基于CART算法的煤与瓦斯突出判别分析

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。     

基于PCA-Fisher判别分析模型的煤与瓦斯突出危险等级预测方法研究

为了提高煤与瓦斯突出预测精度,选取瓦斯含量、瓦斯压力、瓦斯放散初速度等11个因素作为判别指标,将煤与瓦斯突出强度分为无突出、小型突出、中型突出、大型突出4个等级。利用贵州黔西北煤矿资料中的28组数据作为训练学习样本,建立了煤与瓦斯突出危险等级预测的PCA-Fisher判别分析模型,再利用资料中其余6组数据作为预测样本,对该模型进行检验和应用,并与BP神经网络模型和Fisher判别模型的判别结果进行比较。结果表明:PCA-Fisher判别模型具有更高的准确性和可靠性,可以对煤与瓦斯突出危险等级进行有效预测。     

煤与瓦斯突出预测的SOFM模型及应用

煤与瓦斯突出是煤矿生产活动中常见的一种动力灾害之一,其危险性等级评价是煤矿安全生产的必要前提和保证。文章综合考虑煤与瓦斯突出发生的地应力、瓦斯和煤的物理力学性质等条件,选取地质破坏程度、瓦斯压力、瓦斯放散初速度、煤的坚固性系数以及开采深度作为煤与瓦斯突出危险性预测的评价指标。基于此,文章借签一种自组织特征映射(SOFM)神经网络,建立煤与瓦斯突出危险性预测的SOFM神经网络模型,将SOFM神经网络模型应用于国内26个典型矿井的煤与瓦斯突出危险性预测。研究表明,SOFM神经网络模型预测效果较好,其正判率为92.31%。说明该模型可为小样本、多指标的煤与瓦斯突出预测提供一种新的思路。     

煤与瓦斯突出强度能量评价模型

从煤与瓦斯突出过程中能量耗散类型与岩石爆破机理的相似性出发,利用新表面学说和热力学定律分别计算了突出煤体的破碎功和突出瓦斯的膨胀内能,建立了煤与瓦斯突出强度能量评价模型。利用该模型对1960-2010年间38起煤与瓦斯突出强度评价分析表明,一半左右突出的瓦斯膨胀能比破碎功大1~2个数量级,仅用抛出煤体的质量来评价煤与瓦斯突出的强度是不合理的;煤与瓦斯突出强度能量评价模型综合考虑了突出过程中煤体的破碎功与瓦斯膨胀能,将煤与瓦斯突出释放的总能量折合成TNT当量,依据不同数量级TNT当量标准,将煤与瓦斯突出强度类型划分为C类突出（小于1 t的TNT当量值）,B类突出（1~10 t的TNT当量值）和A类突出（大于10 t 的TNT当量值）3类更具合理性。     

关于煤与瓦斯突出的数值模拟

根据煤岩体介质变形与瓦斯渗流的基本理论,建立了煤岩破裂过程气固耦合作用的RF-PA2D-GasFlow模型,应用该模型对煤与瓦斯突出进行数值模拟,再现含瓦斯煤岩在瓦斯压力、地应力及煤岩力学性质共同作用下煤岩损伤破裂并诱致突出的全过程,这为进一步深入理解煤与瓦斯突出机理及瓦斯抽放防治突出等提供理论基础和科学依据。     

构造煤层位对煤与瓦斯突出的影响数值分析

构造煤是煤与瓦斯突出的必备条件。根据构造煤在煤层中的不同位置,建立了煤与瓦斯突出的构造煤层位数值实验模型。利用RFPA2D对数值模型进行了数值试验,从应力应变、破坏分布、瓦斯压力和瓦斯梯度变化等方面分析了顺煤层发育的构造煤分层在工作面掘进过程中诱发煤与瓦斯突出的作用。数值试验结果表明煤层中的构造煤层位影响着煤与瓦斯突出的始发条件,是煤与瓦斯突出的关键层。研究分析认为构造煤层位并不影响原始煤层瓦斯赋存分布规律,但是决定了诱发煤与瓦斯突出的主体和始突强度,诱发煤与瓦斯突出关键在于构造煤层内的高瓦斯压力梯度。     

基于熵权-属性数学的煤与瓦斯突出危险性预测

为准确预测煤与瓦斯突出危险性,以瓦斯、地质、煤体 等因素作为煤与瓦斯突出危险等级评价指标,基于指标临界 值及分级数方式,结合熵权法和属性数学理论构建煤与瓦斯 突出危险等级综合评判模型。实例研究结果表明:某煤矿工 作面煤的破坏类型、煤普氏系数、瓦斯压力的权重占比大,分 别为:0.1360,0.1083,0.0994;耦合模型下计算出该工作面 煤与瓦斯突出λ 为0.5567,预测结果符合C2 等级为“一般突 出危险性”,与现场瓦斯动力现象相一致,验证了本文所建立 的模型用于矿井煤与瓦斯突出预测的可行性和有效性。     

豫北二_1煤瓦斯突出的优势断裂控制

本文以罗国煜教授的优势面理论为指导来研究豫北 (为瓦斯突出矿井区 )二1 煤的瓦斯突出 ,提出了煤矿井下瓦斯突出的优势断裂控制理论。先根据优势断裂 (优势面 )指标找出了研究区共有4条优势断裂 ,然后以优势断裂为中心建立了瓦斯突出优势体模型 ,根据实验结果和现场资料分析得出了优势体中优势断裂与瓦斯突出关系的内在机制 ,并对优势体模型瓦斯突出进行了定量预测。     

