基于PCA-Fisher判别分析模型的煤与瓦斯突出危险等级预测方法研究

为了提高煤与瓦斯突出预测精度,选取瓦斯含量、瓦斯压力、瓦斯放散初速度等11个因素作为判别指标,将煤与瓦斯突出强度分为无突出、小型突出、中型突出、大型突出4个等级。利用贵州黔西北煤矿资料中的28组数据作为训练学习样本,建立了煤与瓦斯突出危险等级预测的PCA-Fisher判别分析模型,再利用资料中其余6组数据作为预测样本,对该模型进行检验和应用,并与BP神经网络模型和Fisher判别模型的判别结果进行比较。结果表明:PCA-Fisher判别模型具有更高的准确性和可靠性,可以对煤与瓦斯突出危险等级进行有效预测。     

煤与瓦斯突出灰色-神经网络预测模型的建立及应用

对煤与瓦斯突出影响因素进行灰关联分析,以此确定人工神经网络的输入参数.并应用改进的BP算法,选择灰关联分析的5个优势因子作为输入参数,建立了煤与瓦斯突出预测的神经网络模型.选用典型突出矿井的煤与瓦斯突出实例作为学习样本,对网络进行训练学习,并以云南恩洪煤矿的煤与瓦斯突出实例作为预测样本,将经过网络预测的结果与传统方法的计算结果进行对比.结果表明该灰色一神经网络模型能够满足煤与瓦斯突出预测的要求.     

煤与瓦斯突出灰色-神经网络预测模型的建立及应用

对煤与瓦斯突出影响因素进行灰关联分析,以此确定人工神经网络的输入参数．并应用改进的BP算法,选择灰关联分析的5个优势因子作为输入参数,建立了煤与瓦斯突出预测的神经网络模型．选用典型突出矿井的煤与瓦斯突出实例作为学习样本,对网络进行训练学习,并以云南恩洪煤矿的煤与瓦斯突出实例作为预测样本,将经过网络预测的结果与传统方法的计算结果进行对比．结果表明该灰色-神经网络模型能够满足煤与瓦斯突出预测的要求．     

煤与瓦斯突出灰色-神经网络预测模型的建立及应用

对煤与瓦斯突出影响因素进行灰关联分析,以此确定人工神经网络的输入参数．并应用改进的BP算法,选择灰关联分析的5个优势因子作为输入参数,建立了煤与瓦斯突出预测的神经网络模型．选用典型突出矿井的煤与瓦斯突出实例作为学习样本,对网络进行训练学习,并以云南恩洪煤矿的煤与瓦斯突出实例作为预测样本,将经过网络预测的结果与传统方法的计算结果进行对比．结果表明该灰色-神经网络模型能够满足煤与瓦斯突出预测的要求．     

煤与瓦斯突出预测的距离判别分析法及应用

将距离判别分析法应用在煤与瓦斯突出预测中,建立煤与瓦斯突出预测的距离判别分析模型.选取瓦斯放散初速度、煤的坚固性系数、瓦斯压力、煤体破坏类型和开采深度等5项影响突出的主要指标作为距离判别分析模型的判别因子,以我国典型突出矿井的煤与瓦斯突出实例作为学习样本进行训练,建立相应判别函数,经过训练后的模型回判估计的误差率为零.利用该模型对云南恩洪煤矿突出实例进行预测,结果与实际情况完全符合.研究结果表明,距离判别分析模型识别性能良好,预测精度高,在研究煤与瓦斯突出预测中具有良好的实用性和有效性.     

煤与瓦斯突出预测PCA—距离判别法研究

将主成分分析与距离判别法应用于煤与瓦斯突出预测中,建立了煤与瓦斯突出预测的PCA-距离判别法模型。通过PCA法提取煤与瓦斯突出影响因素的主成分,选取贡献率大于85%的3个主成分指标来代替原有的8个指标,同时确定这3个主成分为距离判别分析法的输入参数。以平宝公司试验工作面的17组原始数据为学习样本,5组原始数据为预测样本,对该方法进行了检验,预测结果与实际符合,可以作为煤与瓦斯突出预测的一种新方法。     

基于支持向量分类机的煤与瓦斯突出危险性预测

为了提高煤与瓦斯突出预测的准确性,提出了基于支持向量分类机的煤与瓦斯突出危险性分类的预测方法。该方法以地应力、瓦斯压力、煤的厚度和煤样筛分模数作为特征值,建立了煤与瓦斯突出危险性预测模型,分别选用单项式、多项式、RBF以及Sigmoid核函数对所选样本训练学习,确定了RBF做为预测突出危险性模型的核函数。     

