煤矿掘进工作面突出危险性变化及其预测指标研究

对目前煤矿掘进工作面煤与瓦斯突出预测指标进行分析对比,选取钻屑瓦斯解析指标和钻屑量指标对煤矿井下掘进工作面进行煤与瓦斯突出危险性跟踪考察,对不同瓦斯预测指标对煤层未来一段时间瓦斯动态变化间的灰色相关关系进行定量研究,找出能有效反映瓦斯变化的指标,帮助煤矿企业进行正确决策。     

工作面突出危险性预测敏感指标确定

为了确定突出煤层工作面突出危险性预测敏感指标,确保工作面突出危险性的精准预测,以四季春煤矿6号煤层为例,通过总结分析邻近区域及矿井6号煤层煤与瓦斯突出特征,构建了6号煤层工作面突出危险性预测指标敏感性分析标准。依据构建的工作面突出危险性预测指标敏感性分析标准,结合矿井工作面预测条件和《防治煤与瓦斯突出细则》相关规定,综合考察了6号煤层工作面突出危险性预测指标钻孔瓦斯涌出初速度(q)、钻屑瓦斯解析指标(K_1)、钻屑量(S)的敏感性,结果表明:6号煤层工作面预测指标钻屑瓦斯解析指标(K_1)敏感性较好,能够响应煤层全部煤与瓦斯突出特征;钻屑量(S)敏感性一般,响应煤层部分煤与瓦斯突出特征;钻孔瓦斯涌出初速度(q)敏感性较差,不响应煤层煤与瓦斯突出特征。最终确定钻屑瓦斯解析指标(K_1)为四季春煤矿6号煤层工作面突出危险性预测敏感指标,为突出煤层工作面突出危险性预测敏感指标的确定提供了参考。     

王庄煤矿煤与瓦斯突出预测指标敏感性分析

煤与瓦斯突出预测指标的敏感性分析对矿井瓦斯治理工作意义重大。在分析钻屑量、钻屑瓦斯解吸指标等突出预测指标的基础上,结合现场煤巷掘进,跟踪考察突出预测参数,采用三率法综合确定王庄煤矿3号煤层突出预测敏感指标。结果表明,煤钻屑瓦斯解吸指标K_1的预测准确率和预测不突出准确率分别为80%、98.9%,比煤钻屑瓦斯解吸Δh_2和钻屑量指标S的敏感度大,钻屑瓦斯解吸指标K_1值可作为王庄煤矿的突出预测敏感指标。     

永红煤矿3号煤层突出预测敏感指标及临界值确定

为了防止煤与瓦斯突出事故发生,准确预测3号煤层采掘工作面突出危险性,在3507运输巷工作面掘进期间,跟踪测定了瓦斯涌出初速度、煤钻屑瓦斯解吸指标和钻屑量3项预测指标共计330组原始数据。采用数理统计及"三率"法,确定了3号煤层的预测敏感指标及临界值。     

义安矿掘进工作面煤与瓦斯突出预测指标研究

针对义安矿近年来煤层煤与瓦斯突出问题,综合统计分析了掘进工作面突出预测指标:钻屑量指标S、钻孔瓦斯涌出初速度q和钻屑瓦斯解析指标Δh2,运用数学建模思想,并结合标准差和模糊优先关系排序决策,确定了义安矿煤层掘进工作面的突出预测敏感指标为q和Δh2,该结论可指导该矿的防突工作,意义重大、影响深远。     

通顺矿2~#煤层煤与瓦斯突出预测敏感指标及临界值确定

为筛选出煤与瓦斯突出危险性预测敏感指标,通过对通顺煤矿2~#煤层4组煤样的吸附平衡实验数据拟合得出了2~#煤层吸附平衡压力p与钻屑瓦斯解析指标Δh_2和K_1之间的函数关系式,再通过模糊聚类分析同一工作面不同测点的钻屑瓦斯解吸指标K_1和Δh_2、钻屑量S,得出Δh_2的相对敏感度最大,所以选取Δh_2作为通顺2~#煤层煤与瓦斯突出危险性预测的敏感指标,K_1和钻屑量S作为辅助性的参考指标。     

