煤与瓦斯突出预测可拓聚类方法及应用

在综合分析煤与瓦斯突出多种影响因素基础上,提出预测敏感指标并建立煤与瓦斯突出危险性等级,应用物元和可拓集合理论建立了煤与瓦斯突出危险性预测的物元可拓模型,提出了煤与瓦斯突出危险性预测的可拓聚类方法.以平顶山煤业集团公司天安十三矿为例对煤与瓦斯突出危险性预测可拓聚类方法的可行性进行了验证.     

基于层次分析法的煤与瓦斯突出预测研究

为了对煤与瓦斯突出进行预测,采用层次分析法研究了煤与瓦斯突出预测方法,分析了煤与瓦斯突出因素,对煤与瓦斯突出瓦斯压力和瓦斯含量临界值进行了确定。建立了煤与瓦斯突出的相关指标的层次分析模型。研究得出,某矿5号煤层的煤层瓦斯压力指标临界值为0.68 MPa,5号煤层瓦斯含量指标临界值为10.8 m³/t;影响煤与瓦斯突出的指标依次为煤的破坏类型和坚固性系数、顶板强度和厚度、煤层厚度、瓦斯压力、地质构造、瓦斯含量和埋深。研究为类似条件下煤与瓦斯突出预测提供了技术支持。     

基于因子分析与BP神经网络的煤与瓦斯突出预测

为提高煤与瓦斯突出预测的可行性与准确性,将因子分析法与BP神经网络方法相结合,提出一种改进的BP神经网络预测方法。根据平顶山八矿煤与瓦斯突出相关主要影响因素的原始数据,使用因子分析法对9个煤与瓦斯突出影响因素的原始数据进行降维处理,得到3个公共因子;将3个公共因子代替原有的9个煤与瓦斯突出影响因素作为BP神经网络输入层参数,建立因子分析法与BP神经网络法相结合的煤与瓦斯突出预测模型,对平顶山八矿煤与瓦斯突出进行预测。选取平顶山八矿煤与瓦斯突出样本对改进的BP神经网络预测方法进行验证,结果表明：3个预测样本的相对误差分别为1.79%、3.54%、0.83%,均小于10.00%。采用改进的BP神经网络预测方法可有效解决传统的BP神经网络因为输入层参数过多而数据处理效率低、迭代速率慢与精确度低等问题。     

九里山矿煤与瓦斯突出地质控制因素及突出区预测

矿井地质因素对煤与瓦斯突出的分布规律影响很大,对准确预测突出区至关重要。简述了九里山矿井地质构造特征及煤与瓦斯突出概况,详细分析了该矿煤与瓦斯突出与煤层厚度及变化、断层构造、地下水活动情况等地质因素之间的关系,得出影响九里山矿煤与瓦斯突出的主要地质因素,采用了低临界值与等性块段叠加法预测了突出危险区,为以后采取有效防突措施奠定了基础。     

煤与瓦斯突出区域性预测的综合判据研究

为了准确、快速地预测煤与瓦斯突出,以焦作中马村矿为实施矿井,采用瓦斯地质理论全面分析了影响瓦斯突出的地质条件,利用数量化理论Ⅲ筛选了瓦斯突出的敏感指标,应用数量化理论Ⅱ建立了煤与瓦斯突出区域性预测的综合判据,选用二维判别方法对中马村矿二l煤层未采区进行了预测,预测结果为突出危险区23个,突出威胁区41个,非突出区106个,与实际突出结果吻合．表明采用瓦斯地质理论和数量化理论相结合的方法预测煤与瓦斯突出是可行的．煤与瓦斯突出区域性预测综合判据的建立使突出预测规范化,有望推广应用．     

义安矿掘进工作面煤与瓦斯突出预测敏感指标的确定

煤与瓦斯突出危险性预测是防治煤与瓦斯突出的关键环节,瓦斯突出预测的核心又是预测指标的敏感程度问题。为了预测义安矿掘进工作面煤与瓦斯突出危险性,深入分析了突出预测指标的性质和适用条件,并统计分析了掘进工作面突出预测指标区间分布特征和突出预测指标的影响因素,同时结合标准差和模糊优先关系排序决策,最终确定义安矿二1煤层掘进工作面现有突出预测敏感指标为q和△h2。     

基于灰色关联分析的突出预测指标敏感性研究

煤与瓦斯突出的影响因素众多,选取合适的突出预测敏感指标是突出危险准确预测的关键。本文利用灰色理论对煤与瓦斯突出预测指标的敏感性进行了分析,并运用灰色关联优选了九里山矿煤与瓦斯突出预测的敏感性指标。研究结果对煤与瓦斯突出预测具有重要的实际意义。     

层次分析法确定煤与瓦斯突出影响因素的权重

针对煤与瓦斯突出是多因素共同作用的地质动力现象,以平顶山八矿为例,对影响煤与瓦斯突出的相关因素进行了分析,并运用层次分析法确定了影响突出因素的权重系数,为煤与瓦斯突出预测和防治提供了科学的依据。     

何庄矿二1煤层区域突出危险性预测

为了有效预防煤与瓦斯突出,通过对何庄矿煤层瓦斯压力及瓦斯含量、瓦斯放散初速度、煤的坚固性系数、构造煤发育情况及瓦斯动力现象等参数的分析,提出采用瓦斯参数结合瓦斯地质分析法对矿井二1煤层进行煤与瓦斯区域突出危险性预测。预测结果表明:二1煤层在埋深388 m以深的区域划为突出危险区域,构造煤是控制何庄矿煤与瓦斯突出的主要因素。     

