黄陵2~#煤矿二盘区煤层瓦斯含量影响因素分析及灰色预测

针对黄陵2#煤矿二盘区煤层瓦斯含量的影响因素进行灰色关联度分析,得出影响因素的主次。然后运用灰色系统理论,建立煤层瓦斯含量的灰色预测模型,经过检验,该模型精度能够满足工程要求,有一定的实用性,可以作为瓦斯防治工作的依据。     

五凤井田6_中煤层瓦斯赋存规律及主控因素分析

为了研究五凤井田6中煤层瓦斯赋存规律及主控因素,通过对区域地质演化和地质构造特征分析,结合地质勘探时期钻孔探明的瓦斯基础参数、井下采掘过程中揭露的地质构造及采掘工作面的瓦斯涌出数据分析,研究了五凤井田6中煤层瓦斯赋存规律,揭示了地质构造与瓦斯赋存的关系。结果分析表明,褶皱、埋藏深度是影响井田瓦斯含量的主要因素,并进行了t检验。对井田深部煤层瓦斯的赋存状况进行了预测,对井田后期的安全生产有一定的指导作用。     

基于灰色神经网络预测潘一东矿瓦斯含量

运用灰色关联分析影响潘一东矿井瓦斯含量的各因素,得出煤层标高、顶板岩性、煤厚、地质构造是影响瓦斯赋存的主要因素。选取这四种因素作为神经网络的神经元进行建模预测,结果表明,基于灰色关联度的神经网络模型预测瓦斯含量,预测精度高,证明了基于灰色理论与神经网络预测模型的可靠性。     

基于灰色理论-BP神经网络预测瓦斯含量

以山阳矿5号煤层为研究对象,运用瓦斯地质学和灰色关联分析法,得出基岩厚度、煤层厚度和埋深是影响该矿瓦斯赋存的主要因素,并将其作为BP神经网络模型的输入端神经元,初步构建出瓦斯含量预测模型。结合地勘时期瓦斯钻孔的实际数据,进行网络训练,再对预测模型的可靠性进行检验。检验结果表明,采用该预测模型预测瓦斯含量,精度较高,效果较好,能满足工程要求。因此,采用灰色BP神经网络可以对未开采区域煤层瓦斯含量进行准确预测,为矿井瓦斯灾害防治提供了一定的参考依据。     

瓦斯含量的灰关联分析及预测

本文利用灰色系统理论对影响煤层瓦斯含量的因素进行了关联分析，找出了主要影响因素和次要因素，并利用GM（1，N）灰色预测模型对煤层瓦斯含量进行了多因素影响下的系统预测。     

优化神经网络模型在瓦斯涌出预测中的应用

为准确预测矿井瓦斯涌出量,降低瓦斯涌出带来的危害,通过灰色关联分析理论得出影响瓦斯涌出量的主要因素为原始瓦斯含量>煤层厚度>煤层埋深>工作面长度>推进速度>煤层倾角,通过优化RBF模型对瓦斯涌出量预测模型进行构建,并运用Matlab仿真模拟预测矿井瓦斯涌出量,结果显示:基于优化RBF模型仿真模拟预测得出的矿井瓦斯涌出量与实际瓦斯涌出量非常接近,5组预测数据中,最大误差为3.6%,最小误差为0.8%,平均误差为1.84%,预测精度较高,可应用于矿井瓦斯涌出量的预测当中。     

基于灰色理论-BP神经网络的煤层瓦斯含量预测研究

煤层瓦斯含量是矿井瓦斯灾害防治的主要参数之一,影响其分布特征的地质因素有很多。利用灰色理论的灰色关联分析法对选取的8个影响煤层瓦斯含量的地质因素进行了分析,筛选出断距、埋深、基岩厚度以及挥发分4个主要影响因素,并将其作为BP神经网络模型的输入端建立了煤层瓦斯含量预测模型。对该预测模型进行训练与仿真检验,并与传统的多元线性回归预测方法进行比较分析。     

