基于采掘工作面瓦斯涌出特征的瓦斯灾害精准预警系统

乌东煤矿为近直立特厚煤层、分层放顶煤开采方式,工作面瓦斯涌出来源及特征较为复杂,当前采取的瓦斯防治措施虽有效降低了回采期间工作面瓦斯涌出异常风险,但其经济性、合理性、安全性无法统筹兼顾,在瓦斯灾害风险管控的时空衔接上缺乏瓦斯涌出异常预警机制及配套技术手段。为了填补乌东煤矿瓦斯灾害预警空白,基于对乌东煤矿井下工作面空气瓦斯来源、采掘工作面瓦斯涌出特征的分析,将综放工作面瓦斯浓度超阈值预警模块与掘进工作面瓦斯涌出特征预警模块相结合,构建了乌东煤矿采掘工作面瓦斯灾害精准预警模型。在此基础上,采用B/S架构开发模式,基于矿井工业环网设计开发了乌东煤矿瓦斯灾害精准预警系统,并在井下各主要工作面应用。考察结果表明,该系统运行稳定,预警准确率较高。     

综放高瓦斯矿井煤层瓦斯涌出量综合预测

为了成功预测竹林山煤矿综放高瓦斯矿井大采高工作面煤层瓦斯涌出量,以主采3号煤层为主要研究对象,针对3号煤层以往开采情况,通过布设测点测量其煤层瓦斯含量和了解相邻矿井瓦斯含量,采用分源预测法、回归法及统计法等预测方法得到了3号煤层瓦斯含量的分布规律,并绘制了3号煤层的瓦斯含量等值线图。对矿井不同生产时期的瓦斯含量进行预测,得到了生产前期、中期及后期采区的最大绝对瓦斯涌出量和最大相对瓦斯涌出量,说明了竹林山煤矿各个时期均属于高瓦斯矿井。     

基于混沌免疫粒子群优化和广义回归神经网络的回采工作面瓦斯涌出量预测模型

为提高回采工作面绝对瓦斯涌出量预测的精度和效率,提出了将混沌免疫粒子群优化(CIPSO)算法与广义回归神经网络(GRNN)相耦合的绝对瓦斯涌出量预测模型。该方法采用CIPSO对GRNN的光滑因子进行动态优化调整,减少了人为因素对GRNN网络输出结果的影响,并采用优化后的网络建立瓦斯涌出量预测模型。通过对某煤矿瓦斯涌出量数据的仿真实验结果表明:基于CIPSO-GRNN的回采工作面绝对瓦斯涌出量模型比BP神经网络、Elman网络预测模型具有更好的预测精度和收敛速度,证明了该方法的有效性和可行性。     

回采工作面推进过程中的瓦斯涌出预测分析

针对现有回采工作面瓦斯涌出预测方法的数据大都是基于回采工作面单一传感器的瓦斯浓度序列,存在无法将工作面持续推进过程中空间位置变化的监测点位置进行记录的问题,提出了以回采工作面传感器各监测点瓦斯浓度序列数据为基础,结合工作面实际推进距离,运用BP神经网络模型综合预测工作面瓦斯涌出量的方法。该方法利用回采工作面瓦斯分源辨识方法,分别分析采空区瓦斯涌出和煤壁瓦斯涌出的变化规律;利用BP神经网络预测法,结合表征采空区瓦斯涌出和巷道煤壁瓦斯涌出规律的特征值对工作面日均瓦斯涌出进行预测。实例应用验证了该方法的正确性。     

基于SPSS的采煤工作面瓦斯涌出量预测模型研究

为了对矿井采煤工作面瓦斯涌出量进行有效预测,结合影响工作面瓦斯涌出量的各个因素,针对各因素间存在严重的多重共线性引起算法计算误差放大的问题,采用逐步回归算法进行优化。运用SPSS软件,综合多元主成分回归分析算法得出采煤工作面瓦斯涌出的主要影响因素,并建立PCR-SPA预测模型。将该模型的预测性能与多元线性回归预测、灰色关联度分析预测、BP神经网络预测结果进行对比分析。结果表明：该模型选取了三个主成分变量,有效地减少了计算量,具有较高的预测精度,可以对矿井工作面瓦斯涌出量进行有效预测。     

基于径向基的瓦斯涌出量灰色预测模型

为了进一步预防煤层瓦斯突出,实现准确、快速预测煤矿瓦斯涌出量的大小,首先采用1-AGO对样本数据进行处理,建立灰色(GM)预测模型,再利用径向基(RBF)神经网络对灰色预测模型结果进行预测,以作为其最终的预测值;采用阜新煤矿某工作面瓦斯涌出量的历史数据进行建模,实验结果表明,GM-RBF组合模型在预测精度及训练误差方面均优于单一的GM模型和RBF神经网络预测模型;算法计算简便,减弱了数据的随机性及模型误差,煤矿瓦斯涌出量的预测平均误差减小到1.57%。     

