改进的空间聚类算法在煤矿瓦斯监测系统中的应用研究

提出了一种改进式的空间聚类算法,研究针对瓦斯灾难信息特征提取的具体方法,将DBSCAN聚类算法应用在煤矿瓦斯监测系统中,通过数据的集成和选取、确定目标、结果表述、评价等多个步骤来实现该算法,发挥仿真和结果的作用,实现对煤矿生产现场情况的监测和指挥,进一步降低发生煤矿瓦斯灾难的概率。     

基于改进DBSCAN的单光子激光点云去噪算法

针对单光子激光雷达系统观测数据中背景噪声过多的问题,文中提出了一种基于改进DB-SCAN的单光子激光点云去噪算法.以ICESat-2卫星在工作运行期间所采集的ATL03数据为实验数据,通过设置合理的阈值进行粗去噪,然后基于改进DBSCAN聚类的算法对点云数据进行精去噪,并进行理论分析和实验验证.结果表明,实验区目标点云...     

基于改进型BP算法的煤矿瓦斯预测与仿真研究

有效控制煤矿井下瓦斯体积分数是保证财产和人员安全的重要前提。现阶段各大煤矿企业采用的瓦斯体积分数测量方法存在一定缺陷,未能实现动态性和实时性,导致瓦斯爆炸事故时有发生。为了科学、准确地控制煤层瓦斯含量,深入分析了影响瓦斯体积分数的因素,提出了基于BP神经网络结构的预测模型方案。为了优化预测模型,从引入陡度因子、自适应调整学习速率、改进误差函数等方面入手,不断提高预测精度,继而采取网络训练和仿真的模型来验证其准确度,为煤矿安全生产提供有效借鉴。     

基于粗糙集理论的煤矿瓦斯预测技术

针对煤矿瓦斯灾害的特点,提出了用粗糙集理论对瓦斯灾害进行预测.分析了瓦斯灾害特征,并建立了瓦斯灾害特征知识库,应用粗糙集理论建立了煤矿瓦斯灾害预测的数据挖掘模型,讨论了瓦斯灾害预测模型中的粗糙集属性关系,采用信息熵准则对粗糙集约简方法在预测中存在的不足进行了弥补.通过实际应用,证实了粗糙集理论在瓦斯灾害预测中的有效性和实用性.     

几种煤矿井下瓦斯抽放方法

介绍了高位水平钻孔、高位穿层钻孔、邻近层、本煤层 (交叉钻孔、卸压区抽放、深孔预裂爆破 )、上隅角、顶板老空区、密闭老空区抽放等 9种煤矿井下瓦斯抽放方法和效果     

数据挖掘算法在实验室信息管理系统中的应用

煤矿安全实验室现有实验项目30余项,涉及煤层瓦斯涌出预测、瓦斯抽采技术和煤与瓦斯突出防治方向。现有的实验室信息管理系统已积累了海量的实验数据,为了能够更深层次地挖掘数据背后隐藏的有价值的信息,应用数据挖掘算法,将实验室信息管理系统采集到的大量数据作为原始数据进行预处理;通过K-means聚类算法建立原始数据性质的聚类模型,并借助模糊C均值算法进行优化和改进,以聚类模型为基础建立数据分布优化模型来找到数据样本中的特征。结果表明：评价结果与实际相符,数据挖掘方法有效地分析出煤与瓦斯突出危险性,辅助煤与瓦斯灾害防治,在实验室信息管理系统中应用数据挖掘算法,能够为瓦斯灾害防治提供有效技术支撑。     

基于神经网络算法的煤矿瓦斯涌出量预测模型研究

在煤矿生产过程中存在着瓦斯涌出现象,严重威胁着煤矿的安全生产。瓦斯涌出检查在矿井设计、建设和开采作业过程中显得尤为重要。文章采用神经网络有效地对矿井瓦斯气量进行检测分析,利用分析结果进行准确预测。文中将介绍神经网络预测的整体构建过程,结合仿真实例,分析煤矿瓦斯涌出量预测模型的可靠性。     

基于DBSCAN算法的孔深测量与地层反演理论研究

论文针对地质勘探取心工况复杂、钻进深度大、事故发生率高、岩性复杂、钻进参数难以获取、无法实时掌握钻进状态的难题,在充分调研现有工况识别技术的采集原理、功能种类、现场实测的基础上,结合钻探智能化、自动化的发展方向,运用硬件与软件结合的思想,设计了实时测量钻探参数的方案。论文首次提出使用DBSCAN（针对噪声空间基于分布密度进行聚类的算法）密度聚类法分析钻进参数,结合光电编码器增量的正负性进行工况判别,以获取钻头位置以及钻孔深度。该方案可以判别钻进状态,获取钻进工艺参数,将测量数据作为所钻地层的可钻参数来反演地层。钻机的自动化、智能化研究能获取大量地层资料,有利于推进钻进工艺学发展,实现从经验钻探到智能钻探进的突破。同时,为智能钻进系统奠定基础。     

