滴道矿立井28#煤层瓦斯含量灰色关联分析及预测

针对滴道矿立井瓦斯灾害严重的现状,应用灰色系统理论对28#主采煤层进行了瓦斯含量与影响因素的关联分析,建立了瓦斯含量与主要影响因素的GM(1,4)灰色预测模型,并进行了瓦斯含量预测。结果表明:煤层底板标高、灰分和瓦斯成分CH4是影响28#煤层瓦斯含量的主要因素;所建立的灰色预测模型具有良好的精度,能够应用于瓦斯防治工作。     

基于灰建模的瓦斯含量多变量预测模型研究

研究了GM(1,N)、GM(0,N)瓦斯含量预测模型的数学原理,收集郑煤集团告成矿地质勘探期间及生产期间的瓦斯含量实测资料,获得16个可靠点,选取基岩厚度、新生界厚度、煤层厚度、煤层水分、煤层灰分、50m顶板含砂率6个因素作灰色建模预测的指标,分别建立了GM(1,6)和GM(0,6)瓦斯含量多变量预测模型。根据计算和评价结果,GM(1,6)和GM(0,6)瓦斯含量预测模型精度均能够满足工程精度的要求,说明利用灰色模型来预测瓦斯含量是可行的。由于前者精度略高于后者,故建议告成矿采用GM(1,6)模型来进行未知地区煤层瓦斯含量的预测。需要注意,由于模型没有考虑构造的影响,在实际预测时,还应根据构造对待预测区的影响关系和影响程度对模型的预测结果进行修正。     

基于支持向量回归机的煤层瓦斯含量预测研究

为了对煤层瓦斯含量进行准确预测,应用支持向量回归机(SVR)理论建立煤层瓦斯含量预测模型,结合现场实测数据利用支持向量机(SVM)工具箱进行模型的求解及预测,并从均方根误差、希尔不等系数和平均绝对百分误差3个不同误差指标与人工神经网络预测模型进行比较分析。研究结果表明:SVR模型其预测精度及可行性高于神经网络模型,而且运算快,实时性较好,用于煤层瓦斯含量的预测较理想,具有良好的应用前景,可以为煤矿瓦斯防治提供理论依据。     

深部煤层瓦斯含量的差值GM-RBF预测模型及其应用

基于灰熵理论和RBF神经网络理论,提出了一种改进的灰色神经网络深部煤层瓦斯含量预测模型。该模型首先利用灰熵关联度确定影响深部煤层瓦斯含量的主控因素,构建多个GM预测模型进行精度分析,寻求最优的灰色预测模块对分析系统进行一次预测,再利用灰色模型白化微分方程解序列相邻两元素分别与相应期望值作差,构建一个差值序列作为RBF神经网络输出对分析系统进行二次预测,得到的差序列预测结果的差值即为深部煤层瓦斯含量的预测值,从而构建了基于差值GM-RBF神经网络组合模型的深部煤层瓦斯含量预测体系。实际应用表明:差值GM-RBF神经网络组合模型的精度评价指标MAE、MAPE、RMSE、RRMSE分别为0.233 1、3.25%、0.2778、4.04%,远优于单一灰色、RBF模型;与传统GM-RBF组合模型相比,MAE和MAPE分别减小了23.8%和22.1%,RMSE和RRMSE分别减小了20.5%和17%。由此可见,以差值结合法将最优灰色模块与RBF神经网络有效结合起来的瓦斯含量预测体系增强了模型的泛化能力和数据利用率,精度更高,稳定性更好,能够满足深部煤层瓦斯含量准确预测的要求,为深部煤与瓦斯安全高效开采提供依据。     