煤与瓦斯突出指标层次分析模型的建立及应用

 为了能够选用最能反映煤与瓦斯突出的指标并以此指标来指导矿井的安全生产,论文基于影响煤与瓦斯突出的影响因素,分析了反映煤与瓦斯突出的指标,应用层次分析法的基本原理建立了煤与瓦斯突出指标的评价模型,并进行了实际应用。应用结果表明：采用该评价模型优选的指标较好的反映了煤层的突出危险性,与煤层的实际情况较符合,在矿井生产过程中可以应用该模型,选用最能反映煤与瓦斯突出的指标,并以此为依据来指导矿井的安全生产。该模型的建立为煤与瓦斯突出的预测提供了科学的理论依据和切合实际的评价方法。     

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。     

BP神经网络在煤与瓦斯突出预测中的应用

鉴于煤与瓦斯突出对煤矿的安全生产的威胁以及其影响因子的复杂性,合理的选择煤与瓦斯突出预测的影响因子,利用非线性的BP人工神经网络建立煤与瓦斯突出强度预测模型,来预测煤与瓦斯突出强度的大小。结果显示,煤与瓦斯突出强度的预测值与实测值吻合得较好,表明采用BP神经网络预测煤与瓦斯突出强度是可行的,为矿井煤与瓦斯突出的预测提供了一种预测精度较高的方法。     

煤与瓦斯突出BP神经网络预测系统研究

煤与瓦斯突出是严重危害煤矿安全生产的一种非线性瓦斯动力灾害。文章将BP神经网络运用于煤与瓦斯突出预测模型,从煤与瓦斯突出的原因、BP神经网络用于煤与瓦斯突出预测的原理、运用实例三方面,对利用BP神经网络预测煤与瓦斯突出的研究加以阐释,证明了BP神经网路预测系统的精度高于传统系统。     

利用MATLAB神经网络进行煤与瓦斯突出预测的研究

从煤与瓦斯突出的机理出发，考虑煤与瓦斯突出的综合影响因素，利用MATLAB神经网络工具箱，在VC 中嵌入MATLAB神经网络模块，建立了能够准确预测煤与瓦斯突出的神经网络预测模型，并制成了相应的预测软件。应用该软件进行实际检验，预测结果完全与实际相吻合，可以用来准确预测工作面煤与瓦斯突出。     

基于决策树ID3改进算法的煤与瓦斯突出预测

为提高工作面突出预测指标预测的准确率,根据灰色相关理论和决策树ID3算法,提出了基于决策树ID3改进算法的煤层工作面煤与瓦斯突出预测方法。该方法以工作面的钻屑解吸指标作为主要决策属性,以地质构造、瓦斯浓度变化等现场较为直观的突出征兆作为辅助决策属性,同时根据矿井实际工作面煤与瓦斯突出数据建立预测样本数据集,把决策属性的相对灰色关联度作为决策树ID3改进算法的最大信息增益计算权重,建立了煤层工作面煤与瓦斯突出决策树预测模型,并采用该预测模型对10组煤与瓦斯突出数据进行了预测,结果表明,该模型预测的准确率显著高于采用单一钻屑指标预测的准确率。     

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.     

支持向量机在煤与瓦斯突出预测中的应用

为了准确预测煤与瓦斯突出危险,首先利用灰色关联分析的方法寻找出影响煤与瓦斯突出的关键性因素,然后利用MATLAB的SVM工具箱建立煤与瓦斯突出的预测模型,并应用此模型识别瓦斯突出的类型。该模型基于MATLAB的SVM工具箱加以实现。实验结果表明,基于灰色关联分析的SVM煤与瓦斯突出预测模型结果可靠,效果良好,应用性强。     

基于突变理论的煤与瓦斯突出危险性预测的研究

将突变理论引入到煤与瓦斯突出危险性预测的研究中,进行了将突变理论和模糊数学结合的突变级数法进行突出预测的研究,从而构建了煤与瓦斯突出危险性预测的评价模型.基于突变理论的煤与瓦斯突出危险性的预测研究,综合考虑了不同指标对突出危险性的影响程度,通过实例分析计算表明,该方法预测结果能较好地与实际相吻合.     

Research on prediction for coal and gas outburst based on Matlab neural network toolbox and its application

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.     

基于瓦斯涌出特征的煤与瓦斯突出连续预测技术及应用

针对现阶段煤与瓦斯突出预测技术难以实现时间和空间领域的全方位预测,预测结果准确率低、预测结果发布滞后且影响工作面正常采掘作业生产等技术缺陷,提出了一种利用工作面瓦斯涌出特征预测工作面前方煤与瓦斯突出危险情况的非接触式、连续预测方法。通过对煤矿监测数据结构特征进行综合分析,确定了瓦斯涌出特征突出预警系统的预警指标,建立了煤与瓦斯突出连续预测技术模型,并引入单项预测指标权重评判集,采用加权平均设计思路,构建形成了煤与瓦斯突出预警综合评判规则。在此基础上,采用C/S、B/S双架构系统开发模式,设计开发了瓦斯涌出特征突出预警系统平台。通过下峪口煤矿应用结果显示,该系统平台总体预警准确率达到了86%,且能够超前准确地预测工作面前方的煤与瓦斯突出危险情况,为突出矿井的正常掘进生产提供了安全保障。