基于PCA_Fuzzy_PSO_SVC的底板突水危险性评价

为解决煤层底板突水预测难题,提出了基于主成分分析、模糊数学、粒子群算法以及支持向量机分类的底板突水危险性评价模型,模型以支持向量机分类为基础,通过主成分分析将多种影响底板突水的因子归纳为构造主成分、水文地质主成分、煤层信息主成分及开采条件主成分,其中构造主成分及水文地质主成分为影响底板是否突水的最主要控制因素,模糊化主成分因子,利用粒子群算法优化支持向量机分类参数,根据已有数据资料建立了评价模型,并将该模型应用于实际中,得到了准确的预测结果,为底板突水危险性评价提供了一种新的方法。     

多模型融合评价煤层底板灰岩岩溶突水危险性

在我国华北型石炭—二叠系煤田中,煤层底板灰岩岩溶突水现象尤为突出。为准确地评价煤层底板灰岩岩溶突水危险性,防治煤矿水害事故,实现承压水体上煤层安全开采。基于未知测度-集对分析理论,选用含水层厚度、单位涌水量、充水含水层渗透性、水压、断层影响因子、含水层厚度、含水层岩性组合特征以及底板破坏深度8个指标评价煤层底板灰岩岩溶突水危险性。采用有序二元比较量化法和区间数模糊决策矩阵EA-TOPSIS排序模型分别确定煤层底板灰岩岩溶突水主控因素权重。在此基础之上,基于冲突证据理论将二者进行耦合,得到煤层底板灰岩岩溶突水主控因素组合权重,保证了对动态模型指标相对重要性的有效评价。基于未知测度-集对分析理论,构建单指标直线型未知测度函数及非直线型未知测度函数,并以新汶煤田煤层开采为例,将30个监测点处实测的8个指标值代入,建立多指标综合测度矩阵。引入"置信度"评价准则判定样本数据X_i所属的危险性等级。并通过集对分析,进一步表征新汶煤田煤层开采过程中煤层底板灰岩岩溶突水风险总体态势。研究表明,评价结果与矿山实际情况相吻合。在此基础之上,依据搜集的大量华北煤矿突水案例,以其中典型的15个为例,将建立的模型推广到整个华北煤田底板突水危险性的评价。通过与矿井实际突水情况对比可以发现,模型确定的矿井突水危险性等级与实际相吻合,表明该模型对于评价整个华北煤田底板灰岩岩溶突水危险性具有一定的适宜性。     

基于模糊综合评判法的煤层底板突水危险性评价

煤层底板突水是受多个因素综合影响的,针对矿井水文地质条件与底板突水的复杂性和模糊性,为了更客观合理地评价煤层底板突水危险性程度,建立AHP-模糊综合评判模型,借助Mat Lab对运用Gi S叠加出来的每个评价单元进行煤层底板水害威胁程度模糊综合评判,最后得到四个突水危险性等级在矿区所在比例,而不是从整体上笼统的得出矿区的底板突水危险性的等级。这样评价结果更为准确,也更加符合实际情况。     

基于模糊集对分析法的底板突水危险性评价研究

为了对底板突水等级进行科学合理的评价,建立基于模糊集对分析法的底板突水危险性评价模型。首先,从地质构造、水文地质条件、底板隔水层条件、开采条件4个方面选取断裂密度、褶皱、断层导水性等13个指标构建底板突水危险性评价指标体系;其次,按照现有常用底板突水等级分类,将底板突水危险性分为4个等级;再次,通过各指标实际数值与1级标准比照求出各指标模糊联系度,并采取信息熵确定各指标权重,从而求出样本模糊联系度;最后,利用最大隶属度原则进行评价判断。该模型应用于肥城矿区5个地段,应用结果表明:基于模糊集对分析法的底板突水危险性评价模型能够与基于未确知测度理论的底板突水评价结果以及实际情况均能完全一致,能够应用于底板突水危险性评价中。     

