基于未确知聚类法的底板采动破坏深度动态预测

根据微震监测结果,利用未确知聚类优化法,选取采深、煤层倾角、采厚、构造影响程度4个主要影响因素作为判别指标,建立煤矿底板采动破坏深度动态预测模型。利用微震实测的18组数据作为训练样本,以样本均值为聚类中心,采用信息熵理论确定各判别指标的权重,通过计算样本的多指标综合测度与所属类别样本均值乘积之和获得底板采动破坏深度的预测值,并对样本数据进行逐一检验。为进一步验证该方法的可靠性,另选5组样本进行预测,将预测值与微震实测结果做了比较。研究结果表明:底板采动破坏深度的预测值与实测值的平均相对误差不超过1%,底板采动破坏深度动态预测模型是可靠实用的,可以在同类矿山进行推广应用。     

基于Fisher判别法的煤层底板突水预测模型及其应用

选取地质构造、水文地质特征、底板隔水层特征和开采活动4个大类13个因子作为底板突水的判识指标,以近年来发生的典型煤矿底板突水案例作为学习样本,依据Fisher判别分析法,建立了煤层底板突水预测的距离判别分析模型。结果表明,该模型预测结果与实际情况一致,采用回代估计法所得的误判率很小。因此,选取4个大类13个因子来反映煤矿底板突水状况和应用Fisher判别法预测煤矿底板突水具有良好的实用性和有效性。     

基于熵权-未确知测度理论的煤层底板突水危险性评价数学模型

针对煤层底板突水危险性难以准确评价的难题,在系统分析影响煤层底板突水主控因素体系的基础上,通过引入熵权理论以及未确知测度理论,建立了一种基于熵权-未确知测度理论的煤层底板突水危险性评价数学模型。并将该模型应用于大唐塔山煤矿8煤底板的突水危险性评价,得出的评价结果与实际情况基本吻合,为煤层底板突水危险性评价提供了一种有效途径。     

基于FOA-SVR的矿井底板突水量预测模型应用研究

矿井突水是常见的突发性强烈的矿井灾害。为了更好地预防矿井水灾,降低灾害造成的物质损失以及减少人员伤亡,建立了一种基于FOA-SVR的矿井底板突水量预测模型,利用果蝇算法优化支持向量回归机算法(FOA-SVR)选出最优的模型参数。针对底板突水这种非线性、小样本问题,从突水因素中选取水压、含水层厚度、隔水层厚度、底板采动裂隙带深度以及断层落差这5个作为特征因素。然后利用FOA对SVR参数进行优化之后建立FOA-SVR底板突水量预测模型,输出即为需要预测的突水量。结合实例并将该模型的预测结果与SVR模型的预测结果进行对比,结果表明：该模型在预测突水量的精度上比SVR模型更高,具有一定的应用价值。     

基于PCA-Logistic回归模型的矿井底板突水危险性研究

为解决煤层底板突水预测难题，提出了基于主成分分析与Logistic回归方法的底板突水预测模型。通过对底板突水危险因素进行分析，选取隔水层厚度、承压水水压、断层落差、断层距工作面距离、煤层采高、煤层倾角6个变量作为研究矿井底板突水的初始影响指标；首先利用主成分分析法对原始指标数据进行降维处理，然后利用建立的Logistic回归模型对数据进行分析预测，最后利用5组待测样本数据对模型进行验证。结果表明：该模型对突水样本的综合预判正确率为90%，利用待测数据进行回判时预测准确率达到80%，说明该预测模型具有一定可靠性，可作为煤矿底板突水预测的一种新方法。     

基于模糊集对分析法的底板突水危险性评价研究

为了对底板突水等级进行科学合理的评价,建立基于模糊集对分析法的底板突水危险性评价模型。首先,从地质构造、水文地质条件、底板隔水层条件、开采条件4个方面选取断裂密度、褶皱、断层导水性等13个指标构建底板突水危险性评价指标体系;其次,按照现有常用底板突水等级分类,将底板突水危险性分为4个等级;再次,通过各指标实际数值与1级标准比照求出各指标模糊联系度,并采取信息熵确定各指标权重,从而求出样本模糊联系度;最后,利用最大隶属度原则进行评价判断。该模型应用于肥城矿区5个地段,应用结果表明:基于模糊集对分析法的底板突水危险性评价模型能够与基于未确知测度理论的底板突水评价结果以及实际情况均能完全一致,能够应用于底板突水危险性评价中。     