煤与瓦斯突出的神经网络预测分析

煤与瓦斯突出是一处复杂的过程，做好预测预报工作显得尤为重要本文通过建立煤与瓦斯突出的人工神经网络预测模型，原始样本的学习可预测待报样本的突出情况，并进行了实例分析。经过检验，该预测模型的预测精度较高。     

基于GRA-SVM方法的煤与瓦斯突出预测模型研究

通过分析煤与瓦斯突出的主要影响因素,采取灰熵关联分析法进行关联度排序及特征向量的提取,利用支持向量机强大的模式识别能力,提出基于支持向量机的煤与瓦斯突出预测方法。以典型的煤与瓦斯突出样本为训练实例,利用Matlab平台下的Libsvm工具包建立预测模型,通过测试样本对模型进行验证,表明此模型具有较高的分类精度,适合于解决小样本的突出预测问题。     

BP神经网络在煤与瓦斯突出预测中的应用

鉴于煤与瓦斯突出对煤矿的安全生产的威胁以及其影响因子的复杂性,合理的选择煤与瓦斯突出预测的影响因子,利用非线性的BP人工神经网络建立煤与瓦斯突出强度预测模型,来预测煤与瓦斯突出强度的大小。结果显示,煤与瓦斯突出强度的预测值与实测值吻合得较好,表明采用BP神经网络预测煤与瓦斯突出强度是可行的,为矿井煤与瓦斯突出的预测提供了一种预测精度较高的方法。     

基于模糊综合评判的煤与瓦斯突出危险性预测

依据煤与瓦斯突出的相关理论及其影响因素建立了突出危险性评价指标体系,利用层次分析法确定了煤与瓦斯突出中各评价指标的权重,采用模糊综合评价的方法进行了突出危险性预测。通过对发耳煤矿的采煤工作面进行煤与瓦斯突出危险性的定量预测和等级划分,结果表明,应用层次分析-模糊综合评判方法预测是可行的,从而为安全监管提供了依据。     

煤与瓦斯突出预警技术及计算机系统在渝阳煤矿的应用

渝阳煤矿为了防治煤与瓦斯突出事故,提高矿井的安全保障能力,建立了煤与瓦斯突出预警技术体系与计算机系统。对瓦斯地质规律、采掘作业对突出的影响、瓦斯涌出预测突出规律、日常预测指标发展规律、防突措施及有效性评价方法、通风稳定性等多个方面进行研究,形成适合该矿特点的突出预警成套技术,建立了突出预警计算机信息系统平台和预警保障机制。     

煤与瓦斯突出预测敏感指标及其临界值研究进展

煤与瓦斯突出预测是突出煤层2个"四位一体"综合防突措施的关键环节,对确定突出预测敏感指标及其临界值具有重要意义。以往突出预测敏感指标及临界值的确定,包括地应力指标和瓦斯指标,是通过现场反复测试、试验确定的;而现今的突出防治管理模式不支持这种方法,故只能采取实验室试验研究,主要是针对瓦斯相关指标的研究,结合部分现场验证来确定。选取大隆矿12煤、芦岭矿8煤、祁南矿3煤、朱仙庄矿10煤、童亭矿7煤和新景3煤等6个煤样,煤种涉及中等变质程度的气肥煤到高等变质程度的无烟煤,试验研究了各煤样瓦斯压力P与瓦斯含量W,瓦斯压力P与钻屑瓦斯解吸指标K_1和Δh_2,以及钻屑瓦斯解吸指标K_1与Δh_2之间的关系规律。结果表明:突出预测的瓦斯指标之间具有单值对应关系,但各煤样的这种对应关系是变化的,国家相关标准给出的突出预测指标建议临界值之间并不对应,也不能完全反映煤层的实际突出危险性与突出严重程度,不同变质程度煤层很难存在统一的临界值;应用煤层瓦斯相关指标之间的对应关系,结合突出煤层的实际,如始突深度、突出动力现象、钻孔动力现象等,可间接确定突出预测敏感指标的临界值。同时,未来精细化的突出防治对突出预测敏感指标有更高的要求,进一步研究的方向应包含反映地应力状况、小构造影响下煤层赋存、预测煤层潜在突出强度的指标,以及适应突出灾害差异性的新突出预测方法及措施效果检验方法。     