基于PCA-GA-BP神经网络的瓦斯含量预测分析

为提高煤层瓦斯含量预测的效率和准确率,提出了先采用主成份分析（PCA）方法来降低变量间的相关性,然后将遗传算法（GA）与BP神经网络相结合的煤层瓦斯含量预测的新方法。为了避免BP神经网络收敛速度慢、易陷入局部极小值等问题,算法采用GA对BP神经网络的权值和阈值进行优化,利用Matlab软件进行编程,建立了BP神经网络和GA-BP神经网络瓦斯含量预测模型。选取淮南某矿瓦斯含量及其影响因素作为实验数据对该模型进行了实例分析,将主成份回归和BP网络算法预测结果与该模型进行了对比分析。结果表明:PCA-GA-BP网络预测模型平均相对误差为2.759%,预测效果明显优于主成份回归和BP网络预测模型,可以准确的预测煤层瓦斯含量。     

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。     

贵州省煤矿瓦斯赋存规律研究

贵州省煤矿多处于复杂地质地形条件的山区,矿井中煤层瓦斯含量大,“高突”矿井数量占的比例较大,瓦斯灾害严重.选取煤层埋深这个矿区内影响煤层瓦斯含量变化的重要因素与煤层瓦斯含量之间的关系进行灰色分析和回归,通过研究复杂地质地形条件下“高突”矿并瓦斯含量与煤层埋深的实测数据,发现瓦斯含量与埋深符合对数函数规律,即随着煤层埋深的增加,瓦斯含量逐渐增加,增加的速率逐渐减小,直至煤层瓦斯含量不再增加.     

灰色组合模型在钻孔瓦斯流量预测中的应用

钻孔瓦斯流量直接关系着钻孔抽放煤层瓦斯涌出量及钻孔瓦斯涌出初速度的判定,因此研究钻孔瓦斯流量的变化及发展趋势具有较大实用价值。利用"灰色组合预测"思想,提出一种对多种常用预测模型进行熵权法计算权重的组合预测方法,从而可根据有限的实测数据达到预测瓦斯流量发展的目的,结合工程实例,将灰色组合预测模型和单点模型模拟的结果进行比较,其结果表明组合的灰色模型预测精度较高,对瓦斯抽放设计和矿井安全生产具有较大的指导意义。     

PCA-SVR在煤层瓦斯含量预测中的应用

针对煤层瓦斯含量与其影响因素之间存在着复杂的非线性关系,建立了基于主成分分析和支持向量回归机的煤层瓦斯含量预测模型。该模型有效地解决了小样本、非线性预测的问题,并发挥了主成分分析法消除输入变量间相关性的优点,减少了输入变量个数,提高了预测精度和收敛速度。通过实证分析,该模型的预测精度高,能够直接用于煤矿现场预测煤层瓦斯含量。     

煤矿瓦斯涌出量预测的隐层递归反馈Elman模型

为更有效预测回采工作面绝对瓦斯涌出量,基于Lyapunov稳定性原理,改进Elman模型的递归部分。选取煤层瓦斯含量、煤层埋藏深度、煤层厚度、煤层倾角、采高、日工作进度、工作面长度、工作面采出率、邻近层瓦斯含量、邻近层厚度、邻近层间距、开采强度和层间岩性作为监测指标,对某矿16个学习样本进行训练,建立隐层递归反馈(HRF)Elman预测模型。利用矿井监测数据检验预测模型。试验结果表明,用HRF Elman模型能够有效地预测出瓦斯涌出量,预测结果相对误差为1.6%~3.41%,平均相对误差为2.45%,相比传统的Elman模型,预测精度和效率都有所提高。     

机械密闭取芯瓦斯含量测定集成技术研究

为了更准确地测定煤矿井下瓦斯含量,研制出基于煤层钻孔直接机械密闭取芯的瓦斯含量测试装置,使瓦斯解吸和取芯装置一体化。装置 设计的联动关闭部件实现了孔内取芯密闭,避免传统取芯装罐程序,解决了煤芯暴露时间长、瓦斯逸散量大的问题。通过机械密闭取芯技术现 场试验,并与传统方法进行对比分析,32组试验瓦斯含量测定结果比传统方法增加21.8%以上。结果表明:装置实现了在煤层钻孔内直接密闭取 芯功能,简化了测定流程,提高了煤矿瓦斯含量测定精度。应用该装置可最大限度地减少煤样暴露时间。     