基于模糊证据理论的煤层底板突水量预测

从信息融合的角度,将煤层底板突水量预测过程看成是一个多源信息融合处理与状态估计过程,提出基于贴近度的模糊证据理论,建立基于模糊证据理论的煤层底板突水状态估计与评价模型。利用15个有代表性的采煤工作面底板突水资料作为训练样本,基于广义三角模糊数生成各焦元基本概率赋值。用所建立的突水预测模型对4个待检验的突水样本进行分析,并与人工神经网络、最小二乘支持向量机、距离判别分析等方法进行比较,所得结果一致或更好,说明基于模糊证据理论的煤层底板突水量估计方法具有良好的实用性和有效性。     

运用突水系数法和模糊聚类法综合评价煤层底板突水危险性

在综合分析煤层底板突水危险性影响因素的基础上,提取评价煤层底板突水危险性关键指标。为解决突水系数法评价煤层底板突水危险性的局限性,引入模糊聚类法综合评价煤层底板突水危险性。模糊聚类法综合考虑多种因素,解决了突水系数法评价中临界值的问题。以南屯下组煤十一采区为例,提取采深、隔水层厚度和水压为关键指标,运用突水系数法和模糊聚类法综合评价其底板突水危险性,对南屯下组煤开采奥灰水防治具有重要的指导意义。     

煤层底板突水危险性评价的RS-GSVM模型

针对煤层底板突水危险性评价存在影响因素多、样本数量少的问题,提出了一种粗糙集(Rough sets,RS)融合支持向量机(Support vector machine,SVM)的煤层底板突水危险性评价模型(RS-GSVM模型)。该模型通过RS对初选的6项属性指标进行冗余约简,得到4项核心影响属性指标,并收集了对应的20组样本数据作为训练样本。以煤层底板突水危险性情况作为模型的输出值,采用径向基函数(Radial basis function,RBF)作为核函数,同时利用遗传算法(Genetic algorithm,GA)对SVM模型的关键参数进行了优化,经参数寻优和学习样本训练最终得到优化后的RS-GSVM评价模型。利用RS-GSVM模型对5组典型工作面的突水数据进行了测试,并与GSVM、PNN等模型的评价结果进行了对比分析,结果表明:RS-GSVM模型精简了输入维数并提高了有效样本数量比例,评价精度和运行效率较GSVM、PNN模型均有所提高,泛化能力更强。     

基于遗传-支持向量回归的煤层底板突水量预测研究

针对煤层底板突水问题的小样本、非线性特点,采用支持向量回归算法对突水量进行预测,避免了定性分析的局限性。利用遗传算法全局搜索能力的优势,提出了基于遗传算法的支持向量回归参数寻优方法,并建立煤层底板突水量预测的遗传-支持向量回归模型。该模型首先通过遗传算法对训练样本的学习,得到支持向量回归机的最优参数值,然后运用遗传-支持向量回归模型对测试样本进行突水量预测。测试结果表明：与神经网络,传统支持向量回归机的预测值相比,煤层底板突水量预测的遗传-支持向量回归模型精度高,具有较强的泛化能力。     

煤层底板突水危险性评价的FDAHP-TOPSIS模型

针对我国华北型煤田煤层开采过程中严峻的底板突水问题,考虑多因糽影响煤层底板突水的发生,提出采用模糊德尔菲层次分析法(FDAHP)与逼近理想解排序法(TOPSIS)的基本理论建立煤层底板突水风险评价模型.以山东新汶煤田良庄井田与孙村井田11煤层底板奥灰突水危险性评价为例,选取断层强度指数、断层端点与尖灭点密度、含水层水压、含水层富水性、隔水层厚度、脆性岩比率、底板破坏深度等7个主控因糽作为决策指标,对11煤层底板突水的危险性进行评价,利用FDAHP法科学分配权重向量,进而结合TOPSIS法分析研究区突水的最安全解和最危险解并计算突水风险系数,建立底板突水风险评价模型,利用开采实例验证模型的可靠性并确定分区阈值.研究结果表明:在井田的东北部突水风险系数较高,发生突水可能性较大;在井田的西南部突水风险系数较低,发生突水的可能性较小.基于FDAHP与TOPSIS的煤层底板突水风险评价结果与工程实践相吻合,预测效果较好.     

