煤与瓦斯突出综合预测的集对分析模型与应用

针对煤与瓦斯突出的复杂性,应用集对理论,进行了同、异、反分析,确立了煤与瓦斯突出指标和突出可能性之间的联系度,进而建立了预测煤与瓦斯突出的集对分析模型。实例表明,集对分析方法能够较好地预测煤与瓦斯突出的可能性,是预测模糊系统的一种有效的、科学的方法。     

基于模式识别的煤与瓦斯突出危险性概率预测

 通过统计分析,以活动构造、最大主应力、瓦斯压力和瓦斯含量等主要因素作为煤与瓦斯突出的主要判据,建立突出预测模式识别的准则与模型,用模式识别的方法实现了煤层突出危险性的分单元概率预测,进而划分出突出危险区、威胁区和安全区。克服了单一指标预测结果的不确定性,同时实现了多指标定量化的预测,提高了预测效果的可靠性。谢一矿实例验证表明了预测结果的可靠性。     

数量化方法在突出危险性区域预测中的应用

通过研究矿井老区煤与瓦斯突出规律,利用数量化理论建立老区地质勘探钻孔资料同突出指标之间区划预测模型,并对矿井老区进行区划,检验预测模型的准确性。然后将已经修正的预测模型应用到矿井新区中,进行区划。解决了在不具备直接测定各预测参数的新区域进行突出危险性区域预测的难点问题。     

利用MATLAB神经网络进行煤与瓦斯突出预测的研究

从煤与瓦斯突出的机理出发，考虑煤与瓦斯突出的综合影响因素，利用MATLAB神经网络工具箱，在VC 中嵌入MATLAB神经网络模块，建立了能够准确预测煤与瓦斯突出的神经网络预测模型，并制成了相应的预测软件。应用该软件进行实际检验，预测结果完全与实际相吻合，可以用来准确预测工作面煤与瓦斯突出。     

煤矿在线智能应急预警系统的研究与应用

根据瓦斯地质异常、采矿应力和瓦斯排放特征,考虑我国煤、瓦斯突出防治技术和矿山规律,结合矿山生产过程、地质资料和多种历史气体动态现象,对多源信息进行综合分析,建立了综合预警指标系统和煤矿模型,确定并建立了煤和瓦斯突出预测的指标模型和系统。此外,利用该模型建立在线综合系统和数据库,进行了瓦斯突出的预测,实现了煤矿工作面爆发危险的实时监测和智能识别。预测系统的应用结果表明,系统软硬件可以保证瓦斯突出的连续稳定预警,预警结果及时且准确,与矿山的实际风险一致。     

基于数据挖掘的煤与瓦斯突出实时预警研究

为提高工作面煤与瓦斯突出预警的准确率与时效性，利用工作面瓦斯涌出特征与突出“三要素”的之间的变化关系建立了以地应力系数、瓦斯压力系数、乘幂系数、变动率及离散率为基础的实时预警指标体系；将K-means聚类、FOA及RF三种算法结合构建基于数据挖掘的煤与瓦斯突出实时预警模型探究实时预警指标与煤与瓦斯突出的潜在发生规律，并通过模型的智能寻优及训练输出最优预警等级；现场应用结果表明：所建预警指标敏感性较好，预警模型的运算时间为0.118s，在本次实例应用中提前4小时发出煤与瓦斯突出危险级别预警，预警等级与现场突出实际情况较吻合，且与K1值、钻粉量S具有较好的一致性，实现工作面煤与瓦斯突出实时、准确预警。     

基于人工神经网络的煤与瓦斯突出预测

从煤与瓦斯突出的机理出发,考虑影响煤与瓦斯突出的5种主要因素,建立了能够准确预测煤与瓦斯突出的人工神经网络模型。应用所制作的软件进行实际检验,预测结果完全与实际相吻合,可以用来准确预测煤与瓦斯突出。     

Research on prediction for coal and gas outburst based on Matlab neural network toolbox and its application

In order to predict the danger of coal and gas outburst in mine coal layer correctly, on the basis of the VLBP and LMBP algorithm in Matlab neural network toolbox, one kind of modified BP neural network was put forth to speed up the network convergence speed in this paper. Firstly, according to the characteristics of coal and gas outburst, five key influencing factors such as excavation depth, pressure of gas, and geologic destroy degree were selected as the judging indexes of coal and gas outburst. Secondly, the prediction model for coal and gas outburst was built. Finally, it was verified by practical examples. Practical application demonstrates that, on the one hand, the modified BP prediction model based on the Matlab neural network toolbox can overcome the disadvantages of constringency and, on the other hand, it has fast convergence speed and good prediction accuracy. The analysis and computing results show that the computing speed by LMBP algorithm is faster than by VLBP algorithm but needs more memory. And the resuits show that the prediction results are identical with actual results and this model is a very efficient prediction method for mine coal and gas outburst, and has an important practical meaning for the mine production safety. So we conclude that it can be used to predict coal and gas outburst precisely in actual engineering.     

