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）.     

煤层含气量预测的BP神经网络模型与应用

为了对煤层含气量进行定量预测,采用BP神经网络预测方法,建立了煤层含气量预测的BP神经网络模型．以沁水盆地南部主采煤层为对象,分析得出了影响沁水盆地南部煤层含气量分布的主要控制因素有煤层有效埋藏深度、煤变质程度和煤岩、煤质特征等,选择了煤层有效埋藏深度、水分与灰分以及镜质组最大反射率3参数作为BP神经网络模型的基本特征量,建立了煤层含气量与这些因素之间的相关关系和BP神经网络预测模型,对煤层含气量进行预测分析．结果表明：BP神经网络模型具有极强的非线性逼近能力,能真实反映煤层含气量与主控因素之间的非线性关系,预测结果与实测值之间误差小,相对误差小于10%,预测效果明显地优于基于朗格缪尔方程的煤层含气量预测模型．     

九里山矿突出煤层巷道掘进防突技术

突出煤层煤巷掘进防突直接关系到煤矿的安全生产和采掘接替．在长期的生产实践中，煤矿科研工作者进行了深入地研究，试验了不同的防突技术措施和工艺。并在不同时期取得了较好的效果．通过焦作矿区九里山矿15011工作面巷道掘进期间的瓦斯防治技术实践，阐述了煤巷掘进防突技术在焦作矿区的应用与发展，并对焦作矿区的煤巷掘进防突技术进行浅要的分析与展望．     

煤巷掘进过程中煤层瓦斯流动的分析解

通过对煤巷掘进过程中煤层瓦斯流动及涌出规律的研究，提出了煤巷掘进时煤层瓦斯压力分布分析解，以及巷道煤壁瓦斯涌出量的解析式。给出了煤层中瓦斯近于单向流动时的煤巷已掘出长度的计算式。导出的结果是对煤巷掘进长度较短时瓦斯涌出规律研究的补充。     

基于GIS及模型化理论的矿井水灾预测预报平台的设计与实现

基于GIS与模型化理论,应用GIS组件开发技术,建立了矿井水灾预测预报平台.利用突水系数与趋势、残差分析相结合的方法实现了突水危险性分区、掘进及回采工作面突水预测;利用BP神经网络,综合考虑构造、水源、水压、隔水层厚度等因素对煤层底板突水的影响,实现了突水点预测;应用人工智能技术,模拟专家思维方式,建立了掘进与回采工作面突水预测与治理专家系统,在平煤五矿进行了实际应用,效果良好.     

黄岩汇煤矿瓦斯地质规律及区域预测

在收集整理黄岩汇煤矿地质资料和瓦斯资料的基础上,运用地质构造控制理论,展开井下实测和地质编录,以分析矿区和井田地质构造分布特征,研究地质构造、顶底板岩性、煤层埋藏深度等地质因素对瓦斯赋存的影响,得出了井田内15号煤层瓦斯含量分布规律和构造煤的分布规律;同时,对黄岩汇煤矿15号煤层突出危险性也进行了区域预测．研究表明,煤层埋藏深度是影响黄岩汇煤矿15号煤层瓦斯含量分布的主控因素,其他地质因素仅仅影响煤层瓦斯的局部变化;将埋深大于321m的15号煤层划分为突出危险区,其余的则为非突出危险区．     

沿程水头损失系数研究的一种新方法

采用神经网络(ANN)方法对沿程水头损失系数的影响因素进行了分析．以著名的尼古拉兹试验数据为基础，建立了相应的ANN模型．模型计算结果与试验数据以及经验公式的计算成果比较表明，利用ANN模型进行沿程水头损失系数影响因素评估有效和方便．计算实例表明，采用ANN方法计算沿程水头损失系数简单方便，计算精度高，工作量小，可操作性强，通用性好，工程适用性强．因此，以试验数据为基础建立的水力学体系，可以以ANN方法为新的分析与计算手段，进行新的发展．     