基于FOA-SVR模型的矿井底板突水量预测应用研究

矿井突水是常见的突发性强烈的矿井灾害。为了更好地预防矿井水灾,降低灾害造成的物质损失,减少人员伤亡,建立了一种基于FOA-SVR的矿井底板突水量预测模型,利用果蝇算法优化支持向量回归机算法(FOA-SVR)选出最优的模型参数。针对底板突水这种非线性、小样本问题,从突水因素中选取水压、含水层厚度、隔水层厚度、底板采动裂隙带深度以及断层落差作为特征因素。然后利用FOA对SVR参数进行优化之后建立FOA-SVR底板突水量预测模型,输出即为需要预测的突水量。结合实例并将该模型的预测结果与SVR模型的预测结果进行对比,结果表明:该模型在预测突水量的精度上比SVR模型更高,具有一定的应用价值。     

基于未确知均值方法的巷道围岩分级及应用

将未确知测度理论应用到巷道围岩分级中,提出了未确知均值分级方法,建立巷道围岩分级的未确知均值分级模型;选用岩石容重、岩石抗拉强度、岩石完整性系数作为分级模型的判定指标;以14种岩石的实测数据建立分类判别指标的未确知测度函数,并求得各分级样本指标的平均值和单指标测度矩阵;根据信息熵理论确定各指标的权重,利用置信度识别准则对岩石进行判定分级。利用该模型对矿区巷道围岩进行了分类预测,与实测结果比较,预测结果与实测结果吻合,为巷道围岩分级提供了一条新的途径。     

基于模糊证据理论的煤层底板突水量预测

从信息融合的角度,将煤层底板突水量预测过程看成是一个多源信息融合处理与状态估计过程,提出基于贴近度的模糊证据理论,建立基于模糊证据理论的煤层底板突水状态估计与评价模型。利用15个有代表性的采煤工作面底板突水资料作为训练样本,基于广义三角模糊数生成各焦元基本概率赋值。用所建立的突水预测模型对4个待检验的突水样本进行分析,并与人工神经网络、最小二乘支持向量机、距离判别分析等方法进行比较,所得结果一致或更好,说明基于模糊证据理论的煤层底板突水量估计方法具有良好的实用性和有效性。     

煤层底板突水量的距离判别分析预测方法

为了从理论上对煤层底板突水问题进行分析,选取对底板突水影响最大的有无含水层、水压、隔水层厚度、底板采动破坏深度及断层落差等作为基本判别因子,选取国内15个有代表性的采煤工作面底板突水资料作为训练样本,利用距离判别分析理论,建立了煤层底板突水量预测的距离判别分析模型.用所建立的模型对4个待检验的底板突水案例进行了分析,与实际情况吻合良好,计算结果与最小二乘支持向量机(SVM)、人工神经网络（ANN）等方法所得到的结果一致或更好.     

多模型融合评价煤层底板灰岩岩溶突水危险性

在我国华北型石炭—二叠系煤田中,煤层底板灰岩岩溶突水现象尤为突出。为准确地评价煤层底板灰岩岩溶突水危险性,防治煤矿水害事故,实现承压水体上煤层安全开采。基于未知测度-集对分析理论,选用含水层厚度、单位涌水量、充水含水层渗透性、水压、断层影响因子、含水层厚度、含水层岩性组合特征以及底板破坏深度8个指标评价煤层底板灰岩岩溶突水危险性。采用有序二元比较量化法和区间数模糊决策矩阵EA-TOPSIS排序模型分别确定煤层底板灰岩岩溶突水主控因素权重。在此基础之上,基于冲突证据理论将二者进行耦合,得到煤层底板灰岩岩溶突水主控因素组合权重,保证了对动态模型指标相对重要性的有效评价。基于未知测度-集对分析理论,构建单指标直线型未知测度函数及非直线型未知测度函数,并以新汶煤田煤层开采为例,将30个监测点处实测的8个指标值代入,建立多指标综合测度矩阵。引入"置信度"评价准则判定样本数据X_i所属的危险性等级。并通过集对分析,进一步表征新汶煤田煤层开采过程中煤层底板灰岩岩溶突水风险总体态势。研究表明,评价结果与矿山实际情况相吻合。在此基础之上,依据搜集的大量华北煤矿突水案例,以其中典型的15个为例,将建立的模型推广到整个华北煤田底板突水危险性的评价。通过与矿井实际突水情况对比可以发现,模型确定的矿井突水危险性等级与实际相吻合,表明该模型对于评价整个华北煤田底板灰岩岩溶突水危险性具有一定的适宜性。     

