事故树分析法在煤矿瓦斯爆炸事故安全评价中的应用

通过对煤矿瓦斯爆炸事故进行事故树分析,找出导致煤矿瓦斯爆炸事故的28个基本事件。在此基础上,采用布尔代数法,得出了煤矿瓦斯爆炸事故发生的最小割集154个、最小径集4个。通过对最小割集（最小径集）的求解,确定了各基本事件的结构重要度,从而明确事故发生的危险（安全）程度,掌握了导致瓦斯爆炸事故发生的各基本原因事件的组合关系及其重要程度;提出了防治瓦斯爆炸事故发生的措施。     

高压注水中水对瓦斯解吸影响试验研究

为了解高压注水后水对含瓦斯煤中瓦斯解吸的影响,利用自主设计的外液侵入条件下瓦斯解吸试验装置,在环境温度为20℃条件下,分别开展了无水侵入和有水侵入后水对含瓦斯煤中瓦斯解吸影响的对比试验,其瓦斯吸附平衡压力分别为2.5MPa,2.0MPa,1.5MPa,1.0MPa,而环境压力则分别为2.0MPa,1.5MPa,1.0MPa,0.5MPa,瓦斯吸附平衡压力与所处的环境压力之差均为0.5MPa,共进行了四组对比试验,并对试验数据进行了对比分析。结果表明:水的后置侵入不仅会使瓦斯解吸量大大减少,而且还会使瓦斯解吸的终止时间提前。因此,在评价高压注水对提高瓦斯抽采效果时,不仅要考虑高压水对煤层的增透作用以及对瓦斯的驱动作用,还应综合考虑水对瓦斯解吸的损害影响。     

基于灰色遗传神经网络法的矿井瓦斯涌出量预测

矿井瓦斯突出的发生是一个非线性系统在时空演化过程中的灾变行为,影响突出的各个基本因素与突出危险性之间存在复杂的非线性映射关系.对于处理这样的非线性时空演变问题,传统的数学方法是有局限性的.为了更好地预测矿井瓦斯涌出量,将灰色理论引入到预测精度高的遗传神经网络,使灰色理论和遗传神经网络有机结合起来,以神经网络理论为基础,利用遗传算法优化隐含层神经元个数和网络中的连接权值,并用其建立瓦斯涌出量的预测新模型.在实验室测试数据的基础上,建立遗传神经网络训练和检验样本集,并且将检验结果分别与标准BP神经网络的预测结果进行比较.     

含添加剂细水雾抑制瓦斯爆炸有效性试验研究

为进一步提高细水雾的抑爆灭火效能,在建立细水雾抑爆系统试验平台的基础上,选用MgCl2、FeCl2和NaHCO3这3种添加剂,研究细水雾对瓦斯爆炸火焰的抑制效果.结果表明:使用含添加剂细水雾后,体积分数为9.5％的瓦斯的爆炸传播速度从13.8 m/s至少降到2.75 m/s;水雾区火焰长度最多缩短了242 mm;含0.8％FeCl2的细水雾有效性系数为6,有效性最高;从火焰图片剖面像素分布可以看出,火焰的辐射体温度均出现了不同程度的降低.不同添加剂不同程度地提高了细水雾的灭火效能,对瓦斯体积分数接近化学当量比的火焰传播有明显抑制效果.     

煤层群首采关键层卸压瓦斯综合治理技术

首采煤层群关键层是消除邻近煤层突出危险性行之有效的方法.以淮南新庄孜煤矿66210工作面为例,在综合分析采空区上覆岩层竖向3带以及瓦斯运移基本条件的基础上,将上被保护层所产生的卸压瓦斯运移路径简化为:被保护层→上覆岩层竖向裂隙→采空区→回风巷.为了保障首采保护层工作面的安全回采,提出并实施了卸压瓦斯综合治理技术,对被保护层卸压瓦斯、首采层顶板裂隙发育区富集瓦斯、采空区瓦斯进行强化拦截抽采.采用沿空留巷Y型通风方式消除上隅角瓦斯积聚,降低风排瓦斯量,工作面回风瓦斯体积分数在0.6%以下,实现了高瓦斯煤层群首采工作面的安全高效生产.     

国家安全监管总局 国家煤矿安监局 通报贵州省六盘水市“8·14”重大瓦斯爆炸事故

2011年8月30日,国家安全监管总局、国家煤矿安监局发布《关于贵州省六盘水市盘县过河口煤矿＂8·14＂重大瓦斯爆炸事故的通报》,以吸取事故教训,切实加强煤矿安全生产工作,严防类似事故发生。     

如何遏制矿难“螨报”行为

近年来,矿难瞒报事件在我国连连发生,且呈屡禁不绝之势。据2011年4至5月人民网、新华网等各主要媒体连续报道,自2010年9月至2011年5月上旬,仅云南省煤矿安全监察局就先后查处了9起煤矿瞒报事故。网民关注矿难瞒报存在监管漏洞4月27日人民网发表《人民调查：近9成网友认为云南矿难瞒报存在监管漏洞》一文指出,在不到半个月的时间里,云南宣威先后发生两起矿难瞒报事件：4月3日一起瓦斯事故造成6人遇难,     

深孔预裂爆破在低透性高突煤层中的应用与分析

为提高低透气性高突出煤层瓦斯抽放率,达到预防瓦斯突出的效果,将深孔预裂爆破技术运用于某煤矿低透性高突煤层,考察了这种爆破对煤层透气性系数、百米钻孔瓦斯流量、瓦斯抽放量、抽放浓度、瓦斯抽放率以及突出预测敏感指标的影响。试验结果表明:采用深孔预裂爆破技术后,煤层透气性增强,瓦斯抽放率提高,各项预测指标在回采期间没有出现超标情况,同时也没有发生过瓦斯动力现象和煤与瓦斯突出。     

基于RS-SVM模型的煤与瓦斯突出多因素风险评价

为挖掘瓦斯突出风险与煤矿开采中各影响因素间的关系,应用支持向量机(SVM)理论从模式判别角度分析瓦斯突出风险与各地质因素组成的特征向量间的判别关系,基于粗糙集(RS)理论对待分析数据进行知识约简,提取核心判别指标,建立基于粗糙集-支持向量机(RS-SVM)的瓦斯突出风险判别模型。研究结果表明,RS知识约简方法可以很好地对原始数据中的冗余指标进行约简,通过对约简后指标数据进行SVM回归分析,可对煤与瓦斯突出模式进行很好的判别,所建立的瓦斯突出风险判别模型较一般SVM模型具有更高的预测精度,同时指标约简过程降低SVM运算中的复杂度,提高运算效率。     

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。