煤与瓦斯突出危险性预测

介绍用钻屑指标法预测煤巷掘进工作面突出危险性方法以及在前岭煤矿预测试验结果，确定了突出危险临界值和突出危险性等级。对煤巷掘进工作面预测突出危险性具有一定的参考价值。     

神经网络计算方法在煤与瓦斯突出预测中的应用

准确确定煤与瓦斯突出是对矿井安全生产十分有益的事。由于影响煤与瓦斯突出的因素很多，用传统方法很难对其进行准确预测。神经网络技术是一门在20世纪80年代中期兴起且在近年迅速发展的前沿交叉学科。它是以模拟大脑的思维方式进行计算的，比较善于处理多因素问题，因此用神经网络技术对煤与瓦斯突出进行预测是有一定的研究价值的。     

灵山煤矿煤与瓦斯突出危险性预测

通过现场突出预测参数和实验室测定,对煤与瓦斯突出预测指标进行了比较全面的研究,提出了灵山煤矿突出危险性预测指标和非突出危险带、过渡带和突出危险带。     

煤与瓦斯突出的神经网络预测分析

煤与瓦斯突出是一处复杂的过程，做好预测预报工作显得尤为重要本文通过建立煤与瓦斯突出的人工神经网络预测模型，原始样本的学习可预测待报样本的突出情况，并进行了实例分析。经过检验，该预测模型的预测精度较高。     

BP神经网络在煤与瓦斯突出预测中的应用

煤与瓦斯突出是一种极其复杂的瓦斯动力灾害现象.采用煤与瓦斯突出预测常用的7项指标作为输入值,基于BP神经网络的非线性自主学习能力,智能化、定量化地识别煤与瓦斯突出的类型.该模型基于MATLAB的神经网络工具箱加以实现.实验结果证明,基于BP神经网络的煤与瓦斯突出预测模型结果可靠,效果良好,应用性比较强.     

工作面煤与瓦斯突出电磁辐射的神经网络预测方法研究

以自适应神经网络的基本原理为基础，系统研究了煤与瓦斯突出电磁辐射自适应神经网络预测的原理，将电磁辐射自适应神经网络模型应用于煤与瓦斯突出危险性预测，实现了煤与瓦斯突出危险性的电磁辐射动态趋势预测．应用结果表明，煤与瓦斯突出电磁辐射神经网络预测法具有预测方法简单、准确性高等特点，可应用于工作面煤与瓦斯突出危险性的预测．     

煤与瓦斯突出的预测及防治措施

在总结分析了国内外煤与瓦斯突出机理、突出类型、突出条件、突出一般规律和影响因素的基础上，重点比较分析了煤与瓦斯突出预测的各种方法及针对性防治措施，指出神经网络是预测煤与瓦斯突出非线性问题的最有前景的方法。     

Research on prediction for coal and gas outburst based on Matlab neural network toolbox and its application

In order to predict the danger of coal and gas outburst in mine coal layer correctly, on the basis of the VLBP and LMBP algorithm in Matlab neural network toolbox, one kind of modified BP neural network was put forth to speed up the network convergence speed in this paper. Firstly, according to the characteristics of coal and gas outburst, five key influencing factors such as excavation depth, pressure of gas, and geologic destroy degree were selected as the judging indexes of coal and gas outburst. Secondly, the prediction model for coal and gas outburst was built. Finally, it was verified by practical examples. Practical application demonstrates that, on the one hand, the modified BP prediction model based on the Matlab neural network toolbox can overcome the disadvantages of constringency and, on the other hand, it has fast convergence speed and good prediction accuracy. The analysis and computing results show that the computing speed by LMBP algorithm is faster than by VLBP algorithm but needs more memory. And the resuits show that the prediction results are identical with actual results and this model is a very efficient prediction method for mine coal and gas outburst, and has an important practical meaning for the mine production safety. So we conclude that it can be used to predict coal and gas outburst precisely in actual engineering.     

