用多元线性回归分析法预测矿井深部瓦斯涌出量

利用常村井田 2 1采区一分层回采时实测的绝对瓦斯涌出量数据和采区内 1 2个钻孔的原始数据 ,用多元线性回归分析法 ,找出了控制瓦斯涌出量的主要地质因素是煤层厚度和煤层埋深 .根据回归方程 ,计算出矿井瓦斯梯度为每百米增加 0 .67m3/min ,并对矿井深部一分层开采时的瓦斯涌出量进行了预测 .以 5m3/min绝对瓦斯涌出量等值线为界 ,把整个井田划分为低瓦斯区和中高瓦斯区 ,指出在矿井深部煤层开采时 ,必须提前制定出防止瓦斯事故发生的有效措施     

用多元线性回归分析法预测矿井深部瓦斯涌出量

利用常村井田21采区一分层回采时实测的绝对瓦斯涌出量数据和采区内12个钻孔的原始数据,用多元线性回归分析法,找出了控制瓦斯涌出量的主要地质因素是煤层厚度和煤层埋深.根据回归方程,计算出矿井瓦斯梯度为每百米增加0.67*!m3/min,并对矿井深部一分层开采时的瓦斯涌出量进行了预测.以5*!m3/min绝对瓦斯涌出量等值线为界,把整个井田划分为低瓦斯区和中高瓦斯区,指出在矿井深部煤层开采时,必须提前制定出防止瓦斯事故发生的有效措施.     

井田突出危险性分形预测研究

为准确预测煤与瓦斯突出灾害,作者以某矿井田为例,采用分形几何学手段研究了井田地质构造的分形特征,并将构造分维数与突出危险性作了对比分析;结果表明,该矿井田地质构造具有分形特征,构造分维数能够定量地描述地质构造的复杂程度,构造分维数与瓦斯涌出量及突出危险性间存在正相关关系.     

井田突出危险性分形预测研究

为准确预测煤与瓦斯突出灾害,作者以某矿井田为例,采用分形几何学手段研究了井田地质构造的分形特征,并将构造分维数与突出危险性作了对比分析;结果表明,该矿井田地质构造具有分形特征,构造分维数能够定量地描述地质构造的复杂程度,构造分维数与瓦斯涌出量及突出危险性间存在正相关关系.     

人工神经网络在瓦斯涌出量预测中的应用

当采掘工作面遇有岩浆岩破坏煤系和煤层时,地质条件尤为复杂,采用常规的矿山统计法和瓦斯含量法预测瓦斯涌出量难以取得理想的结果．作者从矿井地质综合分析入手,采用BP神经网络的方法建立了适用于矿井未采区瓦斯涌出量的预测模型,分别用48个4-2煤层、40个7-2煤层钻孔点的煤层瓦斯质量体积、煤层埋藏深度、煤质、火成岩分布、顶底板砂泥岩比值等数据作为输入层。预测地质条件相对复杂矿井的瓦斯涌出量．经已采区实测值与预测值比较分析认为．预测结果可信．     

用改进的灰色—马尔柯夫模型预测矿井瓦斯涌出量

在对新老两种被广泛应用于有关时间序列诸类问题预测预报的灰色预测方法与马尔柯夫预测方法进行有关分析的基础上,将两者结合起来,形成一个改进的兼有灰色预测与马尔柯夫转移概率矩阵预测优点的灰色-马尔柯夫预测模型。该预测模型能充分利用历史数据给予的信息,可大大提高随机波动性较大数据序列的预测精度,可进一步拓宽灰色预测的应用范围。利用该预测模型对一些矿井进行瓦斯涌出量大小的预测研究表明,该模型具有较强的适用性和较高的准确性,用其对动态系统的分析更为适合。该预测模型为矿井瓦斯涌出量时间动态数列的预测提供了一条新的途径。     

用智能化瓦斯涌出初速度仪监测钻孔q值动态过程

叙述了用智能化瓦斯涌出初速度仪动态监测钻孔瓦斯流量的测量原理．在分析现有测试数据的基础上，提出了改善此项测试的意见，以提高突出预测的效果．     

瓦斯爆炸演变过程的混沌特征分析

瓦斯爆炸事故作为矿井灾害系统中一个重要的子系统,其演变过程中的一些特征表明,它与混沌现象有着密切的关系,因此在对矿井工作面瓦斯涌出时间序列观测数据分析的基础上,应用混沌理论中的自相关函数、相空间重构、Poincare截面和返回映象等对该工作面瓦斯涌出进行了混沌特性研究和判别,初步证明了该工作面瓦斯涌出具有混沌特性,同时,对瓦斯爆炸演变系统进行综合分析发现,瓦斯爆炸的演变过程存在明显的蝴蝶效应.     

孔庄煤矿瓦斯地质规律研究

分析了矿井瓦斯涌出特征，研究了矿井瓦斯地质规律，并采用瓦斯地质数学模型法对深部未采区域进行了瓦斯涌出量预测。     

黄陵二号煤矿瓦斯地质规律及涌出量预测

用地质观点研究煤层瓦斯赋存已获得实践检验,瓦斯的赋存及涌出与地质因素密不可分.在收集并整理黄陵二号煤矿井田地质资料和瓦斯资料的基础上,分析了井田地质构造特征,结合瓦斯地质理论,研究地质构造、煤层顶底板岩性、煤层埋藏深度、水文地质条件等因素对瓦斯赋存的影响,融合矿井勘探及生产期间实测瓦斯含量数据,采用瓦斯地质统计法建立回采面绝对瓦斯涌出量与煤层瓦斯含量的关系式,并以此对矿井未采区的瓦斯涌出量进行了预测.     

