基于ARIMA-GM模型的采掘工作面瓦斯涌出预测

为实现对煤矿采掘工作面瓦斯的动态涌出过程进行精确预测,以煤矿瓦斯涌出时间序列为基础,首先建立了灰色模型GM(1,1)和自回归积分移动平均模型(ARIMA)分别对瓦斯涌出浓度进行预测,然后再利用由方差倒数法得到的ARIMA-GM组合预测模型对瓦斯涌出浓度进行预测,最后结合预测结果进行预警。并以鑫顺煤矿15101掘进工作面为应用实例,结果表明:ARIMA-GM组合预测模型相比单一模型具有更高的预测精度和拟合效果。     

基于GA-BP神经网络的矿井粉尘浓度预测研究

为了准确预测矿井粉尘浓度,有效防治矿井粉尘危害,运用遗传算法优化的BP神经网络预测模型(GA-BP模型)对某矿山工作面时间序列粉尘浓度进行预测,以预测结果的相对误差、平均绝对百分比误差来评判模型的预测准确性。再利用BP神经网络预测模型,卷积神经网络预测模型(CNN模型)的预测结果同GA-BP预测模型的预测结果进行对比验证,以均方根误差来评价三种模型的预测效果。结果表明,应用GA-BP预测模型,相对误差最大为4.27%,最小为0.14%,相对误差都在10%以内,预测样本的平均绝对百分比误差(MAPE)小于10%,达到了高精度预测要求。CNN、BP、GA-BP三种预测模型的RMSE值分别为1.1007、1.0008、0.9354,GA-BP预测模型对于该矿山工作面粉尘浓度预测效果最好。     

矿井瓦斯浓度Lagrange-ARIMA实时预测模型研究

矿井瓦斯浓度监测是瓦斯事故最直接有效的防控手段之一,为提高监测信息的利用效率,提出了一种瓦斯浓度Lagrange-ARIMA实时预测模型。首先应用拉伊达准则实现瓦斯浓度监测缺失值构建,其次采用滑动Lagrange插值方法进行缺失值预测,最后基于自回归差分移动平均模型(ARIMA)序贯学习,依据L1范数最小化原则,确定出Lagrange-ARIMA序贯学习窗口合适尺度,进行瓦斯浓度实时预测。实例仿真显示:Lagrange-ARIMA实时预测模型处理瓦斯浓度时间序列缺失值平均误差为1.397%,当序贯学习窗口尺度为85时,预测的瓦斯浓度序列平均绝对误差(MAE)为0.011 8。相比传统ARIMA静态学习模型,建立的Lagrange-ARIMA模型学习窗口尺度降低了90.3%,建模复杂度显著降低,MAE降低了16.3%,预测精度能满足现场需求。     

基于长短时记忆神经网络的回采工作面瓦斯浓度动态预测

为提高煤矿回采工作面瓦斯浓度预测精度,考虑瓦斯浓度受历史状态制约,提出长短时记忆神经网络LSTMNN煤矿回采工作面瓦斯浓度动态预测模型。利用山西省某煤矿回采工作面瓦斯浓度实测数据构建该模型学习训练样本,并检验预测效果。研究表明,LSTMNN算法通过遗忘、记忆过程对过去一段时间瓦斯浓度信息进行筛选,克服传统预测方法将输出值独立看待的短板,提高矿井瓦斯浓度预测精确度及可靠性;将LSTMNN算法预测结果与实测值对比,预测模型平均绝对误差、平均相对误差、均方根误差、纳什模型效率指数分别为0.004 319、0.800 6%、0.005 714、0.436 3。     

基于GA-ELM的瓦斯涌出量预测

为提高工作面瓦斯涌出量预测的效率和准确率,提出了一种将遗传算法(GA)与极限学习机(ELM)相结合的瓦斯涌出量预测的新方法。为了避免ELM受输入权值矩阵和隐含层偏差随机性的影响,算法采用GA对ELM的输入权值矩阵和隐含层偏差进行优化,建立GA-ELM瓦斯涌出量预测模型。利用某矿瓦斯涌出量相关数据对该模型进行了实例分析,将ELM、SVM和BP算法预测结果与该模型进行了对比分析。结果表明:GA-ELM模型具有较高的预测精度,可以相对准确、高效地对工作面的瓦斯涌出量进行预测。     

