急倾斜煤层顶煤可放性分类预测的Fisher判别分析模型及应用

基于Fisher判别理论建立了急倾斜煤层顶煤可放性分类的Fisher判别分析模型.选取老顶、直接顶、底板、瓦斯、采深、倾角、煤层厚度、坚固性系数、夹矸等9项指标作为Fisher判别分析模型的分类判别指标.利用国内矿区急倾斜煤层可放性分类实例数据作为训练样本进行训练,建立顶煤可放性分类的Fisher判别分析模型,求得判别函数.用建立的模型对5个矿山的急倾斜煤层顶煤可放性进行分类预测,结果与实际情况符合良好.     

急倾斜煤层顶煤可放性识别的距离判别方法及应用

探讨了急倾斜煤层放顶煤的工程特点,将距离判别分析方法用于急倾斜煤层顶煤可放性识别问题中,建立了急倾斜煤层顶煤可放性识别的距离判别分析模型.最后,将该模型用于工程实例,识别结果符合实际情况.研究表明,距离判别分析模型分类性能好,识别精度高,误判率低,是急倾斜煤层顶煤可放性识别的一种有效方法.     

急倾斜煤层可放性的Bayes判别分析法

为了对急倾斜煤层巷道放顶煤可放性进行研究,基于Bayes判别分析理论建立了急倾斜煤层顶煤可放性识别的Bayes判别分析模型。模型选用影响顶煤可放性的9个指标作为判别因子,将顶煤可放性分为4个等级作为Bayes判别分析的4个正态总体,以工程实例数据作为学习样本进行训练,建立相应的判别函数,并利用回代法对判别准则进行评价以验证模型的优良性。利用训练好的模型对典型的放顶煤可放性实例进行预测,结果与实际情况完全符合。研究结果表明,Bayes判别分析模型识别性能良好,预测精度高,误判率低,是顶煤可放性识别的一种有效方法,可以在实际工程中推广应用。     

急倾斜煤层顶煤可放性识别的神经网络模型

在总结分析现场工业试验的基础上,建立了急倾斜煤层放顶煤法顶煤可放性识别的人工神经网络模型,模型能对不同开采条件下的顶煤可放性进行准确的识别,对推广急倾斜煤层放顶煤有重要的指导意义。     

急倾斜煤层顶煤可放性识别的支持向量机模型

分析了急倾斜煤层巷道放顶煤开采顶煤可放性的主要影响因素,在巷道放顶煤工业性试验及开采实践经验数据分析的基础上,将基于结构风险最小化原理的支持向量方法用于急倾斜煤层顶煤可放性识别问题中,建立了基于径向基核函数的可放性识别支持向量机模型,并将该模型用于工程实例检测。研究表明,该模型能通过有限经验数据的学习,建立顶煤可放性与影响因素之间的非线性关系,具有预测精度高、容易实现、应用性强等优点。     

急倾斜煤层顶煤可放性的模糊综合评判

在现场观测和总结工业性试验的基础上,应用模糊数学理论建立了急倾斜煤层顶煤可放性的三级综合评判模型,模型能对顶煤的可放性作出了准确的判断。     

急倾斜煤层顶煤可放性评价模型及应用

急倾斜煤层巷道放顶煤开采顶煤可放性受到煤层强度、开采深度、煤层厚度、倾角、顶底板条件、夹矸、其它开采条件等因素的综合影响。在巷道放顶煤工业性试验及开采实践的经验和统计数据分析的基础上，构造了顶煤可放性影响因素的评价函数，建立了灰色－模糊评价模型。实际应用表明，该模型准确、简便，对于急倾斜煤层巷道放顶煤开采设计与生产管理具有重要的指导作用。     

边坡稳定性预测的Fisher判别分析模型

将Fisher判别分析法应用于边坡稳定性预测问题中,建立了边坡稳定性预测的Fisher判别分析模型,选取岩石重度、粘聚力、内摩擦角、边坡角、边坡高度、孔隙水压力6项指标作为Fisher判别分析模型的判别因子,以边坡工程实测数据作为学习样本进行训练,建立相应的判别函数对待判样本进行分类。研究结果表明Fisher判别分析模型分类性能良好,预测精度高,回判估计的误判率很低,是边坡稳定性预测的一种有效方法,可以在实际工程中进行推广。     

