基于Fisher判别分析的冲击地压危险性等级预测

针对矿井中发生的冲击地压危险性分级问题,应用因子分析和Fisher判别分析理论,选取煤层厚度、煤层倾角、埋深、构造情况、煤层倾角变化、煤层厚度变化、瓦斯浓度、顶板管理、卸压、响煤炮声为影响因素,分析影响因素之间的相关性,对相关性较强的因素进行因子分析,提取恰当的公共因子,进而建立基于因子分析的冲击地压危险性等级Fisher判别分析（FDA）模型。利用四川砚石台煤矿23组实测数据作为学习样本对模型进行训练。采用回代估计法检验模型的有效性,回判的误判率为0。将另外未参加训练的12组煤矿动力现象数据作为测试样本,对其危险性等级进行预测,并与传统的Fisher判别方法进行对比。结果表明,经过对样本因子分析后,指标个数减少,相关性降低,可以有效预测冲击地压的危险性等级,用该模型所得到的预测结果的误判率为0。     

基于人工神经网络的煤炭自燃预测预报技术的研究

论述了煤炭自燃的危害，并应用人工神经网络理论对官地矿自燃发火进行了预测。预测结果与实际结果基本吻合，为解决煤炭自燃的预测提供了良好的方法，具有较大的应用价值和应用前景。     

基于灰色理论的煤炭自燃预测研究

介绍了一种建立在结合灰色理论基础上的煤炭早期预测预报技术的基本原理,并通过实例应用证明了这种新型理论技术在煤炭自燃治理工作中所发挥的重要作用。     

煤炭自燃预测指标气体的试验研究

利用自行设计的煤炭自燃热解实验装置 ,研究了煤炭自燃氧化特性及自燃升温过程中产生氧化气体和碳氢类气体解吸涌出规律 ,在此基础上确定了谢桥矿煤炭自燃预报的指标气体     

煤炭自燃的早期灰色预测

应用灰色系统理论建立了矿井煤炭自燃的早期灰色预测模型,并对贵州省六枝矿务局某矿进行了实例预测。     

采空区煤炭自燃预测预报方法及探讨

采空区煤炭自燃火灾一直是我国煤矿的主要灾害之一。随着社会的发展及科技的进步 ,采空区煤炭自燃预测预报方法也越来越见成熟。文中首先简单的举出了目前几种常用的预测预报方法 ,分析了各自的优缺点 ,并在此基础上着重探讨了利用测温和数值模拟进行综合预测的方法理论 ,为在煤矿中预防采空区煤炭自燃发火具有一定的参考价值。     

改进的BP神经网络预测煤炭自燃研究

基于改进BP双模型神经网络技术,提出了一种具有离线学习模型和在线校正模型的双模型BP神经网络,两者互相独立并相互结合,从而提高了神经网络预测对煤炭自燃预测的准确性。     

基于模糊C均值聚类算法的矿井煤炭自燃预测

为实现矿井煤炭自燃预测控制,对煤层自燃原因进行分析,得到煤炭含水量、发热量、含硫量、倾斜角和地质构造以及煤层瓦斯含量共6种自燃因素,首先将某煤矿历年来的数据作为原始数据,再通过模糊C均值聚类的方法对这些原始数据进行分类,建立标准模型库,再将新的数据通过模糊模式识别中贴近度的方法与模型库相匹配,预测矿井待开采煤层自燃的可能程度,针对不同的程度选择不同的开采方案以及控制煤炭自燃的方案,使煤矿安全生产得以保障。     

基于神经网络的煤炭自燃预测及在MATLAB上的实现

结合我国煤矿实际,用模糊聚类方法进行了煤炭自燃危险程度的分类,运用BP神经网络方法,建立了煤炭自燃预测输入一输出模式非线性映射关系,构建了煤炭自燃预测网络模型,并通过MATLAB软件进行了预测分析与实现,解决了影响煤炭自燃的多因素复杂问题,使得预测结果更具客观性和预见性.     