瓦斯突出的气体介质条件

在研究瓦斯突出中的作用机理、煤的瓦斯吸附特性和煤的瓦斯放散特性的基础上,论述了瓦斯突出的气体介质条件,为认识瓦斯动力现象的本质提供了科学依据．     

基于时间序列相似性度量的瓦斯报警信号辨识

提出了基于时间序列相似性度量的瓦斯报警信号自动识别技术.基于动态时间弯曲（DTW）距离对从山西某高瓦斯煤矿2010年瓦斯监测数据库中提取的150组数据采集周期为9～70s的采掘工作面瓦斯含量超限报警时间序列进行聚类分析,获得了7种典型的瓦斯超限报警时间序列模式;以此为数据源,采取分段形态度量方法,提取并筛选出3个重要指标,建立了瓦斯报警时间序列形态特征库,并提出了基于分段形态度量的瓦斯报警信号快速辨识算法.对另外150组瓦斯报警时间序列进行辨识,实验表明,准确率达92%以上.尤其是通过联合分析瓦斯报警时刻前后的k0和k1值可以快速辨别瓦斯超限原因是炮后瓦斯还是突出警报,统计表明,k0〉0.1,k1〉0时,100%发生煤与瓦斯突出.     

Prediction of Gas Emission Based on Information Fusion and Chaotic Time Series

1 Introduction Gas emission has a great effect on the produc- tion of a coal mine. It is also a major reason for the installation or expansion of ventilation in coal mines. The accuracy of gas emission prediction is very im- portant to the security of the production of the mine and the improvement of economic effectiveness. Different mines and working faces have differ- ent rules concerning gas emission and gas prediction models should be changed when exterior conditions change. There are man…     

基于最小二乘支持向量机的煤矿瓦斯预测

瓦斯涌出量受多种自然因素和开发技术的影响,是一个非线性、高维的问题.提出了改进的PSO算法与LSSVM算法相结合对瓦斯涌出量进行预测的新方法.实验结果表明,该模型预测精度更高,泛化能力更强.     

基于分形插值方法的油气管道腐蚀灰色预测

基于仿射变换型的分形插值方法是由迭代函数系统(IFS)实现分形插值函数的一种方法。通过推导引入分形插值函数模型,与不等时距GM(1,1)模型相结合,建立了等时距GM(1,1)模型,对油气管道腐蚀进行预测,实例分析和精度检验结果表明,结果比较理想。这说明在原始数据列有缺失时,仍可进行灰色预测,其具有一定的实用价值,为采取相应防腐措施提供可靠的依据。     

转炉煤气回收系统的PID神经网络控制策略研究

针对转炉炉口差压控制系统非线性、纯滞后和大干扰的特点,通过分析转炉煤气回收过程工艺及炉口差压对煤气回收效果的影响,提出将传统PID与神经网络控制策略相结合的炉口差压控制策略,并在对被控对象的辨识模型进行仿真分析的基础上,将控制策略投入工业应用。结果表明,与传统的PID控制策略相比,此控制策略具有较强的抗干扰能力,可显著改善控制系统的动态性能,并达到较好的煤气回收和烟气减排效果。     

天然粗糙面雷达杂波的分形模型

引入时变分形曲面描述天然粗糙面的面部动态特征,给出了３个合理电磁散射假设,采用基尔霍大法定怀撒射场的时域分形特性,导出天 杂波的分形模型,随后以大擦地角的回波信号为例,简要分析了杂波模型的幅度分布,功率谱和参数的特性、,理论分析和实验表明,天然粗糙面杂波和分形模型相吻合,分形模型可有效地对天然粗糙面杂波进行建模 。     

基于BP神经网络分源预测综采面瓦斯涌出量研究

为了提高综采工作面瓦斯涌出量的预测精度,根据综采工作面瓦斯来源的分析,在瓦斯分源预测方法的基础上,融合神经网络预测技术,建立BP神经网络分源预测模型。结合某矿1242（1）工作面地质条件和开采技术条件,利用BP神经网络分源预测模型对工作面瓦斯涌出量进行了预测,结果表明,BP神经网络分源预测模型预测精度能满足现场需求,与分源法相比较,在综采工作面瓦斯涌出量预测中方便简洁而且具有很高可信度,其应用前景更广泛。     

Research on Forecast Technology of Mine Gas Emission Based on Fuzzy Data Mining(FDM)

The safe production of coalmine can be further improved by forecasting the quantity of gas emission based on the real-time data and historical data which the gas monitoring system has saved. By making use of the advantages of data warehouse and data mining technology for processing large quantity of redundancy data, the method and its application of forecasting mine gas emission quantity based on FDM were studied. The constructing fuzzy resembling relation and clustering analysis were proposed, which the potential relationship inside the gas emission data may be found. The mode finds model and forecast model were presented, and the detailed approach to realize this forecast was also proposed, which have been applied to forecast the gas emission quantity efficiently.