急倾斜厚煤层水平分段放顶煤开采顶板和顶煤运移规律研究

在急倾斜煤层放顶煤开采过程中,顶煤和顶板的活动规律是非常复杂的。通过对顶煤和顶板的破坏和运移规律的研究,可有助于确定顶煤的可放性,控制工作面端面冒顶和煤壁片帮,确定合理的放煤参数;有利于进行急倾斜厚煤层顶板的合理维护以及掌握矿压规律,指导生产。就开滦集团赵各庄矿在急倾斜厚煤层采用水平分段开采过程中的现场观测,探讨顶煤和顶底板运移。     

瓦斯压力对急倾斜煤层放顶煤的作用机理分析

应用煤岩流体力学理论分析了煤体内孔隙瓦斯压力对急倾斜煤层顶煤破碎的作用 ,孔隙瓦斯压力能降低煤体强度和弹性模量 ,利用其作用于煤体的开裂模式 ,使顶煤产生层裂 ,可显著改善顶煤的可放性     

范世民，胡学军

运用动态模糊聚类方法，以煤层强度、赋存深度、节理裂隙发育程度、夹矸厚度、采空区充满程度、老顶级别、采放比等7个因素按模糊最大隶属度原则综合评价顶煤冒放性.建立了模糊聚分析方法的数学模型，以上述7个指标为基础，对顶煤冒放性的模糊聚类分析进行运算，给出分类的实施过程.潞安矿区顶煤冒放性分类结果表明，5对主要生产矿井主采3号煤层，其顶煤冒放性皆为好（Ⅰ类）和较好（Ⅱ类），经潞安矿区综放开采实践证实，分类合理.     

基于Fisher判别分析的冲击地压危险性等级预测

针对矿井中发生的冲击地压危险性分级问题,应用因子分析和Fisher判别分析理论,选取煤层厚度、煤层倾角、埋深、构造情况、煤层倾角变化、煤层厚度变化、瓦斯浓度、顶板管理、卸压、响煤炮声为影响因素,分析影响因素之间的相关性,对相关性较强的因素进行因子分析,提取恰当的公共因子,进而建立基于因子分析的冲击地压危险性等级Fisher判别分析（FDA）模型。利用四川砚石台煤矿23组实测数据作为学习样本对模型进行训练。采用回代估计法检验模型的有效性,回判的误判率为0。将另外未参加训练的12组煤矿动力现象数据作为测试样本,对其危险性等级进行预测,并与传统的Fisher判别方法进行对比。结果表明,经过对样本因子分析后,指标个数减少,相关性降低,可以有效预测冲击地压的危险性等级,用该模型所得到的预测结果的误判率为0。     