用人工神经网络预测煤与瓦斯突出

设计了反向传播人工神经网络模型来预测煤与瓦斯突出.用“留一法”训练了神经网络模型,然后对几个实际样本进行了预测.预测结果表明：对其中两个样本的预测完全准确,另一个出现了偏差,均方误差、相对均方误差和拟和值的统计指标值分别为0.577 4,0.577 4%和1.866 0.     

Matter-elements model and application for prediction of coal and gas outburst

The theory and method of extenics were applied to establish classical field matter elements and segment field matter elements for coal and gas outburst. A matter-element model for prediction was established based on five matter-elements, which included gas pressure, types of coal damage, coal rigidity, initial speed of methane diffusion and in-situ stress. Each index weight was given fairly and quickly through the improved analytic hierarchy process, which need not carry on consistency checks, so accuracy of assessment can be improved. Supported by the National Natural Science Foundation of China (50534080); the Science and Technology Research Project of Chongqing (CSCT, 2006AA7002)     

煤与瓦斯突出预测的Bayes-逐步判别分析模型及应用

为提高煤与瓦斯突出预测的准确性,基于判别分析理论,通过逐步判别法筛选出瓦斯放散初速度、瓦斯压力、软分层厚度3个煤与瓦斯突出敏感指标作为突出判别因子,将煤与瓦斯突出危险性分为4个等级作为Bayes判别分析的4个正态总体,建立了煤与瓦斯突出预测的Bayes-逐步判别分析模型。利用该判别模型对20个煤与瓦斯突出实例进行训练学习得出相应的判别函数,用回代估计的方法进行逐一验证,其误判率为0。将建立的判别模型应用于8个突出实例进行判别预测,其结果与实际情况完全吻合。     

新型煤与瓦斯突出预测指标确定及应用

针对现有煤与瓦斯突出预测指标存在的不足,探讨了一种新的突出预测指标,即流量面积矩,该突出预测方法能对掘进巷道前方煤体的突出危险性实施动态连续测定,是一种线性预测方法.对该预测指标在理论上的可行性进行分析并在现场进行试验,得到流量面积矩指标的突出临界值为81.47 (L· m2)/min,在现场打钻过程中,当测得的流量面积矩数值大于突出临界值时都会发生煤与瓦斯突出动力现象,说明该预测指标的预测结果与现场实际情况具有较好的一致性,这对矿井预防煤与瓦斯突出工作起到了很好的指导作用.     

煤与瓦斯突出预测的一个新指标

煤与瓦斯突出是煤矿主要瓦斯灾害事故类型之一。目前,国内煤与瓦斯突出预测主要是根据瓦斯动力现象特征和基于煤层瓦斯压力、煤的破坏类型、坚固性系数与瓦斯放散初速度的四参数法。四参数法规定,4个参数均超过各自的临界值才能定为突出煤层;瓦斯压力的临界值为0.74 MPa。但实践表明,瓦斯压力小于0.74 MPa 也曾多次发生突出。本文用可压缩流体力学的观点分析了突出机理;采用多相连续介质力学中的应力分析法建立了煤与瓦斯突出预测的一个新指标 F,并给出了有关参数的计算方法;案例分析表明,所得结果符合实际。     

贝叶斯判别法在煤与瓦斯突出预测中的应用

煤与瓦斯突出影响因素多,难以为其建立合适的多指标非线性预测模型,为提高突出预测的准确性和增强预测预报方法的实用性,文章选用瓦斯压力、瓦斯放散速度等多项影响判别因子,建立了基于贝叶斯判别分析煤与瓦斯突出的判别模型,通过对22组样本的学习和6组样本的预测,验证了该方法在煤与瓦斯判别中具有较高的准确性.     

煤与瓦斯突出危险性的逐步回归分析

逐步回归是一种可以有效地挑选重要因素剔除不重要因素,建立科学的符合实际的因变量自变量关系的数学方法。通过运用逐步回归分析方法研究大湾煤矿11煤层多次煤与瓦斯突出事故发生情况,得出了煤层埋深是影响煤与瓦斯突出危险性的关键因素,为合理配置安全投入,对主控因素进行针对性治理提供了科学依据。