受废弃油井影响的煤层瓦斯和硫化氢分布规律研究

为解决矿区资源叠加开采区域废弃油井影响范围内采掘工作面煤层瓦斯和硫化氢综合治理问题,以双马煤矿Ⅰ0104105工作面马探30和马探31二口废弃油井为例,通过采取参数测试、气体成分分析、现场考察等手段,对废弃油井影响范围内采掘工作面的煤层瓦斯和硫化氢的涌出、分布及影响范围进行了初步研究。结果表明:双马井田含煤地层属于煤油共存地层,工作面局部区域涌出H2S气体主要受封闭不良废弃油井影响较大;废弃油井影响范围内沿工作面走向方向,越靠近油井中心,钻孔内CH4、H2S气体浓度越高,以油井为中心两侧范围内呈现逐渐降低的趋势;废弃油井影响区域内煤层可解吸瓦斯含量沿油井中心距离的分布呈现幂函数降低的趋势;采动期间工作面越靠近油井中心CH4、H2S涌出浓度越大,远离油井时呈下降趋势;马探31废弃油井影响区域CH4、H2S气体对煤层的影响半径在300 m以上。研究结果为进一步掌握废弃油井影响范围内采掘工作面瓦斯和硫化氢富集规律及治理措施设计提供了理论依据。     

模糊神经网络技术的发展与应用

对模糊神经网络技术的基本理论问题进行了论述, 讨论了模糊神经网络的理论研究现状、模糊神经网络软件技术发展现状以及目前在工程实际应用中仍存在的问题, 并对模糊神经网络将来的发展与应用作了展望。     

利用废弃油井开采陕北地下水的技术措施

根据陕北地区石油开采过程中,废弃油井数量较多的情况,提出利用废弃的油井开采地下水,解决陕北地区工农业生产以及实施山川秀美工程的用水问题,并介绍了开采地下水的技术措施。     

采煤工作面过油气井关键技术实践

针对油气和煤炭资源重叠区范围内的煤炭资源安全开采问题,禾草沟煤矿提出了废弃油气井的治理措施,并且对采煤工作面过废弃油井时制定了合理的施工方案,研究了在遇到油井套管时切割套管的安全技术措施,此项技术可为类似矿区正确处理煤矿与油气资源开采问题提供借鉴。     

井下废弃油井影响区域硫化氢综合治理技术研究

针对双马煤矿井下废弃油井影响区域采煤工作面硫化氢治理问题,在对硫化氢来源进行初步分析的基础上,通过超前探测确定了I0104₁05工作面马探31废弃油井影响范围内硫化氢的分布规律。根据对废弃油井的风险等级分类,提出了硫化氢的分级治理模式,构建形成了地面封堵治理为主、井下治理为辅的“堵、注、喷、增、降、监、护、撤”硫化氢综合治理体系。通过现场应用,实现了对井下废弃油井影响区域采煤工作面硫化氢的有效治理,确保了工人职业健康和矿井安全生产。     

曙光油田大修侧钻机理探讨与现场应用

主要从油井套坏出砂原因机理入手,分析油井套坏出砂原因、油井套损井的主要预防措施、油井套管损坏井治理技术,依此指导油井大修侧钻,提高油井大修侧钻效果。实现低产能井挖潜增效的目的,为该类油藏合理开发摸索出了一条可借鉴之路。     

浅层稠油井冲砂问题探讨

浅层稠油井,在采油生产过程中,出砂问题严重影响油井的正常生产.地层压力普遍偏低,冲砂作业时,冲砂液漏失到油层,选用聚丙烯酰胺等物资,提高冲砂液的粘度,降低漏失量,建立有效循环,可以部分解决冲砂液不返影响冲砂效果的难题,延长抽油井的生产周期.     

延长油田油井动液面综合检测技术研究

为了提高油井的出油率,同时加强油井内持续供液能力,针对延长油田的特性,提出了一种油井内动液面检测方法,并设计出相应的动液面检测系统,能够实现油井下动液面实施检测,介绍了油井内动液面浮筒检测法、压力计法、回声法,分析了动液面的检测原理和声波的选择,针对延长油田的特点,最终确定延长油田油井内动液面交叉偶极子阵列声波检测方法,并设计出相应的硬件系统。     

综采面废弃油井影响区域H2S涌出规律及防治措施

针对双马煤矿综采工作面废弃油井影响区域H2S涌出量较大的问题,通过现场考察I0104105工作面过马探31废弃油井期间H2S采动涌出分布规律,提出了以废弃油井地面超前封堵、井下气体超前探测为基础,以采前预注碱性吸收液主动治理和采中中高压喷雾、通风稀释被动治理为主要措施,以降低割煤速度、强化监测和人工检测、加强个体防护等为辅助的综合防治措施。通过现场应用,I0104105工作面H2S涌出浓度有大幅下降,工作面回风巷H2S涌出得到了较好地控制,安全通过了马探31废弃油井影响区域,为类似条件H2S治理提供了示范。     

油井工况分析技术的实现

针对在油井的生产管理过程中,经常需要通过常用的生产数据判断油井的工作状况.通过井筒模型建立了深井泵泵效,沉没压力下的体积系数、动液面求泵压、抽油机井标准动态控制曲线等一些列数学模型.并编制了工况分析软件,实现了油井工作状况的自动分析,能准确地判断出油井的5种工作状况:漏失、供液不足、正常、潜力和待落实.提高了油井生产管理的水平及效率.     

