共查询到17条相似文献,搜索用时 265 毫秒
1.
2.
3.
4.
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。 相似文献
5.
为了研究电磁辐射技术在三软煤层中预测煤与瓦斯突出的可行性,以煤岩流变破坏电磁辐射试验研究为基础,采用KBD5监测仪在所选矿井进行了动态跟踪监测,然后将测试结果与常规预测指标对比分析.煤岩蠕变破坏试验表明,接近煤岩破坏阶段,电磁辐射信号明显增强.从三软煤层煤与瓦斯突出现场测试结果得出,电磁辐射强度与所选矿井采用的钻孔瓦斯涌出初速度q和R值指标具有较好的正相关对应关系,即电磁辐射指标和煤与瓦斯突出危险性常规预测指标之间具有较好的对应关系.可以应用电磁辐射技术预测三软煤层采掘工作面的煤与瓦斯突出危险性. 相似文献
6.
煤与瓦斯突出电磁辐射预测指标临界值的确定 总被引:1,自引:0,他引:1
基于煤与瓦斯突出预测指标临界值确定原则,现场考察了工作面煤与瓦斯突出电磁辐射预测影响因素及变化规律,提出了工作面煤与瓦斯突出电磁辐射预测指标临界值的综合评判确定法,并在沈阳矿业集团红菱煤矿进行了试验性应用。应用结果表明,工作面煤与瓦斯突出电磁辐射预测指标临界值的综合评判法,具有简单方便、准确可靠的特点,为电磁辐射法预测煤与瓦斯突出临界值的确定,提供了新思路和新方法。 相似文献
7.
电磁辐射技术在鹤岗南山煤矿突出预测中的应用 总被引:1,自引:0,他引:1
采用电磁辐射监测技术,结合常规预测法,在鹤岗南山矿进行煤与瓦斯突出危险性预测。实践表明,电磁辐射信息综合反映了南山矿煤与瓦斯突出危险的主要影响因素和危险程度。通过南山矿突出危险工作面电磁辐射指标与常规指标的对比表明,电磁辐射指标与钻屑瓦斯解吸指标Δh2和钻屑量S这两个常规指标有着较好的一致性,而与钻孔瓦斯涌出初速度q的一致性较差。因此可以采用S,Δh2指标与电磁辐射指标相结合的方式对南山矿煤与瓦斯突出危险进行综合预测。 相似文献
8.
为准确预测矿井煤与瓦斯突出的危险性 ,本文基于反向BP神经网络提出了一种改进的自适应变步长BP网络模型 ,加快了BP网络的收敛速度。实际应用效果表明 ,该模型具有收敛速度快、准确性高、可靠性和实用性强等特点 ,是一种有效的煤与瓦斯突出危险性预测方法 相似文献
9.
神经网络在煤与瓦斯突出预测中的应用 总被引:6,自引:0,他引:6
应用神经网络中的BP网络模型对金竹山矿区煤与瓦斯突出进行了预测。为了加快神经网络模型的收敛速度,增强其跳出局部极小点的能力,采用了自适应变步长法和改进模拟退火法(SA法)相结合的方法。实际应用表明,该模型预测准确性高,是一种有效的煤与瓦斯突出危险性预测方法。 相似文献
10.
11.
12.
借助于成熟的模糊理论与技术可以较客观地实现突出预测中不精确信息与不精确关系的正确表达与处理,综合考虑突出影响因素,提出了煤与瓦斯突出区域预测的模糊模式识别新方法.首先采用模糊聚类分析对煤与瓦斯突出的样本集合进行分类,建立不同程度的模糊模式.然后对待预测样本进行模糊模式识别,根据择近原则,哪一种模式与预测样本最接近,待预测样本即属于哪一种突出类型.此方法克服了模糊聚类单一分析方法的不确定性,实现了多指标定量化的预测,提高了预测效果的准确程度.通过实例验证,证明了预测的可靠性. 相似文献
13.
常规的瓦斯突出预测技术,主要从单一角度出发,无法达到多因素影响下的瓦斯突出危险区域预测精度。以某研究区为例,利用基于遗传算法的支持向量机(SVM)网络,预测了瓦斯含量;将孔隙度作为构造煤的判别因子,并通过概率神经网络(PNN)反演方法,得到了构造煤分布情况;介绍了基于自然伽马曲线的拟密度反演方法,获得了煤层顶板岩性情况。综合瓦斯含量、构造煤分布及煤层顶板岩性3个方面特征,建立了一套瓦斯突出危险区域综合预测方法,为判断瓦斯突出危险区提供了理论基础。经过与实际突出位置做验证,预测结果吻合,说明了综合预测方法在此研究区具有较高的准确性。 相似文献
14.
15.
16.
煤与瓦斯突出强度的预测对研究煤与瓦斯突出,保证矿井安全正常生产有着重要意义。本文提出采用遗传算法结合BP神经网络的模型来预测突出强度,采用遗传算法对BP神经网络的权重和阈值进行优化,将优化好的权重与阈值作用于网络进行训练,直至性能函数符合要求。实际计算表明,该模型有较好的预测精度,且克服了普通BP神经网络训练时间长、收敛速度慢的缺点,在已知瓦斯膨胀能和煤层厚度的前提下,可以用该模型对突出强度进行预测。 相似文献
17.
煤与瓦斯突出灰色-神经网络预测模型的建立及应用 总被引:4,自引:0,他引:4
对煤与瓦斯突出影响因素进行灰关联分析,以此确定人工神经网络的输入参数.并应用改进的BP算法,选择灰关联分析的5个优势因子作为输入参数,建立了煤与瓦斯突出预测的神经网络模型.选用典型突出矿井的煤与瓦斯突出实例作为学习样本,对网络进行训练学习,并以云南恩洪煤矿的煤与瓦斯突出实例作为预测样本,将经过网络预测的结果与传统方法的计算结果进行对比.结果表明该灰色一神经网络模型能够满足煤与瓦斯突出预测的要求. 相似文献