影响邹庄煤矿7_2煤层瓦斯赋存的因素

邹庄煤矿为宿县矿区新建矿井,32煤层为即将开采煤层,72煤层为下一开采煤层。72煤层受岩浆岩侵蚀严重,且埋深较32煤层深,因此72煤层的瓦斯赋存情况更加复杂。文章系统分析影响瓦斯赋存的因素,采用灰色关联方法,对影响72煤层瓦斯含量的各个因素进行研究,建立了灰色关联模型,并计算出了各项因素的关联度。研究结果表明:影响邹庄煤矿72煤层瓦斯赋存的主要因素为煤的灰分、煤层埋藏深度、地层厚度、挥发分、煤厚与地层厚度比等,利用多元回归的分析方法对邹庄煤矿72煤层的瓦斯含量进行预测,并为其以后的安全开采提供前瞻性预测数据。     

影响晓南矿未开采煤层瓦斯赋存的地质因素

为了解决晓南矿二水平未开采煤层的安全开采问题,以14号煤层为例,系统地分析了影响瓦斯赋存的地质因素.采用灰色关联方法,对各影响因素进行了研究,建立了灰色关联模型,并计算出各项因素的关联度.研究结果表明：影响晓南矿14号煤层瓦斯赋存的主要地质因素为煤的变质程度、地质构造、岩浆岩侵入、煤层厚度及煤层埋深等因素,并用多元回归对其进行了瓦斯含量预测,为二水平煤层的安全开采提供了基础资料.     

煤与瓦斯突出影响因素综合评价研究——基于改进熵权法+灰色系统关联法的研究

提高煤与瓦斯突出危险性评价的准确性,加强煤与瓦斯突出防治和安全监管监察工作,对煤矿企业安全管理具有重要意义。文章通过构建瓦斯突出评价指标体系,利用改进熵权灰色关联法分析计算影响煤与瓦斯突出各指标关联度,结果表明:改进熵权灰色关联分析法能够有效评价各影响因素对煤与瓦斯突出危险性的影响,对应影响煤与瓦斯突出危险性因素排序依次为煤层倾角、煤层开采深度、煤层瓦斯含量、煤层瓦斯压力、瓦斯放散初速度和煤的坚固性系数,为煤矿企业有效预防煤与瓦斯突出、提高瓦斯突出应急管理提供了借鉴。     

灰色理论在煤层瓦斯含量预测中的应用

应用灰色系统理论，建立了预测煤层瓦斯含量的灰色系统GM（1，1）模型，并用残差模型对预测模型进行了修正。在测定煤层瓦斯含量的基础上进行了实际应用。结果表明，该模型的计算精度符合工程精度要求，可用于矿井煤层瓦斯含量的预测。研究结果为采取针对性的瓦斯防治措施提供了技术依据，同时也为煤层瓦斯含量预测探讨了新的方法。     

基于灰色关联度BP神经网络预测煤层瓦斯含量

以淮南矿区潘三矿13-1煤层为例,在分析潘三矿瓦斯地质资料的基础上,结合灰色关联度分析,确定煤层埋深、地质构造、煤层倾角、煤层厚度以及顶板岩性为影响煤层瓦斯含量的主要因素,建立瓦斯含量预测BP神经网络模型。对已建立的模型进行训练和检验,并预测煤层未开采区域瓦斯含量。结果表明:建立的预测模型能满足煤矿实际安全生产的要求,为矿井瓦斯灾害防治提供一定的参考依据。     

基于灰色理论与BP神经网络的煤层瓦斯含量预测方法

运用瓦斯地质理论分析了影响煤层瓦斯赋存的主要因素,并采用灰色关联分析法对影响煤层瓦斯含量的主要因素进行了关联度分析,选取CH4(%)、围岩岩性、煤层埋深3个主要因素作为BP神经网络的输入端神经元,构建出了预测瓦斯含量的预测模型,并进行网络训练,最后对预测模型的可靠性进行检验。结果表明:采用BP神经网络模型预测瓦斯含量比多元线性回归法的精度更高,能满足工程要求,对于煤层瓦斯含量的准确预测具有一定指导意义。     

