共查询到20条相似文献,搜索用时 93 毫秒
1.
2.
3.
4.
5.
针对煤与瓦斯突出矿井防突措施实施过程中,大量的突出预兆信息没有被充分利用,难以指导煤矿有效预测突出的问题,提出了采用CART算法构建突出预兆工程信息测试样本空间,采用分步式迭代逼近方式的TreeNet算法的煤与瓦斯突出预测模型构建方法,通过建立分类预测模型,通过算法找到了测试样本中的重要预测变量,同时通过预测变量对目标变量的贡献归因分析,得到了预测指标取值的最危险区间,以此构建矿井突出预测敏感指标体系。通过对原利民煤矿历年突出资料进行测试分析,发现坚固性系数、最大钻屑量、瓦斯涌出量对突出发生有着较为明显的对应关系,可作为该矿井煤与瓦斯突出预测的敏感指标。研究结果表明:基于TreeNet算法的煤与瓦斯突出预测模型构建是一种机器学习的工作面预测指标的敏感性判别方法,可用于煤矿建立工作面突出预测敏感指标体系。 相似文献
6.
7.
基于分类回归决策树(CART)算法,考虑影响煤与瓦斯突出的主要因素,建立了煤与瓦斯突出判别的CART模型。模型选择瓦斯压力、瓦斯放散初速度、煤的破坏类型、坚固性系数和垂深作为煤与瓦斯突出的判别指标体系,选取国内典型煤与瓦斯突出矿井的突出数据建立模型样本训练库,利用k-折交叉验证方法寻找最优树,并提取优化后的突出规则,最后将提取的规则对实例进行验证。研究表明,该模型简单有效,可以作为煤与瓦斯突出判别分析的一种辅助方法。 相似文献
8.
9.
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
10.
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-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
11.
为进一步研究气体驱动对构造带发生煤与瓦斯突出的影响规律及其孕灾机理,自主研发了“基于气体驱动的多场煤与瓦斯突出试验系统”,其主要由加载系统、三轴压力室、快速泄压系统、温控系统、数据采集系统、声发射监测系统、辅助系统等组成。该试验系统主要功能:① 可进行不同温度、不同瓦斯压力下标准型煤和原煤试样的煤与瓦斯突出试验;② 能进行不同尺寸煤样的突出试验,并能采用不同尺寸的突出口,控制突出强度;③ 将声发射探头安装在三轴室的压头内,使探头与试验系统一体化;④ 可通过次压力室的透明结构观察突出全过程;⑤ 试验系统含有多级压力室,改变突出口外部的气体压力,诱发延时突出。试验结果表明:气体压力对煤样有较明显的粉化作用,原煤煤样的突出现象更接近现场实际,突出后不仅存在粉化的煤粉,还有大量的大颗粒煤粉和小煤块,从而出现封堵突出口、抑制突出的现象。 相似文献
12.
针对现有煤与瓦斯突出预测指标存在的不足,探讨了一种新的突出预测指标,即流量面积矩,该突出预测方法能对掘进巷道前方煤体的突出危险性实施动态连续测定,是一种线性预测方法.对该预测指标在理论上的可行性进行分析并在现场进行试验,得到流量面积矩指标的突出临界值为81.47 (L· m2)/min,在现场打钻过程中,当测得的流量面积矩数值大于突出临界值时都会发生煤与瓦斯突出动力现象,说明该预测指标的预测结果与现场实际情况具有较好的一致性,这对矿井预防煤与瓦斯突出工作起到了很好的指导作用. 相似文献
13.
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。 相似文献
14.
The theory and method of extenics were applied to establish classical field matter elements and segment field matter elements
for coal and gas outburst. A matter-element model for prediction was established based on five matter-elements, which included
gas pressure, types of coal damage, coal rigidity, initial speed of methane diffusion and in-situ stress. Each index weight
was given fairly and quickly through the improved analytic hierarchy process, which need not carry on consistency checks,
so accuracy of assessment can be improved.
Supported by the National Natural Science Foundation of China (50534080); the Science and Technology Research Project of Chongqing
(CSCT, 2006AA7002) 相似文献
15.
改进大型煤与瓦斯突出模拟试验装置,增加两个气体压力传感器和两个温度传感器,进行突出口径分别为10mm,30mm,50mm的煤与瓦斯突出模拟试验。试验结果表明:在0.75 MPa瓦斯压力条件下,突出口径为10mm时没有发生煤与瓦斯突出,突出口径为50mm和30mm时发生煤与瓦斯突出,突出煤体质量分别为25.40kg和15.05kg。随着突出口径的减小煤与瓦斯突出的煤量减少,突出强度降低。突出口径的大小影响煤体突出的状态,突出口径越大,煤体突出的距离越远,破坏性也越高。突出后煤样中粒径在1.6~5.0mm范围内的煤颗粒比例减小,而粒径小于0.75mm的煤颗粒比例增加,体现了突出过程中的破碎功,具有较强的粉碎性。突出口径越大,煤体越易于破裂失稳并发生煤与瓦斯突出,煤体中瓦斯的放散受突出口径的影响,使煤体中瓦斯压力梯度变化趋势不同。突出口径越大,瓦斯压力降低越快,瓦斯对煤体的粉碎性越明显,突出强度也越大,突出过程中煤体温度也发生变化,说明突出口径影响含瓦斯煤的破断失稳和突出特性。 相似文献
16.
17.
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. 相似文献
18.
19.
平顶山矿区煤与瓦斯突出的预测及防治 总被引:10,自引:3,他引:7
针对平顶山矿区瓦斯赋存的地质条件,论述了地质构造对煤层瓦斯赋存的控制,提出了煤与瓦斯突出的预测及防治措施,即采用掘进工作面防突级管理措施和回采工作面防突措施,根据平顶山矿区的实际情况,对常规的预测方法进行了改进,改进后的措施用于平煤八矿己15-13190等综采工作面,效果良好。 相似文献