基于模糊神经网络的煤层瓦斯含量预测研究

为提高未采区煤层瓦斯含量预测的准确性,在分析研究影响煤层瓦斯含量的主要地质因素的基础上,借助模糊数学作为表达与处理不精确数据、模糊信息的手段,以神经网络作为解决问题的途径,将模糊数学与神经网络有机结合,建立基于模糊神经网络的煤层瓦斯含量预测模型。研究结果表明:模糊神经网络模型不仅能够较好地解决模糊信息难于定量表达、学习样本难于确定等问题,而且能够较准确地提取出煤层瓦斯含量与其各个影响因素之间的非线性关系。通过实例运算验证,其预测精度较神经网络模型提高了4.84%～25.79%,应用于煤层瓦斯含量预测的效果更为理想,具有良好的应用前景,可以为实施科学的矿井瓦斯管理、预防各种瓦斯事故提供理论依据。     

立井揭煤前测定煤层瓦斯压力的方法与实践

为了解决复杂环境下立井揭煤前煤层瓦斯压力的可靠测定,基于揭煤井筒瓦斯地质特征、煤岩体物理力学性质,应用COMSOL软件模拟揭煤工作面在接近目标煤层时,井筒周围煤岩的地应力分布特征,直观展现了目标煤层中的应力分布结果。模拟结果表明,立井工作面距煤层的垂直距离为7 m时,煤层中会形成一个近似于环形的卸压圈,卸压半径为16 m,因此煤层瓦斯压力测试孔的终孔位置应布置在井筒中心线16 m以外的原始地应力区,以保证测压点瓦斯压力不受揭煤井筒卸压区的影响,令测压结果准确可靠,从而更好地预测煤与瓦斯突出区域的危险性。同时,结合立井揭煤工作面的水文地质特征和井筒严重淋水情况,自主研发并应用了瓦斯测压孔"两堵一注"封孔材料及特定的封孔工艺,进一步保障了封孔质量和瓦斯压力测试结果的可靠性。最后,依据测压结束时测压管内的实际水压情况,对测压结果进行修正,并依据实测瓦斯含量,采用间接法对所测得的瓦斯压力进行验证,实测值在反算得到的瓦斯压力值域内,表明此方法有效可行。     

A CART technique to adjust production from longwall coal operations under ventilation constraints

Methane emissions in longwall coal mines can arise from a variety of geologic and production factors, where ventilation and degasification are primary control measures to prevent excessive methane levels. However, poor ventilation practices or inadequate ventilation may result in accumulation of dangerous methane-air mixtures. The need exists for a set of rules and a model to be used as guidelines to adjust coal production according to expected methane emissions and current ventilation conditions.In this paper, hierarchical classification and regression tree (CART) analyses are performed as nonparametric modeling efforts to predict methane emissions that can arise during extraction of a longwall panel. These emissions are predicted for a range of coal productivities while considering specific operational, panel design and geologic parameters such as gas content, proximate composition of coal, seam height, panel width, cut height, cut depth, and panel size. Analyses are conducted for longwall mines with and without degasification of the longwall panel. These models define a range of coal productivities that can be achieved without exceeding specified emissions rates under given operating and geological conditions.Finally, the technique was applied to longwall mines that operate with and without degasification system to demonstrate its use and predictive capability. The predicted results proved to be close to the actual measurements to estimate ventilation requirements. Thus, the CART-based model that is given in this paper can be used to predict methane emission rates and to adjust operation parameters under ventilation constrains in longwall mining.     

基于BP神经网络的煤层自燃预测

在全面分析影响煤层自燃因素的基础上,建立了煤层自燃预测的人工神经网络模型.应用该模型对某煤田的多个煤层样本进行了训练和预测,网络经过10次训练后,误差达到设定的最小值,6次预测测试中最大误差仅为0.027 8,最小的为0.000 1.研究表明,该模型精度较高,可用于预测煤层自燃的实际应用.     