基于耦合算法的煤矿瓦斯涌出量预测模型研究

针对煤矿回采工作面瓦斯涌出量系统的时变性、非线性、复杂性、不确定性等特点,提出了混沌免疫粒子群算法(CIPSO)与Elman神经网络的耦合算法(CIPSO-ENN)用于非线性动态绝对瓦斯涌出量预测。算法通过实时的对其权值、阈值寻优,建立了基于CIPSO 和ENN 的耦合算法的绝对瓦斯涌出量预测系统模型,并利用矿井监测到的各项历史数据进行试验,结果表明该模型较其他预测模型其辨识收敛速度、预测精度和鲁棒性等性能都有明显的提高。     

基于K-means算法识别瓦斯传感器软故障研究

针对井下瓦斯传感器设备出现的软故障如数据漂移、数据长期低于或高于正常值、数据周期性变动和数据出现大值等问题,提出了一种基于轮廓系数自适应最佳聚类点的K-means算法识别瓦斯传感器出现软故障种类的方法。该方法是利用监控系统采集的瓦斯传感器软故障信号进行小包分解处理后,结合RBF神经网络进行轮廓系数K-means自适应算法的软故障识别训练。K-means自适应算法能够自适应优化聚类中心点,利用聚类中心点的迭代循环计算出最优中心点,选择最佳聚类点进行K-means聚类,从而识别软故障信号的故障类型。实验证明,自适应轮廓系数K-means算法能够有效地识别瓦斯传感器软故障类型,提高了煤矿安全监控系统数据的准确性。     

基于改进的Apriori算法在煤矿安全监测中的应用研究

针对每款安全监测系统的监测功能进行研究,以改良后的Apriori算法和数据挖掘为基础,使用关联规则挖掘算法对影响煤矿安全的环境因素进行计算和分析,促进了煤矿安全监测系统的监测性能。     

基于数据挖掘技术的煤矿远程监控系统研究

基于数据挖掘技术的煤矿远程监控系统在煤矿生产过程中的应用,不仅解决了复杂的数据统计问题,也提高了数据分析的效率和深度,为决策者提供了建议,更加保证了煤矿生产的安全性。文章首先介绍了系统网络的运行结构,然后说明了系统的体系结构,最后介绍了数据挖掘技术在煤矿远程监控系统中的应用。     

数据挖掘在煤与瓦斯突出预测中的应用

在煤矿生产领域,煤与瓦斯突出是导致煤矿安全事故的主要原因。深入研究煤与瓦斯突出预测对于确保煤矿实现安全生产具有重要意义。文章首先对数据挖掘技术进行简单介绍,之后阐述了煤与瓦斯突出预测中数据挖掘技术的应用及具体实现步骤。     

刀柱式采煤法在晋荣煤矿的应用

通过对晋荣煤矿地质条件的分析,结合刀柱式采煤方法的特点,详细介绍了刀柱式采煤法的施工布置、运煤系统、采煤工艺等在晋荣煤矿一1煤层的应用,有针对性地提出了在回采过程中采取的安全技术措施。     

不同条件的煤矿井下开采技术

先进的采煤方法和工艺为煤矿提供了高产、高效、安全性和高可靠性。介绍了不同硬度条件下应用的开采技术、缓倾斜薄煤层长壁开采技术、放顶煤开采技术及小煤矿开采技术等。     

数据挖掘在煤矿带式输送数据处理中的研究应用

针对煤矿带式输送生产过程中产生的超大量工程数据,提出了利用数据挖掘技术进行数据处理的思路,探讨了数据挖掘在工程数据处理中的主要技术及实现过程,为工程实际生产过程中的有效管理、参数配置、生产决策等提供了有效依据。     

乌兰煤矿瓦斯含量数据获取方法

针对乌兰煤矿井下实测瓦斯含量参数少、已开拓面积占矿井面积的比例小等情况,对该矿瓦斯含量数据多源参数获取方法进行了研究,共获得覆盖全矿井200～500 m范围内的123组数据。数据来源主要包括引进瓦斯含量连续测定工艺进行线状参数测定的瓦斯含量、煤与瓦斯突出日常预测指标反演瓦斯含量、井下实测瓦斯含量、地勘钻孔动态校正瓦斯含量、工作面瓦斯涌出量反算瓦斯含量等参数。采用多种方法获取的瓦斯含量数据可达到矿井全面积覆盖,能够更好地反映矿井瓦斯灾害分布情况。     

衰老矿井开采技术研究与实践

衰老矿井由于长期开采,面临资源枯竭,地质条件、生产系统都较为复杂。针对兰花集团所属莒山、望云煤矿2个衰老矿井开采特点及对制约生产的多种因素的分析,提出了对衰老矿井进行开采的技术措施和方法。