共查询到20条相似文献,搜索用时 0 毫秒
1.
文章在叙述了8101工作面基本情况及突水经过的基础上,重点分析了这次特大型突水的水源,论述了本次突水的原因。对指导堵水,恢复生产具有重要指导意义。 相似文献
2.
文章利用突水系数对 16 10 2回采工作面底板突水水源进行了分析 ,得出底板十二灰、十四灰为突水水源的结论 相似文献
3.
4.
根据城郊煤矿水文地质特征,水质化验,水位水量变化曲线,探讨了11201轨道平巷突水水源地点,有利于工作面及时采取封堵措施,保证矿井安全生产。 相似文献
5.
董庄煤矿3112工作面突水水源分析 总被引:2,自引:0,他引:2
董庄煤矿3112工作面的突水,无论是水源、涌水量还是释水机制在董庄开采史上都具有特殊性。若仅从释水机制及邻区水文地质特征来分析,难以定性。本文应用灰色系统关联度来分析水源,并预测涌水的发展趋势。 相似文献
6.
本文从水量、水温等方面,对新集一矿111311工作面异常突水水源和突水机理进行了初步分析,认为该工作面突水水源主要为17煤层顶板砂岩水,F038断和附近的列隙水以及少量的13煤层顶板砂岩水。 相似文献
7.
8.
在论述矿井突水危害性以及水源判别原理的基础上,介绍了矿井突水水源快速判别系统的技术构架,分析了系统的关键技术模块及其实现的技术途径,形成了"QLT+特征组分+采动涌水通道"为技术特征的水源快速判别系统。最后,应用实例说明该系统进行水质分析和水源判别的过程,并实现了快速、准确判别突水水源的目标,可以在煤炭开采活动中为矿山提供决策依据。 相似文献
9.
10.
11.
模糊概率法在识别矿井突水水源中的应用 总被引:3,自引:0,他引:3
鹤壁矿区主要充水层地下水水化学特征存在明显的差异,基于突水后水质分析资料,采用模糊概率法和特征指标法对矿井突水水源进行识别,识别正确率达到91.7%。这一方法为矿井突水后及时确定突水来源开辟了新的途径。 相似文献
12.
根据梧桐庄矿182102工作面综合水文地质勘探资料、首采面底板突水的形式和分布特点,分析了首采面底板突水通道的性质及位置。 相似文献
13.
14.
15.
矿井突水是采矿生产过程中威胁最大的自然灾害之一,快速有效地判别矿井突水水源是采矿工程安全生产的重要保障。选取7种水化学成分指标作为突水水源识别的样本变量,采用主成分分析与距离判别分析相结合的方法建立了突水水源判别模型。以淮南老矿区谢一煤矿不同水层的水化学特征资料中的33个为学习样本,11个为预测样本,对该方法进行了检验和应用,并与现有的灰色关联度判别模型、Bayes判别模型的判别结果进行分析比较。研究结果表明:基于主成分分析与距离判别方法的突水水源判别模型其回判准确率为95%,预测正确率为91%,为矿山突水水源的识别提供了一种新方法。 相似文献
16.
17.
18.
将Bayes判别分析方法应用于矿井突水水源分析问题研究中.选用多项化学指标作为判别因子,建立了适用于不同水质类型矿井的两类和多类水源分析的Baycs判别分析模型.基于Bayes判别分析方法的原理,利用不同矿区突水水源的典型样本,对Bayes判别方法的判别过程和检验方法进行了具体说明.针对两类水源,选用Ca2+、Mg2+、Na+、K+、Cl-、HCO3-、SO42-、NO3-、F-和pH等10项指标作为判别因子.对多类水源,选用Na++K+、Ca2+、Mg2+、Cl-、SO42-、HCO3-等6种离子组合作为判别因子,利用华北某矿区10例典型样本和焦作矿区39例典型样本作为数据源,分别建立相应的判别模型.判别结果完全符合实际情况,并与数量化理论、支持向量机方法进行了比较.研究结果表明,Bayes判别方法的计算过程简单、模型结构稳定,回代估计判别结果以及预测结果的准确性很高,对突水水源的判别具有很强的预测能力,可以在实际工程中进行应用. 相似文献
19.
应用距离判别分析理论,结合矿井含水层的水化学分析资料,选取 6 种离子组分的浓度作为突水水源识别的判别因子,建立矿井突水水源识别的距离判别分析模型;以 35 组采样的水源样品作为学习样本进行训练,建立相应线性判别函数对 35 组实测数据用回代估计方法逐一进行检验,正确率为 9714%。 将建立的模型对待识别的 4 个样本进行测试,并与实测结果进行比较。 此外,利用本文方法对梧桐庄煤矿的突水水源进行了识别。 研究结果表明:距离判别分析模型分类性能良好,预测精度高,回代估计的误判率为 0028 6。 相似文献
20.
及时辨识突水水源是有效预防和控制矿井突水灾害的重要工作之一。基于河南焦作某矿区不同水层的测试样本,利用嵌入梯度的支持向量机(SVM)对常用的[SO4]2-、K+、Mg2+、Na+、Ca2+、Cl-、[HCO3]-、F-8种水化学成分进行因子约简,确定以K+、Mg2+、Ca2+、Cl-、[HCO3]-、F-作为矿井突水水源辨识的主要判别因子。运用遗传算法优化BP神经网络(GA-BP)对新体系下的30组学习样本进行训练拟合,用所建立的分析模型对10组待检验水源类别进行辨识,预测平均正确率达到了94.27%。研究结果表明,该指标体系在矿井突水水源辨识中具有可行性,且GA-BP模型分类性能好,误判率低,可以用于矿井突水水源的辨识。 相似文献