基于主成分分析与Fisher判别分析法的矿井突水水源识别方法

为有效地预防矿井突水事故,及早识别突水水源是关键工作之一。根据矿井各含水层水化学成分的差异性,选取7种水化学成分指标作为突水水源识别的样本变量。在此基础上,采用主成分分析(PCA)与Fisher判别分析相结合的方法建立突水水源判别模型。以新庄孜煤矿不同水层的水化学特征资料中的33个为学习样本,12个为预测样本,对该模型进行检验和应用,并与传统Fisher判别分析模型的结果进行比较。研究结果表明:利用PCA与Fisher突水水源判别模型能够有效地消除样本变量指标间的相互影响,使突水水源判别结果更加准确。     

煤层底板突水危险性预测的熵权-正态云模型

为克服煤层底板突水危险性分级时的不确定性和模糊性,建立一种用于煤层底板突水危险性分级预测的熵权-正态云模型。选取13个影响因素构建评价指标体系,通过熵权法(EWM)得到各评价指标权重,利用正态云模型计算综合不确定度,进而得到预测结果,以肥城矿区的14个地质块段作为检测样本,预测底板突水危险性等级。结果表明：该模型的预测结果基本与实际情况相符,且较层次分析法(AHP)在预测准确性和误差上更具优势,准确性提高7.14%,平均绝对误差(MAE)、均方误差(MSE)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)分别降低0.21、0.35、0.069、0.27。     

底板突水危险性评价FCE优化模型及工程应用

为解决我国矿井普遍存在的煤层底板突水评价难题,分析地质构造、承压含水层、底板隔水层3个总指标中的8类影响因素,确定因素的等级临界值。采用层次分析法(AHP)确定各影响因素的权重及总指标权重,将因素权重引入经加权欧氏距离公式改进的模糊综合评价法(FCE)中,建立底板突水危险性评价FCE优化模型。将模型运用到山西临汾某矿,模型评价结果经Surfer软件处理,绘制成煤层底板突水评价分区图,并以一次突水实例验证模型。结果表明,用该模型评价的突水危险区域与实际突水区域相吻合。     

基于PCA_Fuzzy_RF模型的煤层底板突水预测

针对煤层底板突水问题,提出了基于主成分分析、模糊数学和随机森林的一种新预测模型。首先通过主成分分析将6个影响因素(水压、采高、隔水层厚度、断层落差、煤层倾角、断层距工作面距离)进行降维,提取4个主成分因子,其次对主成分因子进行模糊化,作为随机森林模型的输入变量,建立基于PCA_Fuzzy_RF的煤层底板突水预测模型。利用华北矿区实测资料的50组数据作为PCA_Fuzzy_RF模型的训练数据,10组数据作为测试数据,并将预测结果与BP神经网络及Fisher模型进行对比分析,结果表明,PCA_Fuzzy_RF模型的误判率为0,适用于解决煤层底板突水问题。     

Elman神经网络在矿井突水水源判别中的应用

矿井突水是矿建与生产过程中最具威胁的自然灾害之一,准确判别突水水源是防治水害的关键。选取6种离子的质量浓度作为突水水源的判别因素,将河南省焦作矿区不同水层的39组水化数据以2种样本设计方案进行Elman神经网络模型的构建与检验。以不同的35组水源样品作为训练样本,运用Matlab软件进行Elman神经网络训练,将所建立的判别模型应用于(相应的)4组待测样本的判别,并与DDA、FDA、Bayes三种判别方法的判别结果进行分析比较。2种方案应用结果表明:将具有非线性动态特征的Elman神经网络应用于突水水源判别,在结合相应的水文地质条件前提下,可以准确判断突水来源;矿井多年的开采促使地下各水层水质呈动态变化,Elman神经网络判别模型能够反映这种变化特性,对探寻地下水运移与演化具有一定的应用价值。     

煤层底板突水危险性的PNN预测模型研究及应用

为准确有效地预测煤层底板突水的危险性,在分析大量观测实例数据的基础上,选取底板含水层水压、煤层采高、隔水层厚度、断层落差、煤层倾角和断层距工作面距离等6项指标作为影响煤层底板突水的初始特征指标。针对指标之间具有相关性的问题,利用主成分分析(PCA)法提取6项特征指标的主成分,将其作为概率神经网络(PNN)的输入向量,建立基于PCA的煤层底板突水危险性的PNN预测模型。选取21组煤矿实测数据作为学习样本,用于训练模型。采用回代估计法对模型回检。利用学习好的模型,预测另外4组矿井突水数据样本。结果表明,该方法有效降低了指标数据相关性,实现了降维,使PNN模型工作复杂度减弱。将该模型应用于工程实例中,所得预测结果准确率为100%。     

