厚煤层分层开采综放工作面瓦斯涌出量预测

综放工作面与单一回采工艺工作面不同,采用AQ 1018-2006《矿井瓦斯涌出量预测方法》预测综放工作面瓦斯涌出量时存在较大误差,且目前缺少厚煤层分层开采综放工作面瓦斯涌出量预测方面的研究,导致瓦斯治理技术依据性不强。针对上述问题,提出了厚煤层分层开采综放工作面瓦斯涌出量预测方法。通过分析厚煤层分层开采综放工作面瓦斯涌出特点,确定了综放工作面瓦斯涌出来源,包括割煤、放煤、采空区、邻近层涌出瓦斯;针对不同瓦斯涌出来源,得出了相应的瓦斯涌出量计算公式,由此得到厚煤层分层开采综放工作面瓦斯涌出量计算公式。采用该方法对乌东煤矿及碱沟煤矿综放工作面瓦斯涌出量进行预测,预测值与实测值的误差均小于5%,满足实际生产需求。     

神经网络在采煤工作面瓦斯涌出量预测中的应用

应用神经网络理论,对自变量的选取和确定进行改进,并选择了合适的初始数据处理方法和网络结构,建立了采煤工作面瓦斯涌出量的预测模型.结果显示,预测精度满足要求,表明该方法是可行的、合理的.     

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。     

基于人工神经网络的瓦斯涌出量预测

由于影响瓦斯涌出量的因素很多并且它们之间存在着复杂的非线性关系,用传统方法很难对其进行准确预测,神经网络算法简单,学习收敛速度快,具有线性、非线性逼近精度高等特性,适合对瓦斯涌出量进行建模,针对对波动性较大的数据预测结果不理想的问题,在对监测数据分析的基础上,提出了用数据预处理的方法弱化数据波动性,然后进行神经网络建模的瓦斯涌出量预测模型,试验证明取得到了比较理想的结果。     

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。     

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。     

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。     

回采工作面瓦斯涌出量耦合预测模型研究

为准确、快速地预测回采工作面瓦斯涌出量,提出一种基于主成分分析法（PCA）和改进的果蝇算法（MFOA）优化支持向量机（SVM）的回采工作面绝对瓦斯涌出量预测模型。模型首先运用PCA方法对原始数据进行降维处理,消除数据冗余,而后采用改进的果蝇算法对SVM参数进行全局寻优,避免SVM参数的选取对模型预测结果的不利影响,最终建立基于PCA-MFOA-SVM的耦合预测模型,并以实际监测数据为例进行仿真预测。结果表明：该模型预测的平均绝对误差为0.077 5 m3/t,平均相对误差为1.323 7%,与其他模型相比,预测精度高,综合性能好,能够实现回采工作面瓦斯涌出量的动态预测。     

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。     

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。     

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。     

双U型通风工作面瓦斯浓度分布规律研究

为了掌握双U型通风工作面瓦斯浓度分布规律,预防工作面瓦斯浓度超限,运用Fluent软件对某工作面推进到2个联络巷之间不同位置时采空区内漏风进行了模拟分析,并对工作面瓦斯涌出规律进行了实测和统计研究分析。模拟与观测结果表明,双U型通风工作面在推进过程中,工作面刮板输送机后部、上隅角和回风巷后部瓦斯浓度变化不大,尾巷瓦斯浓度随着工作面在2个联络巷之间位置的改变而变化,联络巷打开时,瓦斯浓度最大,当工作面距离打开联络巷23m左右时瓦斯浓度最小,当工作面距离打开联络巷40m时尾巷瓦斯浓度又增加到初期最大值,且进一步增大。因此,从治理瓦斯角度考虑,回风巷和瓦斯排放巷之间的联络巷合理间距应为40m,考虑经济性,建议不要超过50m。     

综放工作面煤矸自动识别系统设计及应用

提出了一种基于振动信号的综放工作面煤矸自动识别系统,介绍了系统结构及工作原理,重点阐述了煤矸识别设备的软、硬件设计方案及煤矸识别算法。该系统由煤矸识别设备依据煤与矸石跌落到液压支架上时的振动信号不同来辨识煤矸,液压支架电液控制器根据辨识结果控制液压支架动作。该系统在某煤矿进行了煤矸的可辨识性和自动放煤过程的可控性测试,并已应用于部分煤矿,效果较好。     

基于RBF网络的数据融合在废气数据处理中的应用

针对禽畜养殖场环境废气体积分数数据的处理,使用多个传感器测量环境温度、湿度、某种废气的体积分数。对于传感器故障而失真的数据,使用基于RBF神经网络的数据融合方法融合对某一废气测量值的多种影响因素,估算出该废气的体积分数,从而实现失真数据的恢复。以NH3体积分数数据的处理为例,Matlab仿真结果估算误差小于6.7%,证明了基于RBF网络的数据融合方法的有效性。     

一种改进的编辑距离算法及其在数据处理中的应用

基于数据处理的需要,在分析原有编辑距离算法的基础上,通过拓展交换操作减少编辑操作的数量。与仅对计算点之前相邻位置字符间的交换操作相比,通过对计算点前后非相邻位置字符间的交换操作改进该算法,能够得到更理想化的编辑距离。将改进的编辑距离算法应用于煤矿隐患数据的处理,提高了隐患数据分类分级的有效性和执行效率。     

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。