基于黏结颗粒模型的特厚坚硬煤层综放开采数值模拟研究

基于榆神矿区特厚坚硬煤层超大采高综放开采技术条件,针对散体颗粒模型在埋深较浅的坚硬煤层综放开采模拟中顶煤冒放情况与实际不相符的问题,对比黏结颗粒模型与无黏结散体颗粒模型力学性质,讨论两种模型适用条件,得出黏结颗粒模型更适合坚硬煤层综放开采模拟。阐述了黏结颗粒模型的建模和模拟过程:岩层内部采用平行黏结颗粒模型以模拟层内整体块体力学特性,层间采用光滑节理模型以模拟结构面力学性质;通过Fish语言和伺服控制原理实现液压支架初撑阶段、增阻阶段和恒阻阶段不同工况的模拟;根据支架顶梁位态采用逆向运动学方法更新支架整体位姿;通过Fish语言实现尾梁的不同幅度摆动。数值模拟结果表明:覆岩可形成下位基本顶不稳定砌体梁结构和上位基本顶稳定砌体梁结构,顶板来压步距介于10~20 m;顶煤破碎度和冒放性具有双周期性(走向周期与周期来压步距一致,表现为来压期间顶煤破碎较充分、冒放性好,优于非来压期间;垂向周期与顶煤层位相关,表现为下位顶煤破碎充分、冒放性好,优于上位顶煤);工作面煤壁整体稳定性较好,来压期间会出现煤壁破坏现象;液压支架总体处于较高的工作阻力状态;不同块度的顶煤冒放过程中可能形成小块度瞬时动态松散拱结构、中等块度不稳定拱结构和大块度稳定拱结构,尾梁成拱可采用“小拱小摆、大拱大摆”对策高效破拱,掩护梁成拱则需移架才可破拱。超大采高综放开采实践表明数值模拟结果与现场情况一致,黏结颗粒模型能较好地模拟埋深较浅的坚硬煤层综放开采顶煤冒放特征和矿压显现规律。本研究可为坚硬煤层顶煤冒放性和顶板覆岩结构数值模拟研究提供力学模型选择依据,为模拟过程实现方法提供借鉴。     

综放开采顶煤冒放性确定

在分析综放开采顶煤冒放性影响因素的基础上,确定了煤层强度、节理裂隙发育度等7项指标作为顶煤冒放性的分类指标,提出了综放开采顶煤冒放性的分类和确定方法。     

煤层注水难易程度的Fisher判别分析模型及应用

基于Fisher判别法理论和影响煤层注水难易程度的重要因素,选用煤层的埋藏深度、裂隙的发育程度、孔隙率、湿润边角、饱和水分增值、坚固性系数6项指标作为判别因子,以15组煤层注水的实测数据作为学习样本进行训练,建立相应的Fisher判别函数对15组实测数据用回代估计方法逐一进行检验,正确率为93.3%。将建立的模型应用于3个工程实例,与实际情况吻合良好,计算结果与传统的模糊聚类分析法、神经网络法所得到的结果一致或更好。     

急斜特厚煤层开采围岩与覆盖层破坏规律

为了再造一个山川秀美的西北地区,需要进行地下矿床开采引起围岩和地表覆盖层破坏规律,研究了急斜特厚煤层水平分段放顶煤开采围岩破坏规律,提出开采过程顶煤和围岩的破坏过程大致可分为顶煤放出区,沿底坐滑区,顶板离层破坏区和煤岩滞后垮落区4个区,建立了急斜老顶狭长板模型,分析其变形破坏特征及主要影响因素,得出急斜特厚煤层开采破坏主要向煤层上方发展,地表呈串珠状塌陷坑,在老顶上方地质破坏不显著,只要对塌陷坑进行科学充填,就可实现地表绿化及城市利用。     

BP神经网络在顶煤冒放性评估中的应用

 文章依据顶煤冒放性的自然影响因素,应用人工神经网络的理论与方法,建立了顶煤冒放性的BP神经网络评价模型,以文献[1、2]中的29个放顶煤工作面的顶煤冒放性评价结果作为网络模型的学习训练样本,对网络进行训练。最后应用训练后的神经网络,对6个不同煤矿的顶煤冒放性进行评价并将评价结果与实际开采情况相比较,验证了该评价方法的正确性和可行性。     

采场顶板稳定性动态工程分类的Fisher判别分析

基于Fisher判别分析理论, 综合考虑岩石介质条件、环境条件以及工程条件3大方面, 并遵循超前性与实用性原则, 选取采场的直接顶单轴抗压强度、岩石质量指标、煤体抗压强度、工作面推进速度及顶板水文状况5个因素作为判别分析的因子, 建立采场顶板稳定性动态分类的Fisher判别分析模型。将该方法应用于某采场顶板稳定性动态工程分类预测中, 以现场26组数据作为训练样本, 建立具体的Fisher判别函数, 回判估计的误判率极低, 并利用第一判别函数确定特定顶板合理的工作面推进速度范围, 指导工程实际施工。