灰色关联理论在矿井瓦斯涌出灾害预测中的应用

瓦斯是造成煤矿生产过程中事故频发的重要因素。为了更好地对矿井瓦斯涌出情况进行预测,为井下安全生产和灾害预测提供理论依据,基于灰色理论分析方法,建立了煤层瓦斯涌出量及其影响因素的数学模型,根据各影响因素的灰色关联度来对煤层瓦斯涌出情况进行预测,最后对推导结果进行了实际检验。实践证明,用该方法对煤层瓦斯涌出量进行预测是可行的。     

基于灰色关联分析理论的煤层瓦斯涌出量预测

针对近年我国煤矿瓦斯事故频发的现象,为了更好的对煤层瓦斯涌出量进行评估预测,为井下安全生产和灾害预测提供理论依据,基于灰色理论分析方法,建立了煤层瓦斯涌出量及其影响因素的数学模型,根据各影响因素的灰色关联度来对煤层瓦斯涌出情况进行预测,最后对推导结果进行了实际检验.     

煤层瓦斯含量与埋深之间的关系研究

瓦斯一直是影响矿井安全生产的主要因素。通过灰色模型与马尔科夫链相结合的方法研究煤层瓦斯含量与埋深之间的关系,并根据某矿的实测数据进行分析验证,以期能够准确预测出埋藏深度与瓦斯含量之间的关系,为矿井瓦斯灾害预防与治理提供科学依据。     

永丰煤矿3、9号煤层瓦斯地质规律分析

根据瓦斯地质理论,结合区域地质构造及控制特征,通过对永丰煤矿3、9号煤层瓦斯地质资料的统计,分析了煤层埋深、煤层底板标高地质因素对瓦斯赋存的影响,得出煤层埋深是影响3号煤层瓦斯含量分布的主控因素,煤层底板标高是影响9号煤层瓦斯含量分布的主控因素,并对深部瓦斯含量分布进行了预测,得出永丰矿井瓦斯地质规律。     

寨崖底煤矿煤层瓦斯含量影响因素分析

为了分析寨崖底煤矿煤层瓦斯含量影响因素,采用了现场测试、实验室测试和理论推导相结合的方法,对寨崖底煤矿煤层顶底板岩性、岩性边界、煤对瓦斯的吸附常数等因素进行了分析,得出了6号煤层和9号煤层瓦斯含量与顶板泥岩厚度的关系;证实了影响寨崖底煤矿6号煤层瓦斯含量远大于9号煤层瓦斯含量与煤层顶板泥岩厚度、岩性边界、区域地质演化有关;而影响6号煤层瓦斯含量较大的次要因素主要是煤的吸附常数和孔隙率。     

基于灰色关联分析-GA-BP模型预测煤层瓦斯含量

为提高煤层瓦斯含量预测的精度和效率,提出用灰色关联分析从影响因素中筛选主要因素,结合运用GA-BP神经网络预测煤层瓦斯含量的方法。通过遗传算法(GA)优化BP神经网络的权值和阈值,解决BP神经网络易过早收敛极小值以及收敛速度慢的问题。用Matlab构建灰色关联分析-GA-BP神经网络、GA-BP神经网络和BP神经网络模型。选取成庄矿3#煤层的含量与影响因素作为实验数据对该模型进行实验分析,比较三个的预测模型的预测结果。实验结果表明:顶板泥岩厚度、煤层厚度、基岩厚度、煤层深度是影响成庄矿3#煤层瓦斯含量的主要因素。灰色关联分析-GA-BP神经网络预测模型平均相对误差为2.77%,比后两种预测模型的预测结果好,能准确预测煤层瓦斯含量。     

青山煤矿大槽煤层瓦斯含量及分布特征研究

从地质学角度,运用瓦斯地质学的观点,对大槽煤层瓦斯含量分布及影响因素进行了分析。通过建立煤层瓦斯含量与埋深、地质构造及煤的变质程度之间的关系,得出大槽煤层瓦斯含量分布特征及对主要影响因素的认识。