基于地质分区的煤层含气量预测方法研究

为准确预测煤层含气量,解决目前常规测井解释方法适用性差、准确率低等问题,提出了基于地质因素差异对含气性影响的分区预测含气量方法。首先结合大量实验室测试数据,分析了沉积、构造、水动力条件差异对煤层含气性的影响,得出主控因素;其次通过模糊层次分析,量化地质因素差异,实现地质分区;最终在各分区内引入主成分分析,充分利用现场大量常规测井曲线,进行多元回归,建立煤层含气量预测模型。以柿庄南地区3号煤层为研究对象进行计算,结果表明,柿庄南地区3号煤层含气性受到各地质因素的综合影响,平面上受顶板泥岩厚度、构造应力类型、矿化度控制,单井纵向上主要受固定碳含量变化影响;进行地质分区后煤层含气量回归预测值与实测值拟合率达89%,而常规回归预测拟合率17%,故准确率有显著的提高。     

掘进煤巷应力仿真和延时煤与瓦斯突出机理研究

掘进煤巷工作面应力“三带”分布对延时突出起着关键作用．采用岩石破裂过程RFPA^2D分析软件数字仿真了煤巷掘进工作面应力状态及“三带”分布范围，分析了渗透力对瓦斯突出的作用．结果表明：充分卸压带为2m，部分卸压带为2～6m，集中应力带为6～18m．由于掘进工作面煤层应变软化，卸压带宽度随时间延长而展宽；当煤体水平承载能力小于水平载荷时，煤体脱离，在重力作用下冒落、掉渣．此时水平载荷转移到深部煤体，使处于临界状态的深部煤层破坏．这是一个正反馈的加速过程，最后水平载荷形成应力破坏波，造成煤体的快速拉裂破坏，形成煤与瓦斯突出．     

急倾斜煤层可采工艺性评价及应用研究

为了预测急倾斜煤层开采的效果和决策辅助技术，对急倾斜煤层可采工艺性进行综合评价．在急倾斜煤层开采工业性试验及开采实践的经验和统计数据分析的基础上，建立了适合急倾斜煤层地质条件开采工艺性块段评价的层次结构，影响急倾斜煤层开采的复合因素有8个，基元因素13个；运用多指标综合评价方法和模糊数学原理，构造了急倾斜煤层可采工艺性影响因素的评价函数，建立了模糊综合评价模型．用该模型对京煤集团大台煤矿289个工作面进行了评价计算，并且根据工作面块段的评价值对工作面单产进行了预测，结果表明，工作面中1级27个，占9．34％；2级87个，占30．1％；3级112个，占38．75％；4级63个，占21．8％。评价结果与开采结果基本相吻合．     

The Calculation Model for Operation Cost of Coal Resources Development Based on ANN

On the basis of analysis and selection of factors influencing operation cost of coal resources development, fuzzy set method and artificial neural network (ANN) were adopted to set up the classification analysis model of coal resources. The collected samples were classified by using this model. Meanwhile, the pattern recognition model for classifying of the coal resources was built according to the factors influencing operation cost. Based on the results achieved above, in the light of the theory of information diffusion, the calculation model for operation cost of coal resources development has been presented and applied in practice, showing that these models are reasonable.     

应用最小二乘支持向量机预测煤的发热量

为解决现有的煤发热量预测神经网络法的过学习与局部极小点问题,通过对煤热量数据的分析,在统计学习理论和结构风险最小化准则的基础上,建立了基于最小二乘支持向量机(LS-SVM)的煤发热量预测数学模型。在算例分析中与BP神经网络、RBF神经网络预测法进行对比,发现该方法比BP和RBF神经网络具有更高的预测精度,且具有收敛速度快、泛化能力强等优点,为燃煤发热量的预测提供了一种有效的方法。     