基于循环神经网络的煤矿工作面瓦斯浓度预测模型研究

瓦斯灾害制约着煤矿安全生产的发展水平,瓦斯治理是高瓦斯煤矿开采工程中的重要环节,有效预测出下一时间段瓦斯浓度并做出合理的安全防护措施,可为煤矿瓦斯治理决策提供一定的参考依据。利用循环神经网络适合处理连续时间序列样本的特性,构建了一种基于循环神经网络的煤矿工作面瓦斯浓度预测模型。该模型以宽泛策略为原则初步确定预测模型网络结构参数,选取数据量更大、时间跨度更长的瓦斯浓度时间序列为训练样本。首先采用邻近均值法和插值法处理训练样本中的异常值和缺失值,同时采用最大最小值标准化法对数据进行归一化处理,其次以均方误差和运行时间为评价指标,采用自适应矩估计优化器优化模型权重,选取修正线性为激活函数,隐藏层中加入丢弃层,通过不断调节步长、网络层数等参数,最终得到最优的循环神经网络瓦斯预测模型。研究结果表明:相比于反向传播神经网络预测模型和双向循环神经网络预测模型,基于循环神经网络的煤矿工作面瓦斯浓度预测模型的训练误差降低至0.003,预测结果误差降低至0.006,具有更高的预测准确度;同时,预测误差波动范围在0.001～0.024,具有更好的稳定性和鲁棒性。基于循环神经网络的工作面瓦斯浓度预测模型具有更高的准确度、稳定性和鲁棒性,可有效预测出下一时间段瓦斯浓度的变化趋势,从而提前做出合理的防护措施,为煤矿安全生产提供一定的参考意见。     

基于灰色GM(1,1)新陈代谢模型的矿井瓦斯涌出量动态预测

矿井工作面瓦斯涌出是一个动态不确定的过程,因此最新瓦斯涌出数据的研究至关重要,本文将灰色GM(1,1)模型瓦斯涌出量预测结果加入原始数列,对原始数据序列的信息进行更新,建立了矿井瓦斯涌出量GM(1,1)新陈代谢动态预测模型,采用残差检验法对该模型精度进行检验,其平均相对误差为3.861%,预测精度明显优于GM(1,1)模型,提高了灰色GM(1,1)模型预测瓦斯涌出量的精度。     

基于GRA-GASA-SVM的煤层瓦斯含量预测方法研究

为提升煤层瓦斯含量预测精度，提出一种采用遗传模拟退火算法混合优化支持向量机（SVM）参数的瓦斯含量预测模型（GRA-GASA-SVM模型）。该模型将GA和SA整合为遗传模拟退火算法协同优化SVM的参数，以解决传统网格寻优算法取值范围无法确定和单一智能算法优化程度有限等问题。利用灰色关联分析（GRA）压缩数据集维度，建立瓦斯含量预测参数体系并作为GASA-SVM的输入数据集。结果表明：SVM模型、GA-SVM模型和GASA-SVM模型10折交叉验证瓦斯含量预测总平均相对误差分别为15.98%、13.55%和10.58%。相比SVM模型和GA-SVM模型，GASA-SVM模型预测稳定性更优、预测精准度更高且对新样本泛化能力更强。     

基于模糊时间序列的工作面瓦斯浓度预测分析

煤矿工作面瓦斯浓度时间序列预测是一个非线性、模糊数据处理问题。为了避免因具体预测值的不准确性导致的错误判断,提出了基于时间的模糊多项式预测方法。在建模过程中先将原始数据模糊化,再将模型模糊系数转化成线性规划求解。与其他预测模型对比分析,该方法的预测结果不是具体数值而是一个区间,有效地扩大了相关量的适用范围,使预测结果更趋于合理、科学和便于操作。     

基于时序分解和机器学习的回采工作面绝对瓦斯涌出量预测研究

为提高瓦斯涌出量预测精度,提出一种基于集成经验模态分解(EEMD)、遗传算法(GA)优化支持向量回归机(SVR)的瓦斯涌出量时序预测模型。该模型利用EEMD对监测数据进行分解得到不同特征尺度的IMFs分量以及残差余量;利用GA-SVR模型对各分解分量、残差余量数据分别预测;最后等权叠加各预测数据得到绝对瓦斯涌出量预测结果。以陕西铜川玉华煤矿1417工作面绝对瓦斯涌出量监测数据为例,分别运用EEMD-GA-SVR、GA-SVR和SVR模型预测绝对瓦斯涌出量,并进行量化对比分析。结果表明:经EEMD分解后,所分解数据可以有效提升数据平稳性;EEMD-GA-SVR模型的预测绝对误差在0～0.33范围内,平均绝对误差为0.13,模型拟合度较高;所构建模型MAE值为0.1337、MAPE值为0.80%、RMSE值为0.1654、R²值为0.9879,优于对比模型,能够用于绝对瓦斯涌出量时间序列预测。     

