掘进落煤瓦斯涌出规律研究

通过用解吸法测定掘进工作面不同暴露时间的落煤瓦斯含量,考察落煤瓦斯解吸强度随暴露时间的关系,由落煤瓦斯解吸强度衰减系数与时间的关系建立数学模型。结果表明,落煤瓦斯解吸强度与暴露时间变化近似为双曲线关系,并得出了落煤瓦斯涌出量预测模型。     

基于瓦斯解吸规律的掘进落煤瓦斯涌出量预测

为了准确预测掘进落煤瓦斯涌出量,搭建了大质量瓦斯解吸实验系统,进行了不同瓦斯压力条件下瓦斯解吸实验,研究了余吾煤业3#煤瓦斯解吸规律,建立了掘进落煤瓦斯涌出量预测模型,对不同瓦斯压力在不同掘进速度的落煤瓦斯涌出量进行了预测,查明了影响掘进落煤瓦斯涌出量的主要因素。研究结果表明:余吾煤业3#煤瓦斯解吸采用对数函数公式具有较高的拟合精度,拟合参数A和B受到煤层瓦斯压力或瓦斯含量的控制,影响掘进落煤瓦斯涌出量的主要因素为煤层原始瓦斯压力或瓦斯含量、割煤速度及落煤停留时间。     

落煤残存瓦斯量影响因素的综合分析

综合分析了落煤残存瓦斯量的影响因素，并采用多因素回归分析法导出 了落煤残存瓦斯量的半经验计算公式，为采掘工作面落煤残存瓦斯量的确定提供了一种新思路和新方法。     

炮后落煤瓦斯涌出规律研究与应用

对炮后落煤瓦斯涌出规律和涌出峰值及排放时间进行了测定研究 ,为保证安全生产提出了应注意的问题     

采场压力对瓦斯涌出量和煤与瓦斯突出的影响

从实测采场压力和瓦斯涌出量曲线中，发现二者多数峰值变化基本步距一致，通过分析论证，找出了采场压力与瓦斯涌出量、煤与瓦斯突出三者的变化规律。     

近距离煤层群开采工作面瓦斯涌出量预测方法研究

在进行近距离煤层群开采工作面瓦斯涌出量预测时,下部煤层由于受上部多个煤层开采的影响,瓦斯会多次释放,瓦斯含量将大幅降低,利用行标所述方法进行下部煤层工作面瓦斯涌出量计算时,将不可避免地造成预测结果的偏差。为准确计算近距离煤层群开采时工作面的瓦斯涌出量,引入开采层对邻近层瓦斯涌出影响系数,对当前行标中开采层瓦斯涌出量计算公式和邻近层瓦斯涌出量计算公式中煤层原始瓦斯含量和煤层残存瓦斯含量进行了修正,提出了修正后的开采层瓦斯涌出量计算公式和邻近层瓦斯涌出量计算公式。利用修正后的计算公式对河北某矿近距离煤层群开采条件下各煤层回采工作面的瓦斯涌出量进行算例分析,并与行标所述方法进行比对,结果表明,两者之间在计算首采层瓦斯涌出量时结果基本一致,偏差为0.35 m3/t,其余各煤层回采工作面的瓦斯涌出量计算值均有较大幅度的偏差,偏差最大时,按行标所述方法计算的结果是按修正后公式计算结果的4.45倍,两者偏差达到3.76 m3/t。结合矿井工作面实际瓦斯涌出情况,按照修正后的计算公式计算的工作面瓦斯涌出量结果更接近于矿井实际回采工作面的瓦斯涌出量,验证了所提出的修正后的开采层瓦斯涌出量计算公式和邻近层...     