煤层底板突水危险性GSPCA-LSSVM评价模型

为快速、准确地评价煤层底板突水危险性,选取水压等作为影响因素,以其灰色关联度作为灰色主成分分析(GSPCA)的协方差矩阵,提取信息不重叠的灰色主成分,并将该成分作为最小二乘支持向量机(LSSVM)的输入向量,底板突水危险性作为LSSVM输出向量,建立煤层底板突水危险性GSPCA-LSSVM评价模型;将20组实测数据作为训练样本训练模型,采用回代估计法进行回检;利用训练好的模型对5组检验样本进行评价。结果表明:利用GSPCA提取的主成分考虑原影响因素不完备性,包含其超过91.97%的信息,减少信息冗余;经GSPCA处理后LSSVM计算复杂度降低;用GSPCA-LSSVM模型评价煤层底板突水危险性,结果与实际情况基本吻合。     

一种新型的矿井突水分析与预测的支持向量机模型

针对矿井突水样本数少,信息不完整的特点,提出了矿井突水分析的线性核H-SVMs模型。推导模型的理论推广误差公式,设计自顶向下基于SVM最大间隔逐层分类构造H-SVMs的新方法,并应用于实际的矿井突水预测。实验结果表明,线性核H-SVMs模型结构简单、泛化能力强,不仅能很好地预测矿井突水,而且其层次结构能正确反映突水的等级关系,各判别函数的法向量还可以指示各突水影响因素的权重,通过判决函数能有效分析突水影响因素并提取突水预测规则,为矿井突水预测提供了新的方法。     

煤层底板采动导水破坏深度计算的神经网络方法

在综合分析影响煤层底板采动导水破坏深度因素的基础上 ,应用人工神经网络方法 ,建立了底板破坏深度的计算模型。该模型利用现场观测资料作为学习训练样本和测试样本 ,对模型的测算结果、理论计算值和实测值进行了对比分析。结果表明 :用神经网络方法计算底板破坏深度考虑的因素更加全面 ,结果更接近于实际。笔者研究的计算模型和测算方法 ,为承压水上安全采煤决策提供了科学依据。     

基于小波神经网络的煤层底板突水非线性预测方法研究

针对煤层底板突水系统为一非线性动力学系统的特性,并在考察目前煤层底板突水预测方法的基础上,给出利用小波神经网络对煤层底板突水进行预测的可行性和优越性;阐述了小波神经网络的基本原理;提出和分析了基于小波神经网络的煤层底板突水预测模型及算法;并通过实例证明,应用小波神经网络解决煤层底板突水预测的可行性和优越性。研究及实践表明:小波神经网络的预测精度更高、更准确。     

基于改进AHP的地下矿突水风险评价

地下矿突水风险的有效评价是矿井水害防治与安全开采的基本前提与重要基础。为了科学有效地评价地下矿突水事故风险,在深入研究分析与归纳地下矿突水因素的基础上,构建了较为全面的矿井突水事故风险评价指标体系,体系包括7个一级指标,各一级指标有与之对应的二级指标。应用德尔菲法对各项指标进行统一打分并求平均值,对层次分析法进行改进并应用于确定各项指标的权重,然后根据风险评价模型计算出评价结果。最后,结合国内某典型矿山进行实际的应用,所得结果与实际情况一致性较好,说明该方法可以提高矿井突水风险评价的有效性与准确性,具有较好的可行性。     

基于PSO-SVM模型的隧道水砂突涌量预测研究

复杂工程地质条件下,隧道水砂混合物突涌的预测防控是隧道安全建设的基础,准确预测水砂混合物突涌量,为工程提供安全保障至关重要。为提高预测准确性,提出一种基于粒子群算法优化的支持向量机(PSO-SVM)的隧道水砂突涌量预测模型。综合考虑地质构造、气象条件、施工影响三类因素,选取七个因子,结合某公路隧道,利用PSO-SVM建立隧道水砂突涌量预测模型,并对该隧道水砂突涌量进行预测,结果与实际突涌量一致。证实综合粒子群算法和支持向量机优势的PSO-SVM方法预测精度高,且易于实现,为类似隧道工程突涌预测提供参考与借鉴。     

