基于软测量和数据融合的煤与瓦斯突出预测

文章针对现有煤与瓦斯突出预测方法存在的不足,提出了一种基于软测量和数据融合技术的煤与瓦斯突出危险状况预测方法;利用检测到的煤与瓦斯突出的多种影响因素数据,建立了基于模糊BP神经网络的软测量模型对煤与瓦斯突出危险状况进行动态和准确地预测,并应用基于均值的分批估计融合方法对检测到的因素数据进行处理,提高数据检测的精度,进一步增强煤与瓦斯突出危险状况预测的准确性;通过实例对方法进行验证,结果表明,提出的方法预测准确性高,是一种有效的煤与瓦斯突出预测方法.     

煤与瓦斯突出预测敏感指标

为系统反映评价指标自身属性并和煤与瓦斯突出实际相结合,提高预测和判别的准确性与严谨性,分别建立基于"三率"(突出预测率、突出预测准确率、不突出预测准确率)的"效益、成本型"属性和"区间型"属性的煤与瓦斯突出预测敏感指标筛选模型,根据现场预测所得数据建立预测与决策的样本矩阵,依据不同属性进行算子转换构造决策矩阵,采用成分提取确定决策矩阵中各评价指标的权重,作出各预测指标的排序.研究结果表明:张集煤矿煤与瓦斯突出预测的敏感指标是钻屑瓦斯解析指标、钻孔瓦斯涌出初速度.研究结论能将开采煤层实际突出率引入评价系统中,又能使各指标之间的区分更加明显.     

改进的层次分析法在煤与瓦斯突出危险等级预测中的应用

为了更合理地确定影响煤与瓦斯突出因素的权重,在层次分析法判断矩阵的构造上,论文主要用三标度法对传统的九标度法进行改进。利用改进的层次分析法确定影响煤与瓦斯突出各因素的权重,用隶属度构造了单因素模糊判别矩阵,用模糊综合评判建立了预测煤与瓦斯突出的多种模型,并且进行了二级模糊综合评判。将改进的层次分析法和二级模糊综合评判结合起来应用于煤与瓦斯突出危险等级预测中。对神仙坡等煤矿的多个工作面进行了煤与瓦斯突出危险等级预测。结果表明,利用改进的层次分析法——二级模糊综合评判预测煤与瓦斯突出等级是合理可行的,可以较准确地进行等级预测。     

煤与瓦斯突出的构造物理环境及其应用

将构造物理学的理论和方法应用于煤与瓦斯突出预测中,对地质构造控制煤与瓦斯突出机理及分布规律进行了研究,指出煤与瓦斯突出构造物理环境由构造组合特征、构造应力场、构造煤和煤层瓦斯四因素组成,探讨了煤与瓦斯突出构造物理环境各种因素控制突出的机理,提出了煤与瓦斯突出构造物理环境多种因素的综合作用控制地质构造带煤与瓦斯突出,为地质构造突出危险性判定提供了理论依据.工程实践证明,利用煤与瓦斯突出构造物理环境可以对煤与瓦斯突出进行准确地预测.     

煤与瓦斯突出区域预测信息系统开发

煤与瓦斯突出复杂的矿井动力现象,在GIS技术支持下,研究矿井地质构造、煤体结构特征以及应力场等对煤与瓦斯突出的影响及相互间的关系,瓦斯空间分布状况及与灾害危险程度的关系.应用多种预测方法、指标和技术,开发煤与瓦斯突出区域预测信息系统,实现数据的可视化管理,提高预测的准确性和时效性,系统在淮南矿区得到了成功的应用.     

煤与瓦斯突出预测指标及其临界值确定方法研究

为了避免突出的漏报,提高煤与瓦斯突出预测工作的有效性与准确率,在系统分析煤与瓦斯突出预测敏感指标以及各影响因素对突出的影响程度基础上,以显德汪矿为例提出了基于钻屑量S,Δh2和K1等3种预测指标的综合指标K值,并建立了综合指标的计算公式,实现了对煤与瓦斯突出预测的各项指标的综合考虑。基于该指标对显德汪矿进行了突出预测并确定了临界值。根据所确定的临界值,对分析结果进行验证,证明所选取的临界值符合要求。在此基础上对煤与瓦斯突出预测指标临界值的确定方法进行了推广,建立了具有普遍使用性的矿井瓦斯突出综合预测指标及其临界值确定方法,并提出将该综合预测指标与各单项预测指标结合应用。     