基于瓦斯涌出量的煤体瓦斯解吸特性研究

为了实时动态分析煤体的瓦斯解吸特性,基于瓦斯解吸速度幂关系式提出了一个表征煤体瓦斯解吸特性的新参数n,在现有矿井安全监测监控系统的基础上构建煤体瓦斯涌出监测系统,可实时计算n值,分析工作面前方煤体的解吸特性,并在卧龙湖煤矿进行了现场验证。结果表明,煤体瓦斯涌出监测系统可计算出掘进面每天的n值,n曲线与传统的瓦斯解吸指标K1、Δh2曲线的变化趋势正好相反,指标n能够表征煤体瓦斯的解吸特性。通过对比K1的突出危险临界值,可得到n的突出危险临界值,为煤与瓦斯突出的工作面预测提供依据。     

大东庄煤矿瓦斯涌出量预测

采用井下钻屑解吸法对大东庄煤矿4#煤层的瓦斯含量进行了实测,根据瓦斯含量测值和组分确定了4#煤层处于瓦斯风化带中的氮气带。依据煤层瓦斯风化带下限瓦斯涌出量指标对4#煤层相对瓦斯涌出量和绝对瓦斯涌出量进行预测,得知大东庄煤矿4#煤层属于低瓦斯矿井。     

综采工作面瓦斯涌出量数学预测模型建立及实测应用

为了实现综采工作面瓦斯涌出量精准化预测的目的,以煤体瓦斯涌出规律本构方程为理论研究基础,综合综采工作面各瓦斯涌出源自身特征因子,建立了煤壁瓦斯涌出量数学预测模型、落煤瓦斯涌出量数学预测模型、采空区遗煤瓦斯涌出量数学预测模型以及邻近层瓦斯涌出量数学预测模型。运用该数学预测模型对煤层群条件下的上社煤矿9209和沙曲煤矿14205综采工作面瓦斯涌出量进行了计算,计算结果与实测统计值之间的误差仅为2.60%和4.92%,均小于5.00%,验证了该数学预测模型的准确性。在此基础上,运用该数学预测模型对9209和14205综采工作面不同产煤量条件下的瓦斯涌出量进行计算,结果表明：9209和14205综采工作面瓦斯涌出量随工作面产煤量增加近似呈线性增大,其中邻近层瓦斯涌出量最为显著,该数学预测模型在综采工作面瓦斯涌出量预测工作中具有一定的实际应用价值。     

低瓦斯矿井瓦斯涌出异常原因分析

针对长平煤矿胶轮车大巷2009年5月份瓦斯涌出异常的情况,通过瓦斯基础参数测定和煤层赋存情况考查,综合分析瓦斯涌出异常的根本原因,并提出解决掘进工作面瓦斯超限的方法,保证了矿井的安全生产。     

基于偏最小二乘回归的回采工作面瓦斯涌出量预测模型

针对回采工作面瓦斯涌出量回归建模过程中自变量间出现多重共线性问题,提出应用偏最小二乘回归(PLS)对瓦斯涌出量进行预测的建模思路。选取地质及采矿2个方面共12个参数指标作为回归因子,利用15个瓦斯涌出实例为建模样本,建立了回采工作面瓦斯涌出量的偏最小二乘回归模型。建立的模型对训练样本拟合效果良好,最大误差为6.09%,平均误差仅为2.06%;对其余几个案例进行预测,精度优于主成分分析和BP神经网络,与最小二乘-支持向量机模型相当。研究表明,基于偏最小二乘回归进行工作面瓦斯涌出量预测是一种有效可行的方法。     

采煤工作面瓦斯涌出量预测研究

本文针对瓦斯涌出量不好确定的问题,将支持向量机方法应用于瓦斯涌出量预测的研究中,提出了瓦斯涌出量预测的支持向量机方法,该方法很好地表达了瓦斯涌出量与其影响因素之间的复杂的非线性关系,预测结果表明,该方法是科学、可行的,并且具有实时的特点和较高的精度.     