基于模糊-支持向量机的煤层底板突水危险性评价

提出将模糊理论中的隶属度与支持向量机相结合的模糊-支持向量机模型,用于对煤层底板突水危险性的评价。在对肥城煤层底板突水危险性评价指标体系分析的基础上,通过对肥城矿区10个地段的样本数据训练确定最优的模型参数,并对4个测试样本进行了突水危险性评价。实验表明：该模型能够减少样本数据处理的复杂性,较好地解决小样本、非线性问题,为煤层底板突水危险性的评价提供了一种新方法。     

基于“下三带”理论的底板隔水层破坏机理研究

为了进一步认识采煤工作面底板岩溶水突出机理,基于底板下三带理论和岩体极限平衡理论,采用力学和数学相结合的方法,探讨在采动影响下煤层底板隔水层破坏的机理,得出了底板隔水层破坏的临界水压力公式和底板突水的判断依据,并通过工程实例验证了上述结论。     

基于万有引力的煤层底板突水预测算法

传统的基于机器学习的煤层突水预测方法需要大量的训练样本进行预测模型的训练。而在矿井突水问题中,大量训练样本的获得基本上是不可能的。主要研究在突水样本数据有限的情况下提高煤层突水预测结果的准确性。结合山西省某煤矿的实际情况,提出了一种新颖的基于万有引力的煤层底板突水预测方法（Gravitational force based algorithm,GFA）。该算法采用半监督的学习方式,将万有引力公式引入到预测模型中,利用少量的突水训练样本作为引力的源点吸引测试样本进行突水安全状态的传递,进而实现突水测试样本安全性的预测。将提出的算法用于历史突水数据以及实际的煤层底板突水数据进行实验,实验结果表明,在突水训练数据有限的情况下,提出的基于万有引力的煤层底板突水预测算法可获得良好的预测效果。     

Risk Analysis Model of Water Inrush Through the Seam Floor Based on Set Pair Analysis

The complex hydrogeological conditions of China’s coal fields and the frequent water inrush accidents there seriously threaten the safe mining of coal. A new risk evaluation model for water inrushes from seam floors was constructed by combining the established evaluation index system with set pair analysis (SPA), thereby integrating quantitative and qualitative indexes. The resultant model reflects both the factors affecting water inrush from the seam floor and the uncertainty in the parameter values for those factors. To demonstrate the value of this model, the risk of water inrush from the seam floor was assessed for the working face of a mine in Tongzi county, Guizhou province, China. The prediction obtained from the model conformed to the actual conditions. Moreover, the methodology provides a basis for water inrush risk assessment from seam floors.     

基于脆弱性指数法的整合矿井底板突水评价及主控因素分析

整合矿井因地质资料难以统一,预测底板突水难度较大。鉴于AHP脆弱性指数法在量化底板突水的优势,选取了6个主控因素预测了某整合矿井9号煤层底板突水。结合GIS对相关数据实施归一化处理,建立了各单因素归一化专题图。根据层次分析模型获得的各因素权重对6个专题图进行叠加,将底板划分为脆弱区、较脆弱区、过渡区和安全区四部分,并得到了以往突水事故的验证。通过对各个因素的脆弱性灵敏度分析,得出有效隔水层厚度与脆弱性指数的相关度最高,提出了井田西部优先开采、东部重点防治的建议。该研究对预测整合矿井的底板突水具有一定的指导作用。     

基于BP神经网络的底板破坏深度预测

在总结采场底板破坏深度预测方法和理论的基础上,结合大量实际资料分析,归纳出开采深度、煤层倾角、开采厚度、工作面长度、底板抗破坏能力和有无切穿型断层或破碎带6个方面是影响底板破坏深度的主要因素.根据全国典型突水案例,构建基于BP神经网络的底板破坏深度的预测模型,确定建立BP神经网络所需的输入样本和检验样本,运用Matlab软件对网络进行训练,得出了优化的网络模型,并根据建立的网络模型预测肥城煤田曹庄井田8812和9604工作面的底板破坏深度.通过与实测结果对比,证明该网络模型的计算结果比相关规程提供的底板破坏深度经验公式计算的结果更接近实际.