煤矿采空区水患分析与防治

该文分析了矿井沿煤层开拓无集中泄水巷的采空区积水赋存条件和采空区突水的特点,创新性提出了采空区积水范围及积水量的估算方法,探讨了积极有效的采空区积水防治技术。     

大牛地气田无土相钻井液流变模式优选

大牛地气田无土相钻井液实例计算表明,赫巴模式的相关系数最大,残差平方和最小,其次是卡森模式、幂律模式,最差的是宾汉模式,建议优先选用赫巴模式。     

爆破作用下岩石破碎理论模型的研究及发展趋势

介绍了爆破理论模型研究的发展历程和国内外研究现状，根据现有各理论模型所依据的理论基础，对模型的适用范围和存在的问题进行了分析、探讨，认为现有模型都存在有一定的缺陷，不能满足目前工程爆破设计的要求，并在此基础上，就爆破理论模型的发展趋势提出一些看法。     

爆破作用下岩石破碎理论模型的研究现状及发展趋势

文中介绍了爆破理论模型研究的发展历程和国内外研究现状。根据现有各理论模型所依据的理论基础,对模型的适用范围和存在的问题进行了分析探讨,认为现有模型都存在有一定的缺陷,不能满足目前工程爆破设计的要求,并在此基础上就爆破理论模型的发展趋势提出一些看法。     

基于ZigBee无线测距模型的建立

主要研究了Shadowing模型的2个重要参数,路径损耗指数n和误差项ε,通过实际测得场强分布,分段计算n和ε,最后将分段的Shadowing模型组合为符合实际环境的场强分布模型,为ZigBee无线定位提供很好的数学模型。     

岩石爆破理论模型的研究现状及发展趋势

介绍了岩石爆破理论模型研究的发展历程和国内外研究现状。根据现有各理论模型所依据的理论基础,对模型的适用范围和存在的问题进行了分析、探讨,认为现有模型都存在一定的缺陷,不能满足目前工程爆破设计的要求,在此基础上,就爆破理论模型的发展趋势提出了一些看法。     

矿体线框模型及其建立方法

建立矿体的几何模型是建立矿体实体模型的首要工作,而利用线框模型(wireframe)建立矿体几何模型是最简单、最灵活的方法.研究和总结线框模型的特点及其建立方法对准确建立矿体实体模型至关重要.本文作者在建立了近20个矿床实体模型的经验基础上,以冬瓜山铜矿体的线框模型为例,提出并总结了建立线框模型的流程和一些实用方法.     

基于几何模型技术的矿山三维建模研究

为了降低矿山几何建模的技术强度及工作量，开发了一个用于矿山三维建模的采矿特征库。介绍了基于采矿特征库进行矿山三维建模的过程。采用采矿特征库进行矿山三维建模，可极大地降低矿山工程人员的技术要求，显著地简化矿山建模的过程，提高矿山实体建模的速度。     

An algorithm of multi-model spatial overlay based on three-dimensional terrain model TIN and its application

3D-GIS spatial overlay analysis is being broadly concerned about in international academe and is a research focus. It is one of the important functions of spatial analysis using GIS technology. An algorithm of multi-model spatial overlay based on three-dimensional terrain model TIN is introduced in this paper which can be used to solve the TIN-based thrcc-dimensional overlay operation in spatial analysis. The feasibility arid validity of this algorithm is identified. This algorithm is used successfully in three-dimensional overlay and region variation overlay analysis.     

应用计算机编制煤矿生产计划

矿井采煤计划编制影响因素复杂,是一个多环节的综合决策过程。用单一的优化方法进行优化,难以实现计划的系统优化。运用计算机进行煤矿生产计划编制的实质是应用系统工程优化理论和先进的计算机软件技术,建立一个集工作面地质数据库管理、模型优化、计划编制可视化于一体的综合的采煤计划编制环境。