基于瓦斯涌出特征的煤与瓦斯突出连续预测技术及应用

针对现阶段煤与瓦斯突出预测技术难以实现时间和空间领域的全方位预测,预测结果准确率低、预测结果发布滞后且影响工作面正常采掘作业生产等技术缺陷,提出了一种利用工作面瓦斯涌出特征预测工作面前方煤与瓦斯突出危险情况的非接触式、连续预测方法。通过对煤矿监测数据结构特征进行综合分析,确定了瓦斯涌出特征突出预警系统的预警指标,建立了煤与瓦斯突出连续预测技术模型,并引入单项预测指标权重评判集,采用加权平均设计思路,构建形成了煤与瓦斯突出预警综合评判规则。在此基础上,采用C/S、B/S双架构系统开发模式,设计开发了瓦斯涌出特征突出预警系统平台。通过下峪口煤矿应用结果显示,该系统平台总体预警准确率达到了86%,且能够超前准确地预测工作面前方的煤与瓦斯突出危险情况,为突出矿井的正常掘进生产提供了安全保障。     

煤与瓦斯突出预测的SOFM模型及应用

煤与瓦斯突出是煤矿生产活动中常见的一种动力灾害之一,其危险性等级评价是煤矿安全生产的必要前提和保证。文章综合考虑煤与瓦斯突出发生的地应力、瓦斯和煤的物理力学性质等条件,选取地质破坏程度、瓦斯压力、瓦斯放散初速度、煤的坚固性系数以及开采深度作为煤与瓦斯突出危险性预测的评价指标。基于此,文章借签一种自组织特征映射(SOFM)神经网络,建立煤与瓦斯突出危险性预测的SOFM神经网络模型,将SOFM神经网络模型应用于国内26个典型矿井的煤与瓦斯突出危险性预测。研究表明,SOFM神经网络模型预测效果较好,其正判率为92.31%。说明该模型可为小样本、多指标的煤与瓦斯突出预测提供一种新的思路。     

突出区域煤层孔隙瓦斯赋存规律研究

论文以淮南矿业集团丁集煤矿突出煤层为试验点,采用压汞试验法对煤层孔隙进行研究,得出孔隙半径不同时,瓦斯赋存状态不同,游离和吸附的瓦斯含量也不同。在此基础上,利用高压容量法对煤样进行吸附试验,并结合工业分析结果,分析煤层瓦斯吸附量,根据丁集煤矿实际情况,考虑温度因素对瓦斯吸附试验的影响,为煤与瓦斯防突预测提供依据。     

煤与瓦斯突出实时诊断预警系统的实践应用

煤与瓦斯突出是煤矿最常见的安全事故,严重危害煤矿的生产安全,必须建立煤与瓦斯突出实时诊断预警系统。云冈矿基于当前开采的7#和8#煤层地质实况,设计了KJ306型煤与瓦斯突出实时诊断系统,工业现场试验结果运行稳定可靠,可以实现安全信息管理及瓦斯灾害的预警功能,预警结果与矿井实际预测情况相符。     

基于混沌理论的掘进工作面煤与瓦斯突出特征研究

煤与瓦斯突出是一种极其复杂的动力现象,属于非线性动力系统在时空演化过程中的灾变行为。探索煤与瓦斯突出的规律性,对预防煤与瓦斯突出具有非常重要的理论和实践意义。为此,针对某掘进工作面的2组瓦斯涌出数据,应用非线性理论对其进行研究,探索煤与瓦斯突出预测的新方法。首先对经过预处理的时间序列进行相空间重构,分析了时间序列的混沌特征量,证明其混沌特性,并根据时间序列的混沌特征量提出了此时间序列的最大可预测时间。在此基础上,建立了基于混沌特征量的神经网络突出预测模型。     

煤与瓦斯突出预测可拓聚类方法及应用

在综合分析煤与瓦斯突出多种影响因素基础上,提出预测敏感指标并建立煤与瓦斯突出危险性等级,应用物元和可拓集合理论建立了煤与瓦斯突出危险性预测的物元可拓模型,提出了煤与瓦斯突出危险性预测的可拓聚类方法.以平顶山煤业集团公司天安十三矿为例对煤与瓦斯突出危险性预测可拓聚类方法的可行性进行了验证.     

马家沟矿煤与瓦斯突出预测敏感指标的确定

为了更好地提高煤矿生产的安全性以及预测突出危险的准确性和可靠性,对唐山马家沟煤矿的突出预测指标进行现场跟踪考察,得到大量的实测数据,利用灰色系统理论方法,初步得出了马家沟煤矿的突出预测敏感指标.