小保当煤矿斜井井壁混凝土支护强度演化特征

井筒作为连接井上下的重要“桥梁”,其稳定性状态对矿井安全生产具有决定性影响。小保当一号煤矿主斜井共穿越5层含水层,壁后围岩环境较为复杂,同时井筒在服务周期内井壁多处出现渗水、甚至淋水情况,具有井壁破裂失稳的潜在风险。为了探明其富水、偏软地质条件下井壁渗水破裂机理,及时预防井壁破裂事故,结合理论分析和现场实测,对井筒严重渗水区段井壁混凝土成分演化及强度弱化规律进行了分析：基于当量半径方法构建斜井力学模型,计算出斜井井壁失稳混凝土临界强度;现场测试了不同渗水程度的井壁混凝土当前强度,得出混凝土弱化特征,并预测斜井服务年限。     

基于循环神经网络的行波管大信号输出特性预测

深度学习是机器学习领域的一个研究方向,已应用于多种人工智能技术的研究。本文基于行波管大信号理论建立了循环神经网络训练模型,将深度学习用于行波管非线性特性的预测,并对行波管的输入参数进行了核函数变换,增强了模型对非线性特征的传递能力。经过训练得到一个适用于8～18 GHz螺旋线行波管的模型,该模型可以预测行波管的输出功率。     

基于PSO-SVR预测模型的综采工作面周期来压研究

为了准确预测综采工作面基本顶周期来压规律,采用灰度系统理论提取了影响综采工作面周期来压的八个显著因素。针对支持向量机(SVR)预测模型过分依赖主观选择的参数问题,建立了粒子群算法优化参数选择的支持向量机(PSO-SVR)预测模型。试验结果得出：PSO-SVR比SVR模型在周期来压强度和步距的均方误差分别降低为47.7%、74.3%,决定系数分别提升为45.7%、44.6%。为突显PSO-SVR模型性能的优越性,与应用最广泛的BP普通神经网络进行了对比试验,粒子群算法对标准支持向量机模型性能优化效果明显,较普通BP神经网络优势显著。可见,PSO-SVR对于多种因素影响的非线性耦合预测具有较高的精度和较强的泛化性。     

榆神矿区中深埋厚煤层开采覆岩破坏规律研究

中深埋煤层覆岩破坏规律及裂隙发育特征与煤矿安全开采密切相关。为揭示陕北侏罗纪煤田中深埋工作面高强度开采下的覆岩破坏规律以及导水裂隙带发育规律,以榆神矿区小保当一号煤矿112201工作面为研究区域,采用数值模拟和现场实测相结合的方法开展了风沙滩地区中深埋煤层高强度开采下的煤层覆岩破坏规律研究。研究表明:112201工作面的初次来压步距约为100m,2-2煤充分采动后,导水裂隙带最终发育高度为169.2m,裂采比为29.27。根据高密度三维地震探查,导水裂隙带发育高度为178.42m,裂采比为30.87。研究成果可为中深埋煤层开采矿井水害防治和水资源保护提供指导。     

中深埋煤层多工作面开采地表沉陷特征研究

为研究中深埋煤层多工作面开采的地表沉陷特征，采用FLAC3D模拟小保当一号井112201工作面及两侧相邻工作面先后开采的覆岩破坏、应力变化和地表移动特征。研究表明：112201工作面单独开采，覆岩塑性破坏表现为中间低、两侧高的“凹”形，覆岩最大破坏高度达165m, 112202工作面的开采使老采空区覆岩二次破坏高度增大6.67%,112207工作面开采使老采空区覆岩三次破坏高度增大10.91%;相邻工作面的开采使112201工作面覆岩应力变化经历“稳定—打破—初步稳定—二次打破—再稳定—三次打破—终稳定”的复杂过程；112201工作面开采形成的地表移动盆地范围受相邻两侧工作面开采的影响而变大，且沉陷中心向两侧扩大，相邻工作面的沉陷中心则偏向112201工作面老采空区一侧；岩移观测资料显示，单工作面倾向地表下沉曲线表现为“V”形，相邻工作面的开采使其地表最大下沉量增大了6.08%,地表下沉曲线最终表现为“W”形。