PSO-Elman神经网络在尾矿坝位移预测中的应用

由于BP神经网络模型容易出现局部极小值和训练时间长等缺陷,Elman神经网络模型有搜索速度慢、易出现局部最优等不足,因此考虑采用PSO-Elman神经网络模型进行尾矿坝位移预测。利用Matlab神经网络工具箱对PSO-Elman神经网络、Elman神经网络、BP神经网络三种模型进行编程,结合工程算例,验证了PSOElman神经网络模型在尾矿坝位移监测数据预测分析中具有更好的预测效果。     

小波网络模型在渗流量预测中的应用

将小波理论与神经网络理论相结合,建立了小波网络模型,并应用于工程实例。它避免了BP神经网络结构设计的盲目性和局部最优等非线性优化问题,大大简化了训练,具有较强的函数学习能力和推广能力。实例计算结果表明,小波网络模型具有比BP神经网络收敛速度快、预测精度高等特点,因而具有广阔的应用前景。     

基于神经网络的混合智能故障诊断技术研究

目前 ,故障诊断的关键是寻找一种使诊断结果更为有效的方法。神经网络作为一种新兴的故障诊断方法 ,越来越受到人们的关注。对于复杂的系统 ,单一的传统神经网络很难给出理想的结果。对神经网络与其他诊断方式融合的混合智能技术 ,即神经网络与专家系统、模糊控制、小波分析和遗传算法的结合以及集成神经网络等在故障诊断中的应用进行了综述     

基于改进RBF神经网络的巷道变形预测模型

由于经典RBF神经网络中的隐含层节点数、连接权值等结构参数基本由经验获取,因此经典RBF神经网络模型的性能取决于建立模型专家的主观性,存在一定的盲目性和随机性,难以对巷道变形进行准确预测。为此,采用贝叶斯阴阳和谐学习算法对经典RBF神经网络模型的隐含层节点个数、连接权值等结构参数进行了优化,提出了一种基于改进RBF神经网络的巷道变形预测模型,即对角型广义RBF神经网络模型。采用潞安和兖州矿区的综放回采巷道的现场长期监测数据分别对经典RBF神经网络模型以及对角型广义RBF神经网络模型进行了试验分析,结果显示：①对巷道顶底板变形进行预测时,对角型广义RBF神经网络模型的准确率约92.2%,经典RBF神经网络模型的准确率约80.6%;②对煤帮变形进行预测时,对角型广义RBF神经网络模型的准确率约90.2%,经典RBF神经网络模型的准确率约78.6%。上述试验结果表明,对角型广义RBF神经网络模型对于巷道变形预测的精度明显优于经典RBF神经网络模型,对于高精度巷道变形预测有一定的参考价值。     

基于神经网络与案例推理的发动机故障诊断研究

将人工神经网络和基于案例的推理技术(case-based reasoning,CBR)结合用于汽车发动机故障诊断系统中,介绍了神经网络与CBR结合模型,阐述了案例的表示、检索和神经网络模块等,实例诊断表明,神经网络和CBR方法的结合有效地弥补了传统神经网络和CBR方法的缺陷。     

BP神经网络在振动筛故障诊断中的应用

按BP神经网络的基本原理和算法,确定了振动筛的BP神经网络结构,用振动筛运行状态的特征量作为BP神经网络的输入,运用Matlab神经网络工具箱对该网络进行训练,得到了用于诊断的BP神经网络模型。实验结果表明,运用神经网络方法能较为准确诊断振动筛故障。     

基于MATLAB的BP神经网络在煤巷锚杆支护设计中的应用

采用MATLAB的BP神经网络工具箱,建立了巷道围岩主要影响因素与支护形式和支护参数之间的高度非线性BP神经网络模型。通过对算例结果的分析,验证了基于MATLAB的BP神经网络应用于煤巷锚杆支护设计的可靠性、可行性和高效性,这表明了BP神经网络方法在锚杆支护设计中具有一定的推广价值。     

基于模糊神经网络的刮板输送机故障诊断

对刮板输送机常见故障类型进行总结与分类,介绍基于模糊神经网络的故障诊断流程,分析刮板输送机故障的影响因素,建立基于模糊神经网络的刮板输送机故障诊断模型,研究模糊聚类的依据以及RBF神经网络的学习流程。为了验证基于模糊神经网络故障模型的有效性,以刮板输送机减速器的诊断过程为例,采用MATLAB进行仿真,仿真结果表明,基于模糊神经网络的故障诊断结果与实际情况一致,相比传统RBF神经网络,迭代次数更少,性能更优。     

基于量子神经网络拟合法的矿区地表变形监测

矿区地表变形监测受到矿区地质构造条件、开采规模、采矿工艺等因素的影响,目前常规的矿区地表变形监测方法具有流程繁琐、工作量大、监测精度低等不足,为此,提出了一种基于量子神经网络拟合法的矿区地表变形监测方法。该方法通过将矿区监测点x、y坐标作为神经网络输入层神经元,将监测点的高程异常量（ξ）作为神经网络的输出层神经元,经多次迭代获得最优解。基于某矿区GPS监测数据,分别采用二次多项式拟合、BP神经网络拟合以及所提方法进行对比试验,并引入内、外符合精度作为各方法拟合精度的评价标准,结果表明：对于不同分布的监测点以及不同数量的监测点,所提方法相对于其余2种方法而言具有较高的内、外符合精度及较小的残差,对于提高矿区变形监测精度有一定的参考价值。     

基于神经网络的提升机减速器工况预测研究

针对传统监测方法无法实现提升机减速器工况预测的缺点,利用Matlab神经网络工具箱建立了提升机减速器工况参数的预测模型。对比模型预测值和实际测量值表明:BF和RBF神经网络模型预测结果和实际值的误差均小于10%,证明了神经网络模型用于减速器工况预测的可行性。对比BP和RBF神经网络预测结果,表明RBF神经网络模型训练时间短,预测精度高,更加适用于井下提升机减速器工况参数预测。