灰色理论在煤层瓦斯抽采量预测中的应用

运用灰色理论建立适合煤层瓦斯抽采量的系统模型,并在青龙矿井M16突出煤层采用灰色系统及残差修正GM(1,1)模型进行瓦斯抽采量预测。结果表明,利用灰色系统理论预测矿井瓦斯抽采量是可行的,且预测精度较高。     

瓦斯含量的灰关联分析及预测

本文利用灰色系统理论对影响煤层瓦斯含量的因素进行了关联分析，找出了主要影响因素和次要因素，并利用GM（1，N）灰色预测模型对煤层瓦斯含量进行了多因素影响下的系统预测。     

基于灰色关联分析-GA-BP模型预测煤层瓦斯含量

为提高煤层瓦斯含量预测的精度和效率,提出用灰色关联分析从影响因素中筛选主要因素,结合运用GA-BP神经网络预测煤层瓦斯含量的方法。通过遗传算法(GA)优化BP神经网络的权值和阈值,解决BP神经网络易过早收敛极小值以及收敛速度慢的问题。用Matlab构建灰色关联分析-GA-BP神经网络、GA-BP神经网络和BP神经网络模型。选取成庄矿3#煤层的含量与影响因素作为实验数据对该模型进行实验分析,比较三个的预测模型的预测结果。实验结果表明:顶板泥岩厚度、煤层厚度、基岩厚度、煤层深度是影响成庄矿3#煤层瓦斯含量的主要因素。灰色关联分析-GA-BP神经网络预测模型平均相对误差为2.77%,比后两种预测模型的预测结果好,能准确预测煤层瓦斯含量。     

基于GM(1,1)模型的矿井瓦斯涌出量预测研究

应用灰色系统理论，建立了预测矿井瓦斯涌出量的灰色系统GM(1，1)模型，并用残差序列对预测模型进行了修正。实例表明，该模型的计算精度符合工程实际，可用于矿井瓦斯涌出量的预测。     

基于灰色理论-BP神经网络预测瓦斯含量

以山阳矿5号煤层为研究对象,运用瓦斯地质学和灰色关联分析法,得出基岩厚度、煤层厚度和埋深是影响该矿瓦斯赋存的主要因素,并将其作为BP神经网络模型的输入端神经元,初步构建出瓦斯含量预测模型。结合地勘时期瓦斯钻孔的实际数据,进行网络训练,再对预测模型的可靠性进行检验。检验结果表明,采用该预测模型预测瓦斯含量,精度较高,效果较好,能满足工程要求。因此,采用灰色BP神经网络可以对未开采区域煤层瓦斯含量进行准确预测,为矿井瓦斯灾害防治提供了一定的参考依据。     

GM(1,1)模型在小屯矿煤层瓦斯抽采量预测中的应用

针对小屯矿6中煤层瓦斯抽采实际,采用灰色系统残差修正GM(1,1)模型进行了瓦斯抽采量预测,并建立适合于该矿的瓦斯抽采量预测模型,其结果表明:利用灰色系统GM(1,1)模型预测矿井瓦斯抽采量是可行的且精度较高。     

灰色系统理论在矿井瓦斯涌出量预测中的应用

以预测矿井瓦斯相对涌出量为研究目的，通过灰色系统的建模、关联度分析及残差辨识为基础，建立了灰色系统理论模型，并将该模型应用到某矿瓦斯涌出量预测分析中，对该矿历年来相对瓦斯涌出量进行了灰色生成，建立了灰色预测系统；由后验差检验结果、对照精度检验等级可知，灰色系统预测矿井瓦斯涌出量的拟合精度好，预测结果正确可靠，反映出了矿井瓦斯涌出量的客观存在与发展态势.     

黄陵2~#煤矿二盘区煤层瓦斯含量影响因素分析及灰色预测

针对黄陵2#煤矿二盘区煤层瓦斯含量的影响因素进行灰色关联度分析,得出影响因素的主次。然后运用灰色系统理论,建立煤层瓦斯含量的灰色预测模型,经过检验,该模型精度能够满足工程要求,有一定的实用性,可以作为瓦斯防治工作的依据。     

基于灰色理论与BP神经网络的煤层瓦斯含量预测方法

运用瓦斯地质理论分析了影响煤层瓦斯赋存的主要因素,并采用灰色关联分析法对影响煤层瓦斯含量的主要因素进行了关联度分析,选取CH4(%)、围岩岩性、煤层埋深3个主要因素作为BP神经网络的输入端神经元,构建出了预测瓦斯含量的预测模型,并进行网络训练,最后对预测模型的可靠性进行检验。结果表明:采用BP神经网络模型预测瓦斯含量比多元线性回归法的精度更高,能满足工程要求,对于煤层瓦斯含量的准确预测具有一定指导意义。     

灰色理论预测煤层瓦斯涌出量的研究与应用

瓦斯涌出量大小受煤层埋深、开采方式、煤层倾角、瓦斯含量等多种地质因素的影响,其中一些因素影响是已知,另一些因素影响是未知。可以把采煤工作面瓦斯涌出看成一个灰色系统,煤层瓦斯的涌出是受多因素影响的。结合灰色系统预测特点,采取少量的数据去预测林西矿12号煤层开采工作面的瓦斯涌出量。按照灰色建模理论,从各种因素综合作用的最终结果出发,对林西矿12号煤层进行灰色建模。研究预测表明,灰色理论法的平均精度是96.08%,跟传统的矿山统计法(平均精度是91.4%)相比具有很高的精度,并且灰色理论法在运用的时候不用考虑过多的地质条件限制,是一种优于传统方法的预测方法,可以推广使用。     