集对理论聚类分析法综合预测煤与瓦斯突出

基于集对理论和聚类分析相结合的方法,将现行的钻屑指标法、钻孔瓦斯涌出初速度法、电磁辐射法和单项指标法等单因素单数值预测煤与瓦斯突出的方法和指标,通过集对理论综合运用一个具体的集对联系度数学模型表达出来,结合系统聚类分析思想,通过计算预测系统联系度之间的同异反距离,按照同异反模式识别的"择近原则",来辨别待测样本系统所属的类别,从而进行多因素综合预测煤与瓦斯突出。通过以焦作九里山矿巷道掘进工作面为例,应用综合预测模型计算分析煤与瓦斯突出预测指标的实例数据,结合相似权计算法确定各指标因素权重,提高预测模型精度,预测结果符合现场实际情况,取得了良好的预测效果。     

一种组合K近邻聚类在煤与瓦斯突出预测中的应用

针对煤与瓦斯突出影响因素复杂,即不仅具有随机性,又具有模糊性。为了保证预测的准确性,采用组合聚类策略。通过建立多个k近邻聚类器,可以产生多个簇集。来自不同簇集的子簇之间必然存在交集,最后利用子簇的加权连通图合并子簇。以平顶山八煤矿煤与瓦斯突出的相关因素指标为基础,对历年的煤与瓦斯突出的数据进行聚类分析,预测结果表明,该方法具有较好的预测效果,为煤与瓦斯突出预测提供了一种新的解决方案。     

果蝇模型在煤与瓦斯突出危险中的预警

为提高煤与瓦斯突出预测的准确性,采用线性回归模型选择了瓦斯压力、坚固性系数和破坏类型作为控制指标,选择残差分析模型构建了突出回归数据库并以三维火柴杆图来展现.结果表明:以"个体嗅觉探测"和"群体视觉靠拢"为指导思想,获得了安全型、危险型和突出型突出危险评估指数的确定方法.应用煤与瓦斯突出危险评估指数对突出实例进行回代判别,预测结果基本符合工程实践,具有乐观的可信性和客观的应用性.     

基于系统聚类分析和判别分析的煤与瓦斯突出预测

煤与瓦斯突出是一种非常复杂的动力现象,影响因素众多,发生原因复杂。文中采用SPSS软件对典型突出矿井的煤层瓦斯压力(P)、瓦斯放散初速度(ΔP)、煤的破坏类型(D)、煤的坚固性系数(f)4个参数的实测数据进行了系统聚类分析。分析结果与17个已知样本实际发生的动力现象一致,说明了综合4个指标来预测煤与瓦斯突出的合理性。然后通过判别分析建立了煤与瓦斯突出预测函数。实践证明,该函数较准确地预测了17个已知样本和4个未知样本的煤层突出危险性,为煤与瓦斯突出预测提供了一种新方法。     

基于灰色马尔可夫模型的采煤机生产率的预测

生产率是衡量采煤机工作性能的一项重要指标,对煤矿开采的科学决策以及发展规划具有重要的指导意义.通过建立采煤机生产率的指标评价体系,运用灰色GM (1,1)模型以及灰色马尔可夫模型分别进行了预测,经过比较可发现,灰色马尔可夫模型预测的准确率和预测精度都优于GM(1,1)模型,尤其对波动性和随机性大的数据具有很好的拟合和预测效果,为具有多因素影响的采煤机生产性能预测评价提供了一种有效的途径和方法.     

基于加权均值的多源安全事件评估算法研究

针对多源网络安全事件评估不一致造成的漏警率较高问题,本文提出了一种基于加权均值的评估算法,通过模糊聚类方法对多源安全事件融合,通过加权均值算法得到多源安全事件的网络安全评估指标函数,利用指标函数并根据评估准则对当前网络安全状况进行准确评估.实验证明,这种方法能够有效融合多源安全事件并准确报警.     

