万吨死亡率数据进行预测。用无偏灰色GM(1,1)模型代替传统灰色GM(1,1)模型,拟合得到煤矿百万吨死亡率数据的变化趋势,在此基础上应用马尔科夫模型进行预测,并在每一次预测中更新原始数据,最后对预测结果进行对比分析。计算结果表明:动态无偏灰色马尔科夫模型既能消除传统灰色GM(1,1)模型的固有偏差,又能提高预测精度尤其是中长期预测精度。其中,平均绝对误差为3.35%,平均相对误差为3.85%,均低于传统灰色GM(1,1)模型和一般灰色马尔科夫模型。动态无偏灰色马尔科夫模型对于煤矿百万吨死亡率数据的平均预测精度超过96%。     

煤矿井下自燃火灾的图像识别及综合判据系统

煤矿自燃火灾的早期探测及预报是保证煤炭生产安全的有效手段。目前已有的各种预测预报技术,虽对煤炭自燃火灾的防治起到一定的作用,但对于不同煤质和不同地质赋存情况下的煤矿,单一探测方法的预测精度有限,在探测的准确性和有效性方面尚不能完全满足各种类型煤矿安全生产的需要。为了提高煤炭自燃灾害早期探测的可靠性,笔者提出一种以图像识别技术为基础的煤炭自燃发火探测方法,并进一步利用信息融合技术结合其他探测方法建立一套煤矿自燃发火综合判据系统,该系统有助于提高煤炭自燃预测的准确性,对煤矿的安全生产能发挥重要作用。     

基于主成分分析和神经网络的事故预测方法及应用

为解决人工神经网络(ANN)对复杂系统进行事故预测建模时,易导致网络复杂,降低网络性能和增大预测误差的问题,提出一种基于主成分分析法(PCA)的ANN事故预测方法。介绍PCA法和ANN的基本理论,阐述基于PCA法的ANN事故预测模型及其预测步骤,即在利用ANN预测之前,先用PCA法分析事故影响指标,将多个指标转化为少数几个能反映原始信息的互不相关的综合变量(主成分),然后以这些变量作为输入进行ANN建模,从而达到简化模型,提高网络性能和计算精度的目的。以煤矿事故预测为例,进行应用和对比研究。结果表明:基于PCA的ANN事故预测相对误差小于3%,而直接运用ANN方法预测的相对误差达到5%。这说明,对复杂安全系统进行事故预测时,基于PCA法的ANN预测方法是更可行的。     

矿区生态环境特征分析与生态修复模式研究

<正>引言因为矿区开采等原因造成的土地沉陷和煤矸石排放等问题,对矿区周边的生态环境造成了严重的负面影响。本文在环境科学和生态学理论的基础上对矿区生态环境特征进行了分析,对矿区生态修复模式进行了深入的研究。因为人类环境的不断恶化和生态平衡的严重失调,我国有很多矿区的生态系统开始退化,在过去的几十年时间中,我国开展了关于生态恢复与生态治理方面的项目,但是收效甚微。加上煤矿区生态环境的破坏程度与破坏形式不同,地区之间的     

基于多元线性回归的煤矿驾驶员情绪预测模型*

为研究煤矿人车驾驶员情绪状态不良引发的煤矿驾驶事故问题,设计眼动实验并建立基于多元线性回归的驾驶员情绪状况预测模型对驾驶员情绪状况进行预测;通过眼动仪采集煤矿驾驶员良好情绪与不良情绪状态下的各项眼动指标,记录其主观情绪状态;使用多元线性回归方程对数据进行分析与建模,采用平均相对误差对预测模型进行评估。结果表明:每秒注视点个数、平均扫视速度、反应时间、危险源辨识个数在情绪变化前后存在显著差异,且与情绪状态呈较强相关;基于多元线性回归的驾驶员情绪状况预测模型预测精度较高,平均相对误差为8.16%。模型适用于煤矿人车驾驶员的情绪监测,可为煤矿驾驶员安全行驶提供保障。     

污染土壤修复技术研究现状与趋势

生态保护工作的发展包括环境保护和污染治理两个方面,为了保证生态环境的健康发展,必须要同时做好这两方面工作。在污染治理过程中土壤修复是重要的治理内容,也是污染治理的重要研究方法。本文主要对污染土壤修复技术研究现状进行分析,并对其未来的发展趋势进行预测。     

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。     

煤与瓦斯突出预测的Fisher判别分析法及应用

在综合分析煤与瓦斯突出多种影响因素的基础上,将Fisher判别分析应用到煤与瓦斯突出预测中,结合我国典型煤与瓦斯突出煤矿17个突出实例,建立了煤与瓦斯突出预测的Fisher判别分析模型,模型回代预测的误差率为0。应用该模型对云南恩洪煤矿8个突出实例进行预测,并与单项指标法、综合指标法、BP网络进行比较。结果表明,Fisher判别分析模型具有较高的可靠性和精确性,能对煤与瓦斯突出进行有效预测。