基于灰色神经网络预测潘一东矿瓦斯含量

运用灰色关联分析影响潘一东矿井瓦斯含量的各因素,得出煤层标高、顶板岩性、煤厚、地质构造是影响瓦斯赋存的主要因素。选取这四种因素作为神经网络的神经元进行建模预测,结果表明,基于灰色关联度的神经网络模型预测瓦斯含量,预测精度高,证明了基于灰色理论与神经网络预测模型的可靠性。     

灰色线性回归组合模型在北辰煤矿瓦斯涌出量预测中的应用研究

通过建立灰色线性回归组合模型,较好地预测了北辰矿井田深部的瓦斯涌出量。该方法既考虑了瓦斯涌出量是同诸多因素相关的"灰系统",又改善和弥补了线性回归预测模型中不能表达指数增长的缺陷和灰色系统预测模型中不含线性因素的不足。在实际应用中,取得了较为理想的预测精度。     

鹿台山煤矿2号煤层瓦斯地质区划

煤层瓦斯不均衡赋存是制约煤矿瓦斯安全管理的主控因素,准确合理的瓦斯地质区划是有效进行瓦斯防治的基础和保障。基于瓦斯地质区划理论方法,综合分析影响鹿台山煤矿3号煤层瓦斯赋存的主要地质因素,采用多元线性回归、数量化理论I、构造关联度分区等方法,筛选出影响2号煤层瓦斯含量的地质变量包括煤层埋深、围岩透气性和褶皱平面变形系数3个主要地质指标,建立了瓦斯含量预测的数学模型并对预测模型进行了理论和实践验证,模型精度较高。在此基础上利用瓦斯含量预测模型对2号煤层瓦斯含量进行预测和瓦斯地质区划。经实践验证,瓦斯地质区划结果符合实际地质情况。     

基于灰关联方法对突出预测敏感指标的研究

屯兰矿为煤与瓦斯突出矿井,主采8号煤层为突出煤层.突出预测的准确性及有效性是影响煤巷掘进速度的主要因素,经在煤巷测定煤层瓦斯含量和突出预测指标,利用灰关联分析方法对钻屑瓦斯解吸指标△h2及K1、钻屑量S的敏感性进行了研究.分析表明,钻屑瓦斯解吸指标K1可更准确反映工作面前方煤体的突出危险程度,可作为屯兰矿煤巷掘进突出预测的敏感指标.     

环境安全与资源的桃战和机遇——煤层甲烷

甲烷是强烈的温室气体 ,煤层甲烷是煤矿瓦斯灾害之源 ,也是洁净的能源。综合采用井下现场测定、矿山统计分析和实验室试验确定的煤层瓦斯参数可靠性高 ,首次提出的含量法预测矿井瓦斯涌出量理论模型和邻近层瓦斯涌出率曲线 ,预测精度高 ,适用范围广。建立了双重孔隙、可压密煤层瓦斯储运方程和数值模拟方法 ,解吸时间控制吸附瓦斯的涌出。展望了煤层甲烷基础理论研究发展趋势     

淮北许疃矿抽采后瓦斯含量损失影响因素分析及预测

抽采后残余瓦斯的存在对于矿井生产依然具有危险性,研究残余瓦斯的赋存规律及其预测是十分必要的。分析了淮北煤田许疃煤矿3_233采区地质条件,通过断层分维、煤层底板构造曲率和煤层倾角等指标的计算和统计,并分别赋予0.35,0,35和0.30的权重,计算得到研究区的构造指数及其分布,根据选取的42组数据,讨论了构造指数、煤层埋深、煤厚和原煤瓦斯含量等影响因素对抽采残余瓦斯赋存的影响,运用多元线性回归方法,拟合了瓦斯含量损失与构造指数、煤层埋深、煤厚等影响因素指标之间的相关关系,运用BP人工神经网络模型研究了预测抽采后瓦斯含量损失的可行性。结果表明:构造指数可以更精确地定量表征矿井构造复杂程度。瓦斯含量损失的主要影响因素为构造指数、煤层埋深、煤厚和原煤瓦斯含量。瓦斯含量损失总体上与构造指数呈负相关,而与其他因素的指标均呈正相关。经过数理统计的F检验,F=20.82F_(0.01)(3,38)=4.35,故多元线性回归的结果是显著的,表明瓦斯含量损失与各影响因素指标之间具有较密切的内在联系,其中构造指数对瓦斯含量损失的影响程度最大,煤层埋深影响程度最小,煤厚的影响程度介于构造指数与煤层埋深之间。以瓦斯含量损失为输出指标,以构造指数、埋深、煤厚和原始瓦斯含量为输入指标,建立了4×10×1结构的BP人工神经网络模型,模型经过学习训练后预测精度高,相对误差为1.19%～1.34%,表明可以运用人工神经网络模型预测未采区抽采后的瓦斯含量损失,残余瓦斯含量即为原煤瓦斯含量减去瓦斯含量损失,故可以间接预测抽采后残余瓦斯含量。     

中寨煤矿煤层瓦斯含量影响因素探析

煤矿瓦斯的析出对矿井安全生产影响极大,通过分析瓦斯含量的影响因素可有助于降低瓦斯事故的发生。通过收集中寨煤矿煤质、瓦斯、钻孔等地勘资料,结合其煤层瓦斯的分布规律,采用多因素综合分析方法分别对瓦斯含量的影响因素进行逐个分析,探讨各因素对煤矿瓦斯含量的影响程度。结果显示煤层中瓦斯含量与地质构造、沉积环境、煤层埋藏深度、煤变质程度及围岩性质等均有一定影响,需全面考虑煤层气瓦斯含量对煤矿生产的影响。研究成果为瓦斯分布含量确定的准确性提供依据,据此可采取措施以加强对瓦斯危险性的防范和管控并避免瓦斯安全事故发生。