基于突变理论的煤层底板突水危险性评价

针对煤矿底板突水的不确定、非线性特征,引入多层次、多准则的突变理论,在对滕北矿区16煤层底板突水危险性评价指标体系分析的基础上,基于突变理论的突变级数法,对评价指标进行多层次分解,利用突变理论与多相模糊统计方法相结合产生突变隶属函数,由归一化公式进行综合突变级数计算,建立底板突水评价模型,共完成矿区9个地段的突水危险性评价。实践证明该模型能够减少数据处理的复杂性,避免人为确定权重的主观性,为煤层底板突水危险性评价提供了新的思路。     

基于最小二乘支持向量机的煤层底板突水量预测

针对底板突水受到多种复杂因素的影响和突水量预测可看成是非线性、高维数、有限样本的模式识别问题,提出煤层底板突水量预测的最小二乘支持向量机方法,给出预测步骤,建立了符合期望风险最小化原则的预测模型,表达了最大突水量等级与其影响因素之间的非线性关系.     

A Nonlinear Risk Evaluation Method for Water Inrush Through the Seam Floor

A risk evaluation method based on principal component analysis, fuzzy mathematics, particle swarm optimization, and support vector classification, is proposed due to the limitations of the water inrush coefficient method. The many factors that influence coal floor water inrush were categorized as structural, hydrogeological, coal seam occurrence and mining condition principal components, according to principal component analysis, among which the structural and mining condition components were the most important. The principal component factors were then fuzzified. Finally, an evaluation method was established, with the parameters of the supporting vector classification optimized through the particle swarm algorithm. The validity of the method was demonstrated by comparing its predictions with actual conditions at ten coal seam mining faces.     

基于未确知测度理论的煤矿底板突水量预测

通过对煤矿底板突水影响因素的分析,选取地质构造、底板采动破坏深度、水压、底板隔水层4个主要影响因素作为判别指标,利用未确知测度理论,建立煤矿底板突水量预测模型。利用14个有代表性的采煤工作面底板突水资料作为训练样本,以样本均值为聚类中心,采用信息熵理论确定各判别指标的权重,通过计算样本的多指标综合测度,根据最小未确知测度距离原理判断样本所属类别,进而对底板突水量进行预测。用所建立的突水预测模型对4个待检验样本进行预测,将预测结果与实际结果做了比较,所得结果完全一致,表明基于未确知测度理论的煤矿底板突水量预测方法具有较好的实用性和有效性。     

基于AHP_TFN的底板突水危险性预测

针对下组煤开采的底板突水问题,以龙固井田为研究对象,在综合分析后,确定出断裂构造、奥灰水压、有效隔水层厚度的3个主控因素,并利用Surfer得出3个主控因素的专题图。使用层次分析法（AHP）和梯形模糊数法（TFN）分别计算一级因子及其子类的权重,建立了基于AHP_TFN的预测模型。对煤层底板突水危险性进行了分区,为以后开采过程中的底板水防治提供了科学依据。     

基于蜻蜓算法和最小二乘支持向量机的矿井突水水源判别

对矿井突水水源的准确判别对于矿井安全生产有着重要的意义。本文提出采用基于蜻蜓算法和最小二乘支持向量机相结合的矿井突水水源预测方法,以Na++K+、Ca2+、Mg2+、Cl-、SO42-、HCO3-等6种水中离子作为矿井突水水源模型的识别因素,利用收集的水样数据对最小二乘支持向量机进行训练和测试,研究结果表明基于蜻蜓算法和最小二乘支持向量机判别模型的计算结果与实际结果一致,而且具有良好的判别能力,其对提高矿井突水水源判别的准确性有着一定的借鉴意义。     

高水压突水危险工作面防治水关键技术

为实现赵固二矿11011工作面在高水压突水条件下安全回采,对高水压底板进行加固,对断层进行预注浆治理;利用相似模拟实验对底板突水及加固效果进行研究;并应用经验公式、力学理论分析、神经网络和基于支持向量机等多种方法预测底板破坏深度为20.12～23.63 m;利用直流电勘探法测得底板破坏深度为23.48 m。结果表明:底板加固后富水区明显减小,部分区域富水区消失,断层水量明显减小,开采未发生突水危险,实现了工作面的安全回采。