中马村矿煤与瓦斯突出地质因素分析

简述了中马村矿煤与瓦斯突出概况,详细分析了该矿煤与瓦斯突出与煤层厚度及变化、煤层分岔与合并、断层构造、煤体结构、煤层埋藏深度、地下水活动情况等地质因素之间的关系,提出了影响中马村矿煤与瓦斯突出的主要地质因素,为将来合理进行突出区域预测及采取有效防突措施奠定了基础。     

基于BP神经网络煤与瓦斯突出强度预测模型

在分析湖南土朱矿5煤层煤与瓦斯突出资料的基础上,确定煤层瓦斯含量,瓦斯压力,煤的坚固性系数及瓦斯放散初速度为影响煤与瓦斯突出的主要因素,利用MATLAB软件,基于BP神经网络,建立了适合土朱矿的煤与瓦斯突出强度预测模型,并进行了实际检验,确定了模型的可行性,为指导土朱矿的安全生产提供了理论依据。     

基于Fisher判别的煤层底板突水量预测研究

针对煤层底板突水的主要影响因素,综合考虑水源、水压、隔水层、底板采动导水断裂带深度、断层等因素的影响,基于Fisher判别分析理论,利用国内一些采煤工作面底板突水资料作为训练样本,建立了煤层底板突水预测的距离判别分析模型。工程应用表明,该模型结果与实际情况吻合良好,说明该模型在煤层底板突水预测中具有良好的实用性和有效性。     

基于分区变权模型的煤层底板突水脆弱性评价——以开滦蔚州典型矿区为例

在解决煤层底板突水预测预报评价难题时,传统的常权模型存在固定权重不能反映各主控因素指标值在突变情况下及各主控因素之间组合关系的变化,以及因素权重也应随之变化的情况。为此,笔者将分区变权理论引入底板突水脆弱性预测评价中,构建了符合煤层底板突水预测评价问题变化规律的分区状态变权向量及分区变权模型。同时以开滦蔚州典型矿区为例,应用分区变权模型对目标煤层底板突水脆弱性进行了预测评价,并和传统常权模型下的预测评价结果进行对比分析,结果证明变权模型的预测评价效果更好。     

割缝排放低透气性煤层瓦斯过程的数值试验

运用岩石破裂分析系统(RFPA2D-Flow)模拟了割缝排放低透气性煤层内瓦斯的过程,验证了割缝排放煤层内瓦斯是降低低透气性煤层煤与瓦斯突出危险的有效方式。同时,数值试验对难以准确监测的煤层内瓦斯压力和瓦斯渗流场的变化规律进行了较好的模拟,为进一步理解瓦斯排放、煤与瓦斯突出机理等提供理论基础和科学依据。     

基于多方法的煤层底板突水危险性评价

科学评价煤层底板突水风险对矿井安全生产具有重要意义。通过Lawrence风险公式推导出能够体现底板突水多种因素耦合作用关系的突水系数修正模型,并以新安煤矿为例,运用多元线性回归方法拟合适用于该矿的突水系数修正模型。应用该模型对新安煤矿二₁煤底板奥灰突水风险进行评价,同时应用突水系数模型进行对比评价。结果表明：突水系数修正模型评价结果更为可靠。实现了突水系数模型的探讨性修正,具有一定的理论与实践意义。

     

基于层次分析的深部煤层开采底板突水影响因素分析

深部煤层开采底板突水是一个复杂的非线性系统,各影响因素相互关联、彼此耦合。建立了深部煤层开采底板突水的层次分析结构模型,运用专家打分法构建出各层次的判断矩阵,并利用根法层次分析求得影响因素的贡献权重。通过权重分析得到深部煤层开采底板突水的13个控制因素和5个主控因素,研究结果基本符合现场实践。专家打分-层次分析法能够将客观实际升华为主观认知,是一种由定性问题向定量问题转化的方法,可以比较客观、准确地研究包含多因素的"灰箱"问题。     

瓦斯抽放技术在煤矿掘进工作面的应用

平煤集团十一矿己16-17-22141掘进工作面施工时因瓦斯涌出量大,造成工作中经常出现断电故障,严重影响进尺。先后采用了本煤层抽放、迎头煤壁预抽放、挂耳抽放技术,较好地解决了该工作面因瓦斯大量涌出而制约生产的问题。     

基于损伤统计本构模型的煤层冲击倾向性研究

针对目前国内煤层冲击倾向性指标存在的问题,基于煤岩应变强度理论、煤岩微元强度服从Weibull随机统计分布的假设和连续介质损伤力学理论,采用单轴压缩下煤岩损伤统计本构模型,用最优化方法确定该模型的关键参数,同时分析了各参数的物理意义,进而给出了冲击能指数和弹性能指数的理论计算方法,并提出了最大损伤速率和反应动态破坏时间的动态损伤应变新指标。数值试验和现场试验结果表明：采用最优化方法确定该模型参数能更好地拟合煤岩应力-应变全过程曲线;修正后与新提出的冲击倾向性指标理论计算方法合理可行,物理意义明确,能很好地反映煤层的冲击倾向性,为深入研究煤层冲击倾向性的本质提供了一种新的思路。     

理想石门揭煤突出预测指标实验研究

该文从煤与瓦斯突出过程能量变化的角度,提出了预测突出矿井的"理想石门揭煤"模型及相应的预测指标,通过对理想石门揭煤进行模拟实验,对理想石门揭煤突出预测指标的研究,可以定量地将矿井石门揭煤可能出现动力现象的大小分为非突出,压出及突出三种情况。     

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。