平顶山十二矿煤与瓦斯突出的地质因素分析

对十二矿影响煤与瓦斯突出的井田地质构造、煤体结构、煤厚及其变化、煤层围岩等地质因素进行了分析。探讨了煤与瓦斯突出与上述地质因素之间的密切关系，为煤与瓦斯突出的预测、预报及其防治提供了依据。     

基于PSO-SVM的煤与瓦斯突出强度预测模型

为有效预测煤与瓦斯的突出强度,分析了煤与瓦斯突出的主要影响因素,建立了基于粒子群优化支持向量机方法(PSO-SVM)的煤与瓦斯突出强度预测模型,通过实例对该模型的预测效果进行检验,同时还分别采用了BP神经网络(BP-NN)和支持向量机方法(SVM)对该实例进行了预测,进而对这3种方法的预测精度进行了比较.分析结果表明3种方法的预测准确率PSO-SVM为87.5％、BP-NN为50％、SVM为62.5％.可见,PSO-SVM方法的预测效果要好于BP-NN和SVM,对煤矿煤与瓦斯突出强度预测具有一定的参考价值和指导意义.     

基于灰色理论与神经网络的煤与瓦斯突出预测

影响煤与瓦斯突出的因素众多,应用神经网络进行预测时,选取突出预测指标是关键．应用灰色关联分析筛选突出预测指标,结合神经网络建模进行了突出预测,使突出预测指标的选择由定性分析转化为定量分析,实现了灰色理论同神经网络在煤与瓦斯突出预测领域内的结合．     

基于灰色理论与神经网络的煤与瓦斯突出预测

影响煤与瓦斯突出的因素众多,应用神经网络进行预测时,选取突出预测指标是关键．应用灰色关联分析筛选突出预测指标,结合神经网络建模进行了突出预测,使突出预测指标的选择由定性分析转化为定量分析,实现了灰色理论同神经网络在煤与瓦斯突出预测领域内的结合．     

基于支持向量机的煤与瓦斯突出预测研究

煤与瓦斯突出已经成为影响煤矿生产最严重的安全问题和经济问题之一．在国内外有多种用于预测煤与瓦斯突出的方法,包括动态和静态预测。但是这些方法大多只考虑单一的参数,因此它们对煤与瓦斯突出的预测效果并不是很理想．对于近年来应用较为广泛的神经网络。由于其固有的缺陷。对于高雏、小样本的情况具有不太理想的预测效果．作者综合考虑了多个因素,并将支持向量机（Support Vector Machine）这一方法应用到煤与瓦斯突出预测中．经过仿真试验。证明这种方法能够取得较好的预测效果．     

基于PSO—SVM的煤与瓦斯突出强度预测模型

为有效预测煤与瓦斯的突出强度,分析了煤与瓦斯突出的主要影响因素,建立了基于粒子群优化支持向量机方法（PSO—SVM）的煤与瓦斯突出强度预测模型,通过实例对该模型的预测效果进行检验,同时还分别采用了BP神经网络（BP—NN）和支持向量机方法（SVM）对该实例进行了预测,进而对这3种方法的预测精度进行了比较。分析结果表明3种方法的预测准确率PSO—SVM为87．5％、BP—NN为50％、SVM为62．5％。可见,PSO—SVM方法的预测效果要好于BP—NN和SVM,对煤矿煤与瓦斯突出强度预测具有一定的参考价值和指导意义。     

基于支持向量机的煤与瓦斯突出预测研究

煤与瓦斯突出已经成为影响煤矿生产最严重的安全问题和经济问题之一.在国内外有多种用于预测煤与瓦斯突出的方法,包括动态和静态预测,但是这些方法大多只考虑单一的参数,因此它们对煤与瓦斯突出的预测效果并不是很理想.对于近年来应用较为广泛的神经网络,由于其固有的缺陷,对于高维、小样本的情况具有不太理想的预测效果.作者综合考虑了多个因素,并将支持向量机(Support Vector Machine)这一方法应用到煤与瓦斯突出预测中.经过仿真试验,证明这种方法能够取得较好的预测效果.     