一种非线性的瓦斯涌出量预测算法仿真研究

研究瓦斯涌出量预测问题,瓦斯涌出量受到开采深度、通风系统等多种因素影响,是一种复杂的非线性预测问题,传统预测方法难以建立准确数学模型,导致预测精度低。为了有效提高瓦斯涌出量预测精度,提出一种非线性的瓦斯涌出量预测算法。采用粒子群优化支持向量机对瓦斯涌出量与各种因素之间非线性关系进行建模,并对瓦斯涌出量预测进行仿真。结果表明,非线性预测算法有效提高了瓦斯涌出量的预测精度,降低了预测误差,对有效防止瓦斯爆炸有重要意义。     

煤矿井下综采工作面瓦斯抽采技术研究

由于煤层结构复杂、赋存规律不规则以及开采条件恶劣,煤矿生产的安全问题日益凸出。本文主要介绍了煤矿井下综采工作面瓦斯来源及涌出机理,并研究了瓦斯抽采技术,为煤矿瓦斯灾害防治提供了一定的理论依据。     

工作面瓦斯涌出量数据处理程序设计及应用

针对瓦斯地质统计法中涌出量数据繁杂、处理困难等问题,分析了瓦斯涌出量数据来源,建立了瓦斯涌出量数据库,采用百分位数方法对涌出量数据进行筛选,找出能够反映矿井真实瓦斯涌出量规律的数据。采用C语言编程和CAD二次开发工具,建立了瓦斯涌出量数据筛选模块,并将其应用于平煤十二矿,结果表明采用瓦斯涌出量数据筛选模块可提高数据处理速度,节省了大量的人力、物力,并提高了瓦斯地质图的编制效率。     

活性水降低工作面瓦斯涌出强度试验研究

为了解决采掘工作面瓦斯超限问题,根据采掘工作面落煤中的瓦斯压力和暴露时间关系,在实验室采用甲烷吸附-解吸装置进行了颗粒煤的前置浸入与后置浸入活性水与纯水2种状态下的瓦斯吸附-解吸对比试验,并在某煤矿井下3个掘进工作面落煤中进行了喷洒活性水与纯水的瓦斯解吸对比试验。结果表明,活性水对颗粒煤前置浸入与后置浸入均具有相同的抑制瓦斯解吸作用;在掘进工作面落煤中喷洒活性水,其瓦斯解吸量相比纯水可降低53.56%~54.76%,初期最大瓦斯涌出速度可降低54.42%~71.29%;在低水压、大流量条件下注入或喷洒活性水比纯水更有利于延缓和降低瓦斯涌出。     

综放工作面初采期抛物线型高位钻孔瓦斯抽采研究

针对采用常规高位定向长钻孔在工作面初次来压期间瓦斯抽采效果不佳的问题,以中煤华晋集团有限公司王家岭矿12309综放工作面为工程背景,通过物理相似模拟和数值计算分析了初采期综放工作面煤层顶板覆岩结构和裂隙发育规律:初采期的煤层顶板裂隙发育高度低、数量少,随着工作面的推进,顶板裂隙逐步发育,裂隙发育的高度和范围随着推进距离的增加而增大,裂隙最大发育高度约为28m,工作面来压步距约为50m;初采期工作面瓦斯浓度和涌出量较大,沿工作面倾向,瓦斯浓度从20～150架支架逐渐增大,沿工作面走向,由煤壁300mm至后刮板输送机瓦斯浓度逐渐增大,采空区瓦斯涌出量占工作面瓦斯涌出量的50%以上,瓦斯涌出量整体上呈上升趋势,且有明显的阶段性特征。根据现场实际情况和初采期综放工作面瓦斯涌出特征、覆岩结构及裂隙演化规律,对初采期的常规高位定向钻孔的轨迹进行了优化设计,提出了初采期抛物线型高位定向钻孔瓦斯抽采方法。将钻孔的终孔位置设计在煤层里,与采空区直接导通,用于工作面初采期采空区低位瓦斯抽采,解决了初采期常规高位水平长钻孔层位较高的问题。现场应用结果表明:相比于常规高位定向钻孔,采用抛物线型高位定向钻孔可在工作面采空区基本顶初次来压前有效抽采采空区低位瓦斯,瓦斯抽采纯量平均提高了约37%,上隅角和回风流最大瓦斯体积分数均小于0.80%,达到了瓦斯抽采的预期效果。     

一种瓦斯涌出量系统预测辨识模型的研究

针对煤与瓦斯突出灾害中瓦斯涌出量的辨识预测问题,结合采煤工作面瓦斯涌出量系统的现场实际特点,提出了混沌免疫遗传优化算法(CIGOA)与Elman神经网络相结合的耦合算法(CIGOA-ENN)。利用GIGOA的全局寻优能力替代梯度下降法,以克服Elman神经网络固有的缺陷。并根据输入的数据,构造基于CIGOA和ENN耦合算法的瓦斯涌出量系统辨识预测模型。利用矿区采集的现场监测数据进行仿真预测,实验表明该预测模型与BPNN,GA-ENN等神经网络预测模型相比,其收敛速度更快、收敛精度更高、鲁棒性更强,为解决煤矿瓦斯涌出量的预测问题提供了一个行之有效的方法。     