基于多代理系统(MAS)的煤矿水害事故响应系统

针对煤矿水灾害问题,提出水灾害响应的概念,并以此为基础建立以水灾害预防与治理为主的煤矿水害事故响应系统。该系统将煤矿突水预防和应急响应作为系统的需求,通过Agent组织煤矿及救援单位的有效资源,并以多代理系统(MAS,Multi-AgentSystem)为基础设计了煤矿水灾害响应的协商机制。不仅能及时地响应煤矿的常效排水需求,而且能在水灾害发生后快速制定应急救援方案,克服了原有煤矿水灾害救治流程中响应速度慢、缺乏目的性,救援资源难以有效调配的缺点,为煤矿水灾害的预防、应急救援、灾后处理提供了综合信息平台。应用案例表明,该系统对于提升煤矿水灾害救治的应急能力具有显著效果,并可有效地降低水灾害的人员和财产损失。     

矿井突水水源识别的RS-LSSVM模型

为了对矿井突水水源进行准确、高效的判别,综合考虑水化学特征,选取Ca~(2+),Mg~(2+),K~++Na~+,HCO-3,SO2-4,Cl~-和总硬度7个指标的质量浓度(mg/L)作为矿井突水水源的最初判别指标。利用粗糙集(RS)理论的属性约简来筛选水化学特征指标,用以作为水源识别的核心判别指标,建立基于RS的矿井突水水源识别的最小二乘支持向量机(LSSVM)模型。选用约简处理后的13组煤矿数据对模型进行训练,再用训练好的模型对另外12组突水数据进行水源判别,并与未进行属性约简的LSSVM模型及Fisher判别分析法、随机森林方法进行对比。结果表明,利用属性约简方法可以很好地排除原始数据中的冗余信息干扰,因而能有效判别矿井突水水源,使矿井突水水源模型的误判率降低至0;而且指标约简过程可以降低LSSVM运算的复杂度,也能够提高判别效率。     

矿山井巷模型快速构建与突水避灾三维动态仿真

为准确规划人员最优避灾路径,以矿井现场实测数据为基础,联合Python与Blender快速生成矿山三维井巷模型,建立基于时空动态性的突水漫延仿真平台;综合考虑不同因素对巷道通行状况的影响,建立一种支持从源节点至多目标节点的前N条最优避灾路径搜索方法;调用Blender时间线功能,建立人员避灾逃生演示模型;以山东某矿为工程背景,开展矿井突水与人员最优路径避灾仿真模拟。结果表明:基于Python与Blender联合开发的矿井突水应急避灾仿真平台,可实现矿山井巷系统几何模型的快速构建;可真实模拟不同突水状态下水流漫延过程,为受灾人员规划出前N条最佳避灾路径,并可结合实时水情及时优化最佳避灾路径。     

Simulation test on mixed water and sand inrush disaster induced by mining under the thin bedrock

Coal seam mining under thin bedrock will make transmission fissure zone go through to the water-rich aquifer under the covering layer, which will cause water flooding and sand gushing in the working face. The test model of the mixed water and sand inrush transfer and inrush was designed and manufactured to simulate the startup, transfer and inrush process of the mixed water and sand inrush in the overburden fracture channel. The characteristics of the mixed water and sand inrush in the fracture channels were researched. The variation characteristics of water pressure in different positions of the fracture channel were revealed through analyzing “\/” type fracture form which is wide at the top and goes narrower down to the base, of various inclination angles under the water pressure of 0.06 MPa and 0.08 MPa. The results show that the water and sand inrush took place instantly in the mined area. Based on the characteristics of water pressure variations, changes in water pressure are divided into two phases: rising phase and lowering to stable phase. Under the other same conditions, when the fissure channel angle increases, the pore water pressure and its sudden drop will increase too, and the inrushing process will get more rapidly; the bigger the water pressure is, the pore water pressure increases more rapidly and violently. From this, the transfer characteristics and dynamic mechanism of the mixed water and sand inrush were explored.     

基于可变模糊集理论的硫化矿炸药自爆危险性评价

为了判定某高硫矿山的炸药自爆危险性,采用可变模糊集理论对矿山中的黄铁矿含量、装药时间等8个影响炸药自爆的因素进行评价。根据可变模糊评价模型确定指标评价区间矩阵Iab、可变范围评价区间Icd和点值矩阵M,利用熵权法确定各影响因素权重,并根据指标特征值xij,Mih得到综合相对隶属度矩阵,结合判断准则得出该矿山炸药自爆危险性等级。研究结果表明:该矿山的炸药自爆危险等级为Ⅱ级,自爆危险性一般,与实际生产情况相符,可变模糊集理论在评价炸药自爆危险性时具有有效性。