上山掘进时卸压区应力及防突长度分析

在急倾斜煤层矿井中，上山掘进时突出频繁发生，因此，找出可以防止突出的卸压区长度及其应力分布有着重要的意义．本首先对掘进头前方煤体进行了一定的假设，进而从力学的角度分析掘进头前方煤体的应力分布状况，并得出了一个方程组．采用它可以计算防止突出的卸压区长度．最后，应用Mathcad计算出了4种条件下防止突出的卸压区长度以及当y=z=0时卸压区的正应力表达式，并用Matlab绘画出来该条件下的应力分布图．理论分析结果与实际情况基本一致，因此，它们可以用来指导现场的防突工作．     

人工神经网络在煤矿开采沉陷预计中的应用研究

提出了利用人工神经网络技术进行开采沉陷定量预测的新方法 .研究了影响因素的选取、开采沉陷预计模型的建立以及模型的应用等问题 .采用 BP神经网络算法对开采沉陷量进行了建模和预测 .结果表明 ,用神经网络模型对复杂的开采沉陷系统进行模拟预测 ,具有理论上的可行性和现实意义 ,说明人工神经网络技术在开采沉陷预计领域中具有实用价值     

Combined ANN prediction model for failure depth of coal seam floors

Failure depth of coal seam floors is one of the important considerations that must be kept in mind when mining is carried out above a confined aquifer. In order to study the factors that affect the failure depth of coal seam floors such as mining depth, coal seam pitch, mining thickness, workface length and faults, we propose a combined artificial neural networks (ANN) prediction model for failure depth of coal seam floors on the basis of existing engineering data by using genetic algorithms to train the ANN. A practical engineering application at the Taoyuan Coal Mine indicates that this method can effectively determine the network struc-ture and training parameters, with the predicted results agreeing with practical measurements. Therefore, this method can be applied to relevant engineering projects with satisfactory results.     

基于灰色关联与神经网络的瓦斯含量预测研究

为了解各影响因素对煤层瓦斯赋存规律的影响,准确预测煤层瓦斯含量,在分析潘一东勘探钻孔资料的基础上,基于灰色关联分析了影响13-1煤层瓦斯含量的各因素,确定了煤层埋深、顶板岩性、煤层厚度和地质构造是影响煤层瓦斯含量的主要因素;利用神经网络方法建立了煤层瓦斯含量预测模型,结合实际数据,对预测模型进行训练与检验。结果表明：预测精度较高,验证了基于灰色理论与神经网络预测模型的可靠性。     

煤与瓦斯突出预测的自适应神经-模糊推理系统研究

在煤与瓦斯突出危险性预测方法中,神经网络方法存在着收敛速度慢、拟合能力差、预测精度低、训练结果不惟一等缺陷.针对这些缺陷,应用自适应神经-模糊推理系统的原理,建立了煤与瓦斯突出危险性预测的自适应神经-模糊推理方法,并应用该方法对部分实例进行了反演预测.预测结果表明：该方法具有收敛速度快、拟合能力强、预测精度高、训练结果惟一等优点,是一种优异的反演预测方法.作为一种探讨,还对煤与瓦斯突出的危险性进行了模糊划分.     

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．     

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.     

钻孔瓦斯燃烧影响因素评价研究

瓦斯燃烧是煤矿开采过程中存在的重要危险因素之一,其发生是由多因素共同导致的灾害现象.结合平顶山十矿戊20160工作面的打钻情况,对影响钻孔瓦斯燃烧的危险因素进行了分析,根据分析结果建立了评价层次模型,运用层次分析法确定了影响钻孔瓦斯燃烧各危险性因素的权重系数,并对权重系数进行了层次总排序.计算结果表明:钻孔施工工艺、合理的配风量、煤层瓦斯含量等是防止钻孔瓦斯燃烧中优先考虑的影响因素,为煤矿防止及治理钻孔瓦斯燃烧提供了科学的理论依据.