基于BP神经网络的采煤工作面瓦斯涌出量预测

在建立基于BP网络采煤工作面瓦斯涌出量预测模型的基础上,结合样本数据,采用经验公式与MATLAB程序相结合的方法,自动选取了预测模型隐含层的最佳节点数;分别采用3种改进的BP算法对网络模型进行了训练,结果表明Levenberg-Marquardt算法的训练误差最小,收敛速度最快;通过对预测模型的训练及仿真,证明了该模型精度高,完全能够满足工程实际应用的要求。     

微震监测系统监测精度与可靠性分析

介绍了波兰ARAMIS M／E微震监测系统在华丰煤矿冲击地压防治中的应用,通过矿震事件具体定位和定点放炮,分析了微震监测系统监测精度与可靠性。应用结果表明：该系统在三维空间定位精度高,平面定位误差小于20m,垂直定位误差小于15m,符合系统定位要求。系统能通过监测数据对采煤工作面冲击地压危险程度进行评估,评价出工作面每天的冲击地压危险程度,为矿井进行冲击地压预测预报提供科学依据。     

基于改进BP神经网络的矿井瓦斯浓度预测算法

针对传统煤矿瓦斯预警的可靠性差和误差大等问题,提出了一种基于改进BP神经网络的矿井瓦斯浓度预测算法。提出的新型算法在传统BP神经网络算法的基础上,将遗传算法与BP神经网络算法有效结合,采用优化连接权方法对BP神经算法进行优化。该方法降低了瓦斯浓度预测模型的迭代次数和绝对误差。     

基于神经网络的综采设备配套专家系统研究

对基于神经网络的综采配套专家系统进行了研究,给出了具体处理方法。在此基础上建立了工作面生产能力预测BP神经网络模型和综采工作面设备参数神经网络预测模型,并采用上述模型对济二号煤矿试验工作面的产量、工效和综机设备等主要技术参数进行了预测。     

微震监测技术在集贤煤矿冲击地压防治中的应用研究

根据集贤煤矿微震事件的监测结果,从微震事件的能量分布、空间位置分布、与工作面推进和组织生产的关系等方面,对微震事件的发生规律和分布特征进行了分析,得出冲击地压发生前的微震活动特征及微震事件能量与冲击地压的关系,并对高冲击危险区域进行了判定,进而对集贤煤矿的冲击地压灾害的防治提出了建议,为冲击地压灾害的防治提供了依据。     

基于巷道摩擦阻力系数BP神经网络预测模型的矿井风网风量预测研究

针对矿井风网解算中待掘巷道摩擦阻力系数难以准确实测赋值的问题,构建了巷道摩擦阻力系数BP神经网络预测模型,以双柳煤矿各类巷道摩擦阻力系数实测数据作为训练样本进行学习训练,使预测模型的期望误差达到0.000 1以下。利用该模型对尚未贯通的23(4)13回采工作面的巷道摩擦阻力系数进行预测,将预测结果代入基于斯考德—恒斯雷法风网解算方法构建的双柳煤矿通风网络解算模型中,分别对23(4)13回采工作面贯通后备用阶段和回采阶段全风网风量分布进行了解算,解算结果与现场实测结果之间相对误差小于8%。研究结果表明,利用基于BP神经网络算法的巷道摩擦阻力系数预测模型对待掘巷道摩擦阻力系数进行预测赋值,能够实现风网风量的准确解算。     

坚硬顶板“孤岛”工作面冲击地压综合防治技术研究

根据耿村煤矿12230特殊空间结构体”孤岛“工作面的实际情况,通过理论分析及相同条件下冲击地压事故案例综合分析,判定该工作面冲击危险程度较高,易造成工作面及两巷的冲击,提出控制工作面回采速度、加强工作面上下端头及两巷超前加支护措施和大直径深孔卸压、煤层注水、断底爆破、监测等综合防治冲击地压技术方案。结合防治冲击地压监测数据,通过应力、微震等监测结果分析表明,采取措施后,工作面回采过程中日均微震频次与日均释放能量均有所下降,不规则煤柱影响区域应力得到明显降低,工作面实现了安全回采。     

基于神经网络的综采设备配套专家系统研究

对基于神经网络的综采配套专家系统进行了研究,给出了具体处理方法。在此基础上建立了工作面生产能力预测BP神经网络模型和综采工作面设备参数神经网络预测模型,并采用上述模型对济二号煤矿试验工作面的产量、工效和综机设备主要技术参数进行了预测。     

基于隶属度分析的回采面冲击地压微震能量阈值判定

针对老虎台矿83002综放工作面冲击地压频繁发生的实际情况,利用ARAMIS M/E微震系统进行长期监测,并在此基础上建立了基于隶属度分析的回采面冲击地压能量预测模型。研究结果表明:83002综放工作面微震事件满足能量-频次原则,冲击地压受地应力、上覆采空区和地质构造等多重因素的影响,具有一定的模糊性,而利用"四率法"推导出的合理微震能量判定阈值为3.01×10~5J。研究成果为充分发掘微震信息,提高冲击地压预测预警的准确率提供了技术支持和理论指导。     