煤与瓦斯突出过程中煤体瓦斯的作用研究

为了研究煤与瓦斯突出过程中煤体瓦斯的作用,采用煤体中瓦斯总量守恒的原理研究瓦斯含量与瓦斯积聚内能的基本方程和影响因素;分析煤与瓦斯突出产生的力学条件和机理,建立了煤与瓦斯突出危险程度的矩阵图。结果表明:瓦斯含量是煤体瓦斯内能最直接的反应,其值大小决定瓦斯内能的大小;瓦斯压力梯度、煤体的断裂韧性及煤体内的裂隙发育程度决定着瓦斯突出的危险性,低渗透性构造煤对瓦斯运移阻力较大,容易形成较大的瓦斯压力梯度,从而更容易发生煤与瓦斯突出。煤层中的瓦斯含量、瓦斯压力、地应力越大,煤体的强度、渗透率越小,越容易发生突出。煤层瓦斯情况、力学性能、地质构造和煤层的应力状态是决定煤与瓦斯突出的主要因素。     

煤与瓦斯突出危险性的未知权重多属性综合评价模型

将集对分析理论和变异系数法相结合,构建煤层突出危险性综合评价模型。首先,模型选取煤的破坏类型、瓦斯放散初速度指标△P、煤的坚固性系数f、煤层瓦斯压力队综合指标D和综合指标K作为评价指标。其次,为避免权重赋值的主观性,采用变异系数法确定指标权重,以提高权重的客观性和适应性。然后,利用综合评价准则判断煤与瓦斯突出危险性等级。研究结果表明：采用该模型的评价结果与实际情况基本一致,从而验证了模型的合理性与可行性。     

煤层瓦斯流动的数值模拟及在煤壁的应用

研究煤层中瓦斯流动规律对于预防瓦斯突出,改善煤层瓦斯抽放率和煤层气开发利用具有现实意义。根据基本假设,对煤层瓦斯流动规律进行了研究,运用瓦斯运动方程—达西定律(DarcyLaw)、煤层瓦斯含量方程—抛物线方程、理想气体状态方程以及气体流动的连续性方程,建立了煤层单向瓦斯流动的动力学模型,并根据边界条件和初始条件,对动力学模型进行了求解,推导出煤壁单位面积的瓦斯涌出量的计算公式,分析了瓦斯涌出量的影响因素,利用测得的数据,进行了实例计算,并用vc编制了计算机程序。     

煤层水力压裂合理参数分析与工程实践

煤层水力压裂技术是近年来应用于高瓦斯低透气性突出煤层的一种卸压增透消突技术,人们对水力压裂的卸压增透消突机理有了较充分的认识,现场工程应用的效果也较好,但有关煤层水力压裂参数是如何确定的系统分析却是很少。笔者在阐述水力压裂机理及压裂过程的基础上,系统地阐述高瓦斯低透气性突出煤层水力压裂所需的注水压力、流量、注水时间、注水速度、孔间距、封孔长度等技术参数以及煤体内在因素的影响作用;最后在义安矿FD003工作面进行了水力压裂试验研究和效果考察,得出适合义安矿的水力压裂合理注水参数。通过水力压裂,煤层瓦斯抽放量和抽放浓度得到大幅度提高,达到了卸压增透防突效果,同时起到了润湿煤体和降尘效果。     

基于PCA-AHPSO-SVR的煤层瓦斯含量预测研究

为了提高煤层瓦斯含量预测的准确性和科学性,通过主成分分析方法对影响煤层瓦斯含量的7个因素进行特征提取,消除影响因素之间的相关性,减少维度;用支持向量回归机对提取的因素进行训练,并用改进的自适应混合粒子群算法对SVR的参数进行优化,提出PCA-AHPSO-SVR模型;与PCA-PSO-SVR,PSO-SVR这2个模型在相同环境下进行30次运行比较。研究结果表明:研究提出的PCA-AHPSO-SVR模型较其他2种模型平均准确率分别提高5.51%和9.32%,稳定性更佳,可满足工程实际需求。