葛店煤矿双庙扩大区二2煤突出敏感指标及其临界值的研究

跟踪考察了葛店煤矿双庙扩大区3条煤巷掘进工作面突出危险性预测过程.通过数据分析,确定进行突出危险性预测时,钻屑量S、钻屑瓦斯解吸指标△h2和钻孔瓦斯涌出初速度q0对该区二2煤层煤与瓦斯突出的敏感程度.在此基础上,确定了该区二2煤的突出敏感指标及其临界值,为葛店煤矿掘进工作面突出危险性预测及瓦斯防治提供基础数据.     

基于两总体Fisher判别分析法的煤与瓦斯突出预测

应用两总体Fisher判别分析法,选取电磁辐射强度、钻屑瓦斯解吸指标、钻屑量、钻孔瓦斯涌出初速度、软煤厚度为预测指标,提出了基于两总体Fisher判别分析法的煤与瓦斯突出预测模型。以河南能源化工集团有限公司九里山煤矿为例,基于两总体Fisher判别分析法的煤与瓦斯突出预测模型对无突出危险预测准确率100%,对有突出危险预测准确率80%,无漏报。     

基于煤层突出特征的工作面预测指标确定

为了确定突出煤层工作面突出预测敏感指标及合理临界值,以四季春煤矿6号煤层为例,通过总结矿井及邻近区域6号煤层的煤与瓦斯突出特征,构建了6号煤层工作面突出预测指标敏感性考察标准,基于敏感性考察标准统一对比了各工作面突出预测指标比值敏感程度,确定了6号煤层敏感指标钻屑瓦斯解析指标和辅助预测指标钻屑量。采用实验室测试和历史数据拟合计算、现场考察修正、扩大应用确定三步递进式敏感指标临界值确定方法,确定了6号煤层工作面突出预测敏感指标钻屑瓦斯解析指标临界值为0.51 mL/(g·min^1/2),辅助预测指标钻屑量临界值为6 kg/m。     

煤层突出敏感指标的间接确定方法

为快速、准确确定采掘工作面煤层突出敏感指标,综合分析钻屑量S、钻孔瓦斯涌出初速度q、钻屑解吸值Δh₂等突出指标对采掘工作面瓦斯含量W的关联性,建立了灰色关联数学模型,采用数学软件MATLAB R2009a编程,实现了突出指标敏感度的快速排序,提出了突出敏感指标的间接确定方法。该方法便于动态掌控采掘工作面突出敏感指标,及时调整区域验证或预测预报敏感指标,有效预测突出危险性,适用于瓦斯赋存差异性较大的煤与瓦斯突出矿井采掘工作面突出敏感指标判定。     

距离判别分析理论在突出预测中的应用

为了更加准确的预测煤与瓦斯突出的危险性,基于距离判别分析理论,选取电磁辐射预测指标(电磁辐射强度E和脉冲数N)和常规指标R指标、钻孔瓦斯涌出初速度q及钻屑量S作为判别因子,选取演马庄矿某掘进工作面2011年4、5月日常预测数据作为训练样本,建立了工作面突出预测的距离判别分析模型。用所建立的模型对该掘进工作面待检验的6月份日常预测数据进行分析,预测结果与实际情况吻合良好,结果表明:距离判别分析模型方法简单、预测精度较单一指标有明显提高,误判率低,实现了动态预测和静态预测的有效结合,该方法在煤与瓦斯突出预测中具有较好的可行性和实用性。     