深部沿空综采工作面微震事件规律分析

为有效预防冲击地压事故的发生,唐口煤矿采用ARAMIS微震监测系统对工作面煤岩体内微震活动进行全时连续性监测。以5304沿空综采工作面为例,通过对微震事件的分布、频次、能量释放等方面的变化规律进行统计分析,分析结果对工作面矿压规律分析、控制和防冲设计具有较好的借鉴意义。     

基于GA-BP神经网络的矿井粉尘浓度预测研究

为了准确预测矿井粉尘浓度,有效防治矿井粉尘危害,运用遗传算法优化的BP神经网络预测模型(GA-BP模型)对某矿山工作面时间序列粉尘浓度进行预测,以预测结果的相对误差、平均绝对百分比误差来评判模型的预测准确性。再利用BP神经网络预测模型,卷积神经网络预测模型(CNN模型)的预测结果同GA-BP预测模型的预测结果进行对比验证,以均方根误差来评价三种模型的预测效果。结果表明,应用GA-BP预测模型,相对误差最大为4.27%,最小为0.14%,相对误差都在10%以内,预测样本的平均绝对百分比误差(MAPE)小于10%,达到了高精度预测要求。CNN、BP、GA-BP三种预测模型的RMSE值分别为1.1007、1.0008、0.9354,GA-BP预测模型对于该矿山工作面粉尘浓度预测效果最好。     

基于堆叠LSTM的多源矿压预测模型分析

矿压失衡引起的顶板事故是煤矿重大灾害之一,矿压的精准预测对保证煤层的安全开采具有重要意义。为提高矿压的预测精度,提出了一种基于堆叠LSTM的多源矿压预测模型。首先,采用灰色关联度对煤矿工作面多源矿压进行分析排序并进行数据预处理;其次,采用堆叠式网络结构,确定每一个LSTM层的隐藏节点数、迭代次数等参数;最后,采用Adam优化算法对模型进行优化,从而对工作面矿压进行预测。采用均方根误差作为评价指标对预测模型性能进行评估,实验结果表明:相较于BP模型,堆叠LSTM多源矿压预测模型在训练集和测试集上RMSE分别减少了49.15%和51.26%;相较于LSTM,分别减少了45.37%和46.61%;相较于GRU,分别减少了44.66%和45.89%。因此,堆叠LSTM多源矿压预测模型在工作面矿压预测方面具有更高的精确性。     

煤矿底板突水微震监测预警系统构建与分析

为了有效遏制煤矿突水灾害对矿井安全生产带来的严重影响,寻找诱发煤矿突水的本质机理和微破裂前兆规律,进而对煤矿突水灾害进行分析预报;采用微震监测技术,结合董家河煤矿水文地质情况,建立微震监测系统;对董家河煤矿22517工作面底板进行微震监测分析,得到了通过微震监测结合地质钻孔柱状综合分析确定底板破坏深度的方法。微震监测结果表明:底板微震事件主要分布于3个区域;董家河煤矿22517工作面底板的总体趋势趋于稳定,但局部可能发生损伤,从而使局部岩体的渗透系数增加,形成底板出水点,该出水点可能位于工作面前方50 m至后方30 m区域。     

基于循环神经网络的煤矿工作面瓦斯浓度预测模型研究

瓦斯灾害制约着煤矿安全生产的发展水平,瓦斯治理是高瓦斯煤矿开采工程中的重要环节,有效预测出下一时间段瓦斯浓度并做出合理的安全防护措施,可为煤矿瓦斯治理决策提供一定的参考依据。利用循环神经网络适合处理连续时间序列样本的特性,构建了一种基于循环神经网络的煤矿工作面瓦斯浓度预测模型。该模型以宽泛策略为原则初步确定预测模型网络结构参数,选取数据量更大、时间跨度更长的瓦斯浓度时间序列为训练样本。首先采用邻近均值法和插值法处理训练样本中的异常值和缺失值,同时采用最大最小值标准化法对数据进行归一化处理,其次以均方误差和运行时间为评价指标,采用自适应矩估计优化器优化模型权重,选取修正线性为激活函数,隐藏层中加入丢弃层,通过不断调节步长、网络层数等参数,最终得到最优的循环神经网络瓦斯预测模型。研究结果表明:相比于反向传播神经网络预测模型和双向循环神经网络预测模型,基于循环神经网络的煤矿工作面瓦斯浓度预测模型的训练误差降低至0.003,预测结果误差降低至0.006,具有更高的预测准确度;同时,预测误差波动范围在0.001～0.024,具有更好的稳定性和鲁棒性。基于循环神经网络的工作面瓦斯浓度预测模型具有更高的准确度、稳定性和鲁棒性,可有效预测出下一时间段瓦斯浓度的变化趋势,从而提前做出合理的防护措施,为煤矿安全生产提供一定的参考意见。     