瓦斯地质图在煤矿生产中的应用

煤矿矿区、矿井、采掘工作面三级瓦斯地质图,是瓦斯地质规律和瓦斯预测成果的直观表达和高度概括,瓦斯地质图在预测瓦斯涌出量,瓦斯含量、煤与瓦斯突出危险性等方面有重要利用价值。本文通过对瓦斯地质图的研究,结合矿井实际做出了相应的对策。     

基于决策树ID3改进算法的煤与瓦斯突出预测

为提高工作面突出预测指标预测的准确率,根据灰色相关理论和决策树ID3算法,提出了基于决策树ID3改进算法的煤层工作面煤与瓦斯突出预测方法。该方法以工作面的钻屑解吸指标作为主要决策属性,以地质构造、瓦斯浓度变化等现场较为直观的突出征兆作为辅助决策属性,同时根据矿井实际工作面煤与瓦斯突出数据建立预测样本数据集,把决策属性的相对灰色关联度作为决策树ID3改进算法的最大信息增益计算权重,建立了煤层工作面煤与瓦斯突出决策树预测模型,并采用该预测模型对10组煤与瓦斯突出数据进行了预测,结果表明,该模型预测的准确率显著高于采用单一钻屑指标预测的准确率。     

支持向量机在煤与瓦斯突出预测中的应用

为了准确预测煤与瓦斯突出危险,首先利用灰色关联分析的方法寻找出影响煤与瓦斯突出的关键性因素,然后利用MATLAB的SVM工具箱建立煤与瓦斯突出的预测模型,并应用此模型识别瓦斯突出的类型。该模型基于MATLAB的SVM工具箱加以实现。实验结果表明,基于灰色关联分析的SVM煤与瓦斯突出预测模型结果可靠,效果良好,应用性强。     

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。     

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。     

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。     

煤与瓦斯突出预测的Bayes-逐步判别分析模型及应用

为提高煤与瓦斯突出预测的准确性,基于判别分析理论,通过逐步判别法筛选出瓦斯放散初速度、瓦斯压力、软分层厚度3个煤与瓦斯突出敏感指标作为突出判别因子,将煤与瓦斯突出危险性分为4个等级作为Bayes判别分析的4个正态总体,建立了煤与瓦斯突出预测的Bayes-逐步判别分析模型。利用该判别模型对20个煤与瓦斯突出实例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,其误判率为0。将建立的判别模型应用于8个突出实例进行判别预测,其结果与实际情况完全吻合。     

基于ASP技术的煤与瓦斯突出危险性预测系统

针对煤与瓦斯突出的安全问题,在KBD7瓦斯预报仪器技术依托下,采用ASP技术,设计基于B/S（浏览器/服务器）模式的煤与瓦斯突出危险性预测网络系统.该系统运用计算机及网络技术,实现电磁接收信号的合理运作和共享,建立一个面向全局域网的煤与瓦斯突出指标分析预测与报警的平台,为决策提供及时、便捷明了的服务.介绍了ASP技术特点、设计思路,给出系统结构、数据库连接方法,并对系统产生的效果进行说明.     

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。     

煤与瓦斯突出区域预测的地质动力区划

以板块理论为基础,从区域地质构造研究入手,进行了活动断裂划分与评估,并结合地应力测量方法、数值模拟方法、实验室试验、GIS技术和计算机技术,研究和建立了突出危险区域预测方法。开发了煤与瓦斯突出区域预测决策分析系统,实现了煤与瓦斯突出区域预测的可视化管理,进而划分煤与瓦斯突出危险区、突出威胁区和无突出危险区,对煤与瓦斯突出危险性作出评估和预测,拓宽了煤与瓦斯突出预测途径,提高了瓦斯灾害预测的准确性。     

天然焦型煤矿煤与瓦斯突出危险性区域预测研究

以天然焦型煤矿煤与瓦斯突出危险性问题为研究目标,针对淮北金石矿132采区3#煤层天然焦为对象,采用煤层瓦斯参数结合瓦斯地质分析法和单项指标法对其进行煤与瓦斯突出危险性区域预测。结论表明:132采区开拓前为无突出危险区,并指出了具体区域划分范围。     

煤矿煤与瓦斯突出的非线性预测系统研究

煤与瓦斯突出一直是影响煤矿安全生产的重要因素,而对于煤与瓦斯突出的预测一直缺乏有效可靠的预测方法,本论文分析研究了煤与瓦斯突出的机理,及其发生突变的约束条件,在此基础上重点探讨了煤与瓦斯突出的非线性预测系统的设计,给出了系统功能设计和层次结构设计方案,在传统局域预测算法基础上进行了改进,提出了非线性预测算法,仿真结果表明,改进后的预测算法较传统的局域预测算法,具有更低的预测误差和更高的预测可靠性,对于进一步提高煤矿煤与瓦斯突出预测方面的研究,无论是在理论研究方面还是在实际应用方面均具有一定指导和借鉴意义。