基于Fisher-逐步判别法的煤与瓦斯突出预测

为准确、可靠地对煤与瓦斯突出进行预测,基于Fisher判别分析理论,建立了煤与瓦斯突出预测的Fisher判别模型。通过逐步判别分析法筛选出瓦斯放散初速度、瓦斯压力和埋深3个煤与瓦斯突出敏感指标作为突出判别因子,利用所构建的判别模型对20组煤与瓦斯突出实例数据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,误判率仅为5%。将建立的判别模型应用于10组突出实例进行判别预测,判别正确率达100%。结果表明:Fisher-逐步判别分析模型稳定性好,判别准确度高,是一种十分有效的煤与瓦斯突出预测方法。     

基于主成分分析法的东荣一矿煤层自然发火指标气体实验研究

为有效预防东荣一矿由煤自燃引起的灾害,通过煤自燃氧化实验,研究东荣一矿煤层自然发火特性,测定出实验煤样标志气体出现的临界温度并分析其体积分数随煤氧化温度的变化规律;运用主成分分析法对温度、一氧化碳体积分数φ(CO)、烯烷比φ(C₂H₄)/φ(C₂H₆)等9个指标进行综合评判分析,优选出对预测煤自燃起主导作用的指标。研究结果表明,指标气体出现的临界温度及其规律性可以反映出煤的自然发火过程。根据指标气体优选原则和主成分分析法的优选结果,建立以φ(CO)、φ(C₂H₆)、φ(C₂H₄)、φ(C₂H₂)作为主要指标,以烯烷比φ(C₂H₄)/φ(C₂H₆)作为辅助指标的东荣一矿煤层自然发火预测预报体系,提高了煤层自燃早期预测预报的准确性,实现了对矿井火灾的预防。     

煤自燃预测预报理论及技术研究综述

在对近年来国内外有关煤自燃预测预报理论及技术方面的文献进行收集整理的基础上,从煤自燃预测预报理论、煤自燃监测技术和隐蔽火源探测技术等3个方面,对煤自燃预测预报的研究进展进行了归纳分析。指出了现有煤自燃监测技术的优势和存在的不足,对其适用条件进行了界定;分析了目前常用的隐蔽火源探测技术的特点及其技术途径,并对其优缺点进行了对比分析。对未来的煤自燃预测预报理论及技术发展趋势进行了展望。     

基于Bayes判别分析法的煤与瓦斯突出预测研究

建立了煤与瓦斯突出预测的Bayes判别模型,选用5项指标作为判别因子,将突出类型分为4个等级作为Bayes模型的正态总体,利用训练好的模型进行了实例预测。研究表明,Bayes判别模型是预测突出的有效方法。     

煤炭发生自燃的物理因素解析

煤炭在一定时期和环境下会发生自燃的现象,自燃现象的发生对于煤矿工业而言,会造成很大的安全隐患甚至是危害。重点从煤炭发生自燃的物理因素和物理性质角度进行分析,对其发生的物理因素进行探究,并分析防止自燃的方法,从而最大限度降低煤炭自燃发生率。     

基于支持向量机的采空区遗煤自燃预测分析

在分析回采工作面煤层自燃基础上,用支持向量机(SVM)预测技术对采空区遗煤自燃进行预测分析。并以忻州窑矿8914综放工作面采空区遗煤自燃为实例,对其不同时期采空区危险性进行预测分析,验证了该方法的可行性。打破传统经验分析法,实现了煤矿安全分析的智能化,对建立本质安全型矿井具有利用价值。     

基于灰色理论的矿井自然发火预测模型及应用

指出了矿井自然发火及其预测对安全生产的重要性。应用灰色系统建立了时间序列的自然发火预测模型,提高了自然发火预测的精度。实际应用表明该预测模型的预测精度较高,具有较大的理论意义和应用价值。     

基于危机征兆的煤矿内因火灾预测模型的研究

为有效预防煤炭自燃引发的内因火灾造成重大损失,选取煤炭自燃发生的征兆为预测指标,通过统计分析事故案例,确定出煤炭自燃二级指标6个,三级指标40个。选用BP神经网络作为预测模型,其中数据的建立采用概率理论分析得到,并在Matlab的环境下研究影响预测模型性能的因素,确定最佳参数值,从实验中总结出该方法具有通用性、扩展性和高效性等优点。     

煤层自然发火指标气体研究

为研究石港煤矿14#,15#煤层煤自燃进程的标志气体,在实验室开展煤氧化升温气体产物的测定实验,主要检测了煤样在氧化升温条件下各种气体组分的发生浓度,对产生气体量随温度的变化曲线进行了深入细致的研究。根据各种气体组分的发生量及最低检测温度,确定了石港煤矿14#,15#煤层的煤自燃预测预报标志气体和煤自燃标志气体生成量的拟合曲线,为该矿煤自燃火灾的预测预报提供了实验依据。