基于贝叶斯分类器的煤与瓦斯突出强度预测研究

摘。要：选取了影响煤与瓦斯突出的5个因素作为属性条件,把突出强度作为目标变量,利用训练样本对朴素贝叶斯分类器模型进行了学习训练,对测试样本进行了预测,从结果来看精确度较高．因此朴素贝叶斯分类器模型预测煤与瓦斯突出强度是有效的．     

加强瓦斯地质研究 防治煤与瓦斯突出

简述了平顶山矿区煤与瓦斯突出概况，根据影响煤与瓦斯突出的地质因素，开展了多项瓦斯地质研究课题，找出影响本区煤与瓦斯突出的内在因素和部分规律。在防治煤与瓦斯突出方面促进了安全生产，提高了经济效益。对今后瓦斯地质工作提出了建议。     

一种基于ArcView实现瓦斯区域预测可视化的方法

应用煤层瓦斯参数结合瓦斯地质分析的区域预测方法,在空间数据管理的基础上,运用GIS数据处理方法,使用ArcView软件依次进行圈定突出点和动力现象点影响范围、划分煤层瓦斯风化带、根据煤层瓦斯压力或瓦斯含量进行区域预测和划分、综合分析、等值线分析5项操作,实现了煤与瓦斯突出危险性的区域预测,并以沙曲矿4号煤层为例划分煤与瓦斯突出危险区和无突出危险区,对其煤与瓦斯突出危险性做出评估,实现了煤与瓦斯突出预测的可视化管理,提高了瓦斯灾害预测的准确性和时效性.     

工作面煤与瓦斯突出危险程度预测技术研究

在工作面突出危险性预测及综合防治的基础上，给出了突出危险程度预测方法，阐述了进行突出危险程度预测的必要性；提出了突出危险程度预测方法中突出预测敏感指标的确定方法；系统地分析了在突出危险程度预测方法中各种危险状况的理论意义．采用模式识别技术，建立模糊综合预测数学模型，确定了2种突出危险状态之间的临界值；并将突出危险程度预测方法在煤矿进行具体应用，提高了煤巷掘进速度，并取得了上千万元的经济效益．     

基于粗糙集理论的瓦斯灾害信息特征提取技术

为了准确预测煤与瓦斯突出的危险性,建立有效的煤矿瓦斯预警支持系统,针对煤矿瓦斯灾害的特点,本研究提出了一种新颖的基于粗糙集的瓦斯灾害特征提取算法。该算法首先利用维数化简技术对瓦斯灾害信息矩阵进行优化,并在此基础上,利用信息论中熵的概念和最大熵原理构建瓦斯灾害信息特征提取模型。通过实际应用,证实了粗糙集理论在瓦斯灾害特征提取与瓦斯灾害预测中的有效性和实用性。     

基于灰关联方法的突出预测敏感指标研究

白羊岭煤矿为煤与瓦斯突出矿井,主采15号煤层为突出煤层.为提高煤巷掘进突出预测的准确性及有效性,通过现场测定突出预测指标及煤层瓦斯含量,利用灰关联分析方法对钻屑瓦斯解吸指标Δh2,K1,钻屑量S的敏感性进行了研究.研究表明,钻屑瓦斯解吸指标K1可以更准确地反映工作面前方煤体的突出危险程度,可作为白羊岭煤矿煤巷掘进突出预测的敏感指标,突出临界值为0.30 mL/（g.min0.5）.     

一个煤与瓦斯突出区域预测专家系统原型的开发与实现

煤与瓦斯突出一直是威胁煤矿井下安全生产的重大地质灾害之一。论文从分析突出的因素出发，归结出煤与瓦斯突出的事故模型与问题特征，然后从工具选择、主系统开发、辅助系统开发等方面，具体讨论了专家系统原型的开发与实现过程。另外，文中提出的专家系统外挂模块松散结构体系的设计思想在国内外尚属首次。     

煤与瓦斯突出预测的改进差分进化神经网络模型研究

鉴于常规煤与瓦斯突出BP预测模型的不足,将改进DE算法用于BP网络模型参数的优化及训练,提出结合两者优点的改进差分进化神经网络(IDEBP)煤与瓦斯突出预测模型.模型通过对变异模式、变异交叉因子自适应确定等改进,有效提高了标准DE的性能.实现了DE全局优化搜索与BP自适应、自学习的有机结合,稳健性得到加强,更能充分辨识煤与瓦斯突出样本的复杂非线性知识.以36组工程实例数据,进行了IDEBP和DEBP模型与BP模型仿真对比实验.结果表明:该模型能有效避免常规BP的不足,在收敛迅速、结果辨识和预测精度等方面均大为提高,为瓦斯智能预测提供了新的解决方案.     

电磁辐射法预测煤与瓦斯突出原理

研究了瓦斯对电磁辐射（ＥＭＥ）的影响规律及影响机制,对电磁辐射法预测煤与瓦斯突出原理进行了探讨,研究结果表明：煤体变形破裂时,电磁辐射与煤岩体的载荷及变形破裂过程密切相关,煤体中的瓦斯能使电磁辐射增强,瓦斯在煤体中的流动及冲击能产生电磁辐射;电磁辐射强度和脉冲数两项指标综合反映了工作面丧方煤体的突出危险程度,用电磁辐射法预测预报煤与瓦斯突出是可行的,煤岩电磁辐射技术在预测煤与瓦斯突出和冲击地压等方