基于随机森林的矿压预测方法

煤矿开采过程中工作面矿压显现的分析与预测,对于保障煤矿安全生产具有重要意义。分布式光纤监测技术是煤矿开采过程中覆岩变形监测的新方法,以分布式光纤监测采动覆岩变形相似物理模拟试验为背景,建立了基于随机森林的MBCT-SR-RF工作面来压预测模型。首先提出光纤加权频移平均变化度,并引入多步逆向云变换算法(MBCT-SR)计算光纤上所有测点频移数据的期望Ex、熵En和超熵He等统计特征;然后以光纤加权频移平均变化度和光纤频移数据的统计特征(Ex,En,He)作为输入样本,以均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)作为性能评估指标;最后进行了预测模型的泛化能力研究。试验结果表明,基于MBCT-SR-RF的工作面来压预测方法的RMSE为5.289 6 cm,MAE为4.336 7 cm,MAPE为3.916 7%,与BP神经网络和SVM支持向量机方法相比,均低于相应的评价指标,具有较高的准确率、鲁棒性和泛化能力。该方法实现了基于光纤频移数据的工作面来压预测,为煤矿开采过程中的顶板智能化管理提供了判断依据。     

自震式微震监测技术及其在浅埋煤层动载矿压预测中的应用

震源定位是利用微震监测技术研究煤岩体破裂机制、分析矿震活动规律、预测煤岩动力灾害的基础。为了提高微震监测系统的定位精度,提出一种自震式微震监测技术,利用自激震源发射震动信号反演监测区域波速场,再将反演的波速场应用于微震定位计算。根据自震式微震监测技术研发出KJ768煤矿微震监测系统。在一定的拾振器网度和空间布置条件下,通过煤矿井下定点爆破和同类监测系统对比试验,测得KJ768微震监测系统的定位误差小于10 m。基于开发的KJ768煤矿微震监测系统开展浅埋煤层动载矿压预测,通过现场实测,研究微震监测结果和工作面矿压观测结果的关联关系,选定微震事件数和微震总能量作为周期来压和动载矿压的监测预警指标,并确定了预警阈值,准确预测了3次动载矿压和近20次周期来压,为防治异常矿压显现提供了借鉴。     

基于改进BP神经网络算法的煤巷支护方案预测研究

基于工程实践和巷道支护领域知识的研究和分析,将改进的BP神经网络算法应用到煤巷支护参数预测中,确定了煤巷支护设计主要影响因素,从现场收集的巷道支护典型工程案例作为神经网络训练样本。建立了基于改进的BP神经网络支护参数预测模型,应用该方法对云驾岭煤矿巷道进行支护方案预测,预测误差在允许范围内,验证了本方法的可靠性。     

基于Prophet+LSTM模型的煤矿井下工作面矿压预测研究

为了高效地对工作面矿压变化趋势进行有效预测,减少顶板突发事故和引导煤矿井下安全生产,提出了融合相邻多个支架影响的矿压数据预测模型Prophet+LSTM。该模型首先基于数字信号处理技术,将原始矿压数据经过算术平均值滤波和小波去噪方法减少噪声和随机误差;其次在深入分析Prophet模型和LSTM模型特性基础上,通过添加额外回归变量方法融合相邻多支架矿压数据;最后为充分利用Prophet模型和LSTM模型的优势,构建了一种Prophet+LSTM组合模型对工作面矿压进行预测,通过线性加权组合方法获取最有权重系数使模型预测结果误差逐步减少。以均方根误差(RMSE)和平均绝对误差(MAE)来评估Prophet+LSTM模型对矿压时间序列的预测效果。预测模型在某矿工作面支架矿压时序数据的应用结果表明:经过数字信号处理后的支架矿压预测结果 RMSE和MAE分别下降了约20%和16%,Prophet模型和LSTM模型的预测结果优于传统的BP神经网络和ARIMA模型,且Prophet+LSTM模型预测方法较其单项模型具有更强的稳定性和更高的准确性,实现了对工作面在推进过程中矿压变化的有效预测。该预测方...     

基于灰色神经网络组合模型的煤矿能耗预测研究

针对传统煤矿电能消耗预测模型可靠性和精度低等问题,提出了一种基于灰色神经网络组合模型的煤矿能耗预测方法,该方法将灰色预测模型和BP神经网络有效组合,充分利用2个模型的优点。首先介绍了灰色预测模型和神经网络预测模型的基本原理;其次根据煤矿能耗预测的数据特性,将灰色预测和神经网络预测进行组合,得到一种灰色神经网路组合预测模型;最后,通过仿真验证了所提方法的可行性和有效性,为煤矿能耗预测提供了新的理论依据。     

基于微震数据反演分析的大佛寺煤矿40111工作面诱冲规律研究

基于大佛寺煤矿4~上煤层作为4煤层的保护层进行开采的工程背景,为探索该特殊区域工作面诱冲规律,借助于现有的微震监测设备分析回采速度与微震“时间—空间—强度”特征参数之间的关系。结果表明：4~上煤层作为4煤层的保护层开采可以有效降低工作面微震能量大小,该方案起到了较好的卸压作用;通过微震空间分布特征与回采速度的相关性,确定了合理的回采速度,为冲击地压防治体系设计提供了数据支撑。