基于Fisher-逐步判别法的煤与瓦斯突出预测

为准确、可靠地对煤与瓦斯突出进行预测,基于Fisher判别分析理论,建立了煤与瓦斯突出预测的Fisher判别模型。通过逐步判别分析法筛选出瓦斯放散初速度、瓦斯压力和埋深3个煤与瓦斯突出敏感指标作为突出判别因子,利用所构建的判别模型对20组煤与瓦斯突出实例数据进行训练学习得出相应的判别函数,用回代估计的方法进行逐一验证,误判率仅为5%。将建立的判别模型应用于10组突出实例进行判别预测,判别正确率达100%。结果表明:Fisher-逐步判别分析模型稳定性好,判别准确度高,是一种十分有效的煤与瓦斯突出预测方法。     

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。     

煤矿钻屑量与解吸指标的测定及误差分析

煤与瓦斯突出已经成为严重的矿山灾害之一,目前其常用的预测方法是钻屑指标法,而在预测过程中钻屑量和瓦斯解吸指标的测定准确度是最关键的,对预测的过程、步骤以及影响预测指标误差的因素进行了分析,并提出了一些在测定过程中应注意的事项和减少误差的措施。     

中岭煤矿煤与瓦斯突出局部预测指标敏感性确定方法研究

预测指标的敏感性决定了煤层突出危险性预测的准确性,开展预测指标敏感性的研究对煤与瓦斯突出防治工作至关重要。本文以中岭煤矿为研究对象,构建了一套确定局部预测指标敏感性的方法,首先分析煤层实际发生煤与瓦斯突出的规律,进而揭示控制煤与瓦斯突出的敏感因素,在此基础上建立局部预测指标敏感性分析标准;并依据此标准对不同预测指标的敏感性开展现场考察实验。结果表明:钻孔瓦斯涌出初速度q与突出敏感因素地质构造、瓦斯含量、地应力未见明显相关性;钻屑量S与地质构造、地应力具有相关性,而与瓦斯含量未见明显相关性;钻屑解吸指标K1与上述因素均具有较明显的相关性;q对煤层突出危险性预测敏感性最差,S具有一定的敏感性,K1对煤层的突出危险性预测敏感性最强。     

祁南煤矿72#煤层钻屑瓦斯解吸指标敏感性分析

为了确定祁南煤矿72#煤层钻屑瓦斯解吸指标的敏感性,采用实验室实验和现场统计分析相结合的方法进行研究。通过实验室模拟现场测定指标,掌握钻屑瓦斯解吸指标与吸附平衡压力之间的关系,结合煤层区域预测指标(瓦斯压力)得到指标的参考临界值。以714运输巷为考察对象,采用现场实测方法研究指标的分布规律和相关性,并利用临界值迫近度法对敏感性进行定量分析,结果表明:在突出危险性预测和效果检验工作中,祁南煤矿72#煤层钻屑瓦斯解吸指标Δh2相对K1敏感性更高,可作为主要预测指标。     

大兴矿七煤层钻屑瓦斯解吸指标临界值的确定

通过测定大兴矿的突出预测参数，建立了钻屑解吸指标同瓦斯压力、瓦斯放散初速度指标、煤的普氏系数和煤的挥发分之间的关系，进一步得出了适合大兴矿七煤层的钻屑解吸指标临界值。     

Application of dynamic set-pair analysis in coal and gas outburst prediction

Analyzed the factors which affected the coal and gas outburst, then established the corresponding indicator system. Built a dynamic set-pair analysis prediction model which combined of Markov model and set-pair analysis model, and then it applied to coal and gas outburst prediction. Finally, compared the prediction results with the actual results. As provided a reference to the coalmine in safety decision-making. The research results indicate that there are four districts in high dangerous level, two districts in middle level and one district in low level, which consistent with the actual situation; the dynamic set-pair analysis model has a good effect in predicting coal and gas outburst. Especially in the continuous time intervals, according to the data of mined exploration and the connection degree analysis, we can deduce the dangerous levels of unexplored districts from the historical data. In different districts, the relevant indicators can be adjusted accordingly, so as to enhance the accuracy of the prediction.