掘进工作面瓦斯涌出预警传感器布置位置探讨

针对矿井现有瓦斯传感器布置主要为瓦斯爆炸、瓦斯积聚等灾害监测而布置,而非为监测工作面瓦斯涌出特征而布置的情况,探讨了一种工作面瓦斯传感器的位置布置方案。试验结果表明,将传感器布置在距离工作面5m左右的距离,其监控数据较为符合工作面真实的瓦斯涌出情况,满足监测工作面瓦斯涌出特征的需要;矿井现有的掘进工作面迎头瓦斯传感器布置方式能满足监测工作面瓦斯涌出特征的需要。     

合理遗忘选择训练样本的煤矿瓦斯涌出量预测

为了提高煤矿瓦斯涌出量的预测精度,针对煤矿瓦斯涌出量的训练样本选择问题,提出一种基于合理遗忘训练样本的煤矿瓦斯涌出量预测模型。首先通过引入遗忘因子既考虑了历史数据的影响,又突出了新数据的作用,然后最小二乘支持向量机建立煤矿瓦斯涌出量预测模型,最后进行了仿真分析。结果表明,该模型提高了煤矿瓦斯涌出量的建模效率,获得了更加理想的煤矿瓦斯涌出量预测结果。     

王行庄煤矿近距离保护层开采防突效果考察

以河南新能开发有限公司王行庄煤矿为研究背景,介绍了保护层开采理论,考察了采取保护层开采措施前后同一测试地点的瓦斯参数,主要包括瓦斯含量、瓦斯压力、煤层的透气性系数及突出预测指标。现场试验结果表明,采取保护层开采措施后,被保护层区域瓦斯压力及含量大幅降低,瓦斯涌出量及突出预测指标明显下降,煤层透气性系数大幅增加。     

基于GASA-SVR的矿井瓦斯涌出量预测研究

针对煤矿工作面瓦斯涌出量的多影响因素、非线性、时变性和不确定性等特点,提出了遗传模拟退火算法(GASA)与回归型支持向量机(SVR)的耦合算法(GASA-SVR)用于瓦斯涌出量预测.利用煤层瓦斯含量、深度、厚度、倾角等12个参数作为主要影响因素,经过归一化处理后作为回归型支持向量机训练和测试样本.采用遗传模拟退火算法寻找最优的惩罚参数和核函数参数,同时引入自适应交叉和变异概念,建立瓦斯涌出量的非线性拟合模型,并利用矿井实测历史数据进行试验,结果表明该预测模型比传统的神经网络模型具有更理想的精度和稳定性,可为煤矿瓦斯爆炸的防治提供可靠的理论依据.     

灰色Elman神经网络的矿井瓦斯涌出量预测

为了准确预测矿井瓦斯涌出量,将灰色理论与Elman神经网络模型结合,建立矿井瓦斯涌出量预测模型。灰色系统能较好地预测变化的趋势,而Elman神经网络具有动态特性好、逼近速度快、精度高等特点。对于煤矿生产中瓦斯涌出量的预测,两者结合能够发挥各自的优势,以某煤矿矿井为例,影响瓦斯涌出量的因素为预测因子建立灰色理论与Elman神经网络融合的预测模型。结果表明,灰色Elman神经网络模型优于传统灰色预测模型,提高了预测精度,达到了很好的预测效果。     

煤矿瓦斯涌出量动态预测的PCA-MFOA-GRNN模型及应用

针对煤矿瓦斯涌出受许多因素的影响,为了克服瓦斯涌出中存在的复杂的非线性关系,从而实现稳定、可靠、精确的对煤矿综采工作面瓦斯涌出量进行动态预测,提出了主成分分析法（PCA）结合改进的果蝇算法（MFOA）优化GRNN的绝对瓦斯涌出量的预测手段。运用PCA算法对原始输入数据降维;并且对果蝇算法中的Si函数增加一个跳脱参数B,避免局部最优因子对预测模型的干扰;将MFOA算法对GRNN的平滑因子σ进行优化;将PCA结果作为模型的输入,建立了PCA-MFOA-GRNN算法的回采工作面瓦斯涌出量动态预测模型,结合实际矿井瓦斯涌出量监测的相关数据检验该模型,并将该模型的预测结果与未修正的FOA-GRNN算法、CIPSO-ENN算法、BP神经网络预测、Elman网络预测结果进行对比,结果表明：该预测模型对GRNN的参数优化后得到的预测模型较其他预测模型有更强的泛化能力和更高的预测精度。     

我国煤矿瓦斯涌出量预测方法综述

介绍了目前我国煤矿瓦斯安全的现状和瓦斯涌出量预测的6种方法,分析了预测方法的原理和适用条件,并对预测方法的性能进行比较。     

矿井工作面突出危险性与瓦斯涌出特征回归分析的研究

分析研究了工作面煤与瓦斯突出危险性与瓦斯涌出特征值之间的相关关系,通过提取瓦斯涌出量平均值、最大值以及落煤瓦斯浓度数据斜率作为瓦斯涌出特征值,结合煤与瓦斯突出危险性指标,提出了工作面煤与瓦斯突出危险性与瓦斯涌出特征值回归分析方法。实例应用验证了该方法的有效性。