仙泉煤业下组煤层开采矿井瓦斯涌出量预测

根据仙泉煤矿下组煤层地勘瓦斯含量和井下实测瓦斯含量数据,结合煤层瓦斯垂直分带划分标准,确定15号煤层处于瓦斯风化带内。采用分源预测方法对仙泉煤业的采掘工作面进行了瓦斯涌出量预测,预测结果为低瓦斯矿井。     

基于IGSA-ELM模型的回采工作面瓦斯涌出量预测

针对现有煤矿回采工作面瓦斯涌出量预测方法存在的预测时间较长,预测精度不高的问题,提出了用IGSA优化ELM神经网络的瓦斯涌出量预测模型。将优选策略和粒子的记忆、信息交换功能引入万有引力搜索方法,利用IGSA对ELM神经网络的网络隐含层节点数进行寻优,利用自相关系数法筛选出回采工作面瓦斯涌出量的8个主要影响因素,建立基于IGSA-ELM算法的瓦斯涌出量预测模型,并结合矿井监测到的历史数据进行实例分析。试验结果表明:经IGSA优化后的ELM神经网络瓦斯涌出量预测模型与PSO-ELM神经网络、ACC-ENN和GSA-ELM神经网络预测模型相比,预测精度分别提高310%、60%、31%,为回采工作面瓦斯涌出量的预测提供了一种新的快速预测方法。     

急倾斜特厚煤层开采工作面瓦斯涌出量预测方法的建立及应用

为了解决矿井瓦斯涌出量预测标准在急倾斜特厚煤层水平分段开采工作面的不适用问题,以及常用的分源预测法在进行水平分段开采工作面瓦斯涌出量预测时存在不足的问题,根据瓦斯质量守恒定律,提出巷道瓦斯排放影响系数的计算方法;参考邻近层瓦斯涌出量预测计算方法,建立了开采分段下部卸压煤体瓦斯涌出量预测数学表达式,形成了急倾斜特厚煤层水平分段开采工作面的瓦斯涌出量预测方法,并进行了现场应用。结果表明：瓦斯涌出量预测值与实测值的相对误差为-15.08%～14.97%,相对误差的绝对值的平均值仅为6.65%,其预测效果较好,说明该预测方法具有合理性和可行性。     

东大煤矿投产初期瓦斯涌出量预测及来源分析

依据东大井田地勘瓦斯资料,通过分析井田内3#煤层瓦斯赋存规律,结合矿井实际生产条件,利用分源预测法对矿井生产时开采层、邻近层、掘进面等进行预测,得出投产初期矿井瓦斯涌出量,并对瓦斯主要来源进行分析。     

泉水沟煤矿矿井瓦斯涌出量预测

根据<矿井瓦斯涌出量预测方法>对阜康泉水沟煤矿矿井瓦斯涌出量进行了预测和计算,根据预测结果,矿井属高瓦斯矿井.建议煤矿采用合理抽放瓦斯方法提高抽放瓦斯效果.确保煤矿生产安全.     

瓦斯涌出量预测的GIS系统

针对瓦斯地质数学模型法中数据的动态更新和一致性管理及预测可视化问题,利用MapObjects对地理对象的显示和分析功能,采用C#编程实现瓦斯涌出量等值线自动绘制和地质参数动态分析、取值,建立了基于地理信息系统(GIS)平台的预测模型,达到了空间数据和属性数据相统一的效果;在此基础上开发了可视化的瓦斯涌出量预测系统。该方法具有预测精度高、插值精度高、结果可靠和动态预测可视化的特点,已成功地应用于煤矿区域瓦斯涌出量预测。     

基于虚拟仪器的瓦斯涌出量预测

准确地预测瓦斯涌出量对于指导矿井设计和安全生产有重要意义,而瓦斯涌出量是一个与自然因素及开采技术等多因素有关的非线性建模问题。文章将虚拟仪器技术引进瓦斯涌出量预测中,开发了基于LabVIEW平台的瓦斯涌出量预测系统。它利用Matlab Script节点使得用于瓦斯涌出量预测的BP神经网络理论在虚拟仪器上得以实现和应用,从而提高了虚拟仪器数据运算能力,在工程实践中有了很广泛的应用前景。     

基于GA-GRNN的瓦斯涌出量预测

为防治煤矿瓦斯灾害,将遗传算法和广义回归神经网络结合起来,构建出GA-GRNN方法,利用遗传算法的全局寻优和广义回归神经网络结构简单的特点,自动搜索和匹配最优光滑因子参数,实现瓦斯涌出量的高精度预测。通过与实际工程中瓦斯涌出量预测比较,表明GA-GRNN法在实现高精度预测的同时,能够有效避免训练数据预测精度的降低。