用层次分析法(AHP)确定煤和瓦斯突出中的有关参数

介绍了井下瓦斯突出的原因 ,详细阐述了瓦斯突出的有关参数的确定方法。     

马鞍山煤矿瓦斯地质理论在防突工作中的应用

总结了实际工作中防突管理的经验和问题 ,探讨了科学理论与具体实际的有机结合与统一 ,采取针对性强的有效措施 ,确保突出矿井的安全生产     

基于变精度粗糙集的煤与瓦斯突出预测

煤与瓦斯突出是受诸多因素影响的复杂问题,为了提高其预测的准确性,本文以变精度粗糙集理论中的决策表为主要工具,首先将影响煤与瓦斯突出的检测信号作为预测的条件属性集,煤与瓦斯突出量作为对预测的决策属性,建立决策表,然后利用小生境遗传算法适合于进行多峰值函数优化的特点,提出了一种基于小生境遗传算法的粗糙集属性约简方法,用于求解决策表的多个约简,进而进行值约简后抽取出预测规则。算例结果说明了本算法的正确性和可行性。     

基于遗传算法的煤与瓦斯突出影响因素研究

针对采用BP神经网络对煤与瓦斯突出预测时的过学习现象,引入遗传算法对煤与瓦斯突出的影响因素进行选择,并建立了以筛选出的变量作为输入的优化BP网络预测模型.遗传算法中染色体采用二进制编码,个体适应度函数引入了惩罚函数,并对基本遗传算法的遗传操作算子进行了一定的改进,最后利用平煤八矿煤与瓦斯突出的实测样本,在MAT-LAB2009b环境中对上述算法进行仿真研究.结果表明,以遗传算法筛选出的变量作为输入建立的预测模型的输出结果的拟合效果变好,预测精度提高,建模时间缩短.     

基于FRS与GA-ELM的煤与瓦斯突出预测研究

针对煤与瓦斯突出发生内在机理复杂性、致突因素与突出事件之间模糊性导致预测精度不高这一问题,提出将模糊粗糙集理论（FRS）结合改进的极端学习机（ELM）进行煤与瓦斯突出预测。通过FRS信息约简理论降低致突因素原始数据属性维度,提取出致突辅助因素,与主要因素共同作为ELM网络神经元输入,利用遗传算法（GA）对极端学习机网络输入权值、隐含层阈值进行优化,建立GA-ELM预测模型,模型输出为煤与瓦斯突出强度预测结果。经过模型训练和试验验证,该模型泛化能力强、预测精度高、收敛速度明显加快。     

瓦斯地质动态分析及瓦斯涌出实时预警系统

为了防止煤与瓦斯突出事故,提高矿井的安全保障能力,结合新元公司实际情况,建立了瓦斯地质动态分析及瓦斯涌出实时预警系统。在统计和分析该公司矿井瓦斯地质相关资料的基础上,创建了瓦斯地质空间数据库,采用动态分析技术筛选出了影响瓦斯赋存的主控因素,自动绘制了瓦斯参数等值线并划分出突出危险区。对突出危险区内的工作面进行重点关注,考察其瓦斯涌出特征及预警指标,并与瓦斯监测系统无缝连接,实现了非接触式连续预警。     

基于矿压监测动态特征的瓦斯突出预警系统设计

根据采煤工作面突出灾害发生规律与动态安全信息采集技术,设计了采煤工作面基于矿压监测动态特征的瓦斯突出预警系统。该系统能够自动获取海量矿压监测实时数据,实现了采煤工作面煤与瓦斯突出危险性的智能分析与实时预警,同时还具备日常矿压数据资料高效管理功能。系统在现场试验中取得了较好的应用效果。     

一种分布式拒绝服务攻击的检测方法

该文提出和实现了一种基于网络异常流量特征的检测模型。通过将多条链路或多个流的流量信号作为一个整体进行研究,构建了网络异常流量监控的系统模型。该模型包括了数据采集、分析、异常判断和警告等功能,并综合了异常信息融合及警告信息关联性分析技术。通过实验证明,该套系统模型对短时间段内的突发流量能提供有效的检测和报警服务。     

煤与瓦斯突出联网系统的应用研究

介绍了煤与瓦斯突出联网系统的总体结构和联网数据的形成。该系统通过分析和计算各矿井的煤质结构、地压活动范围和瓦斯倍率的密切关系,得出判断煤与瓦斯突出事故的综合分析指标,以预测与防治事故的发生。实际应用表明,该系统实现了对煤与瓦斯突出的预测功能。     

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。