基于纹理特征融合的煤矸石分选技术研究

提出了一种新的基于纹理特征融合的煤矸石分选方法.设计了一种纹理特征提取算法.选取多个纹理特征作为分类器的输入特征,并对选择出的分类特征进行融合,最后采用神经网络分类器实现煤矸石的分选.实验结果表明,本文所提出的分选方法达到了较高的识别正确率,且能够满足实时要求.     

基于过采样支持向量机的煤与瓦斯突出预测

基于机器学习的煤与瓦斯分类预测方法中,各突出案例的数量不平衡会导致预测准确率降低。为了提升煤与瓦斯突出预测模型的准确率及稳定性,构建了过采样算法和支持向量机(support vector machine, SVM)组合的分类预测模型。首先,通过聚类分析将突出样本分成多个簇,在每个簇中对可能的噪声点按概率去除;然后通过过采样算法合成新样本,以减少样本数量不均衡对模型训练的影响;最后,用支持向量机模型结合粒子群算法对新数据集进行训练调优。实验结果表明:提出的模型在G-mean、曲线下面积(area under curve, AUC)值上均高于传统的分类模型,具有更强的算法鲁棒性,并且随着突出样本数量的减少,其优势更加明显。     

古叙矿区煤体及其组合的测井曲线识别技术

不同测井曲线对于煤体结构识别具有多解性。为提高判识精度,通过对古叙矿区石宝矿段煤储层特征和常规测井响应特征分析,提取了对煤体结构反应敏感的8条测井曲线,包括自然伽马、井径Ⅰ、井径Ⅱ、深侧向电阻率、浅侧向电阻率、补偿密度、补偿中子、补偿声波,采用BP(back propagation)神经网络算法,通过MTALAB软件,建立了神经元数量为100、训练函数为TRAINLM,适应学习函数为LEARNGDM、误差分析为MSE的二层BP神经网络煤体结构定量识别模型,预测结果与矿区其他井岩心进行对比,结果表明,基于BP神经网络的煤体结构测井识别方法精确度达89%,效果好于传统的测井判识方法。     

基于多重多元回归的焦炭质量预测模型

 焦炭质量预测是焦化企业进行焦炭质量控制的重要方法。在诸多生产因素已固定的条件下,焦炭质量主要取决于原料煤性质。用煤质指标预测焦炭质量是焦炭质量预测的重要方法。考虑配合煤煤质指标和焦炭质量指标的多元性和相关性,采用多重多元回归分析技术,将焦炭质量的各指标作为一个整体,建立配合煤煤质指标对焦炭质量的预测模型。基于偏最小二乘回归思想,采用预测误差平方和（PRESS）和预测的方差验证回归模型的预测能力。根据实际焦炭生产建立的焦炭质量预测多重多元回归模型的显著性检验表明,该模型具有较高的预测能力。应用多重多元回归技术建立的焦炭质量预测模型对指导焦化企业的焦化生产,优化配煤和加强焦炭质量控制具有重要的现实意义。     

煤与瓦斯突出预报数据关联性的聚类分析

合理地选择突出控制因素是进行突出预测的关键技术之一．首先给出了基于系统聚类的突出预报数据关联性分析方法，通过DB Index准则判断聚类模型的有效性．然后研究了煤与瓦斯突出控制因素的选择规则．最后以平顶山煤矿为例，分析了该矿突出预报数据间的关联性，得到了相应的变量聚类树，并选择了主要的突出控制因素．仿真结果验证了所提出的突出控制因素选择方法的合理性和有效性．图2，表3，参11．     

Analysis of early-warning threshold for metro construction collapse risk based on D-S evidence theory and rough set

The existing early-warning system in metro construction are generally based on traditional single-sensor data and simple analytic model, which makes it difficult to deal with the complex and comprehensive environment in metro construction. In this paper, the framework of early-warning threshold for metro construction collapse risk based on D-S evidence theory and rough set is built. By combining the primary data fusion collected based on rough set with the secondary data fusion which is based on D-S evidence theory, the integration of multiple information in metro construction is realized and the risk assessment methods are optimized. A case trial based on Hangzhou metro construction collapse accident is also carried out to exemplify the framework. The empirical analysis guarantees the completeness and independence of the prediction information, and realizes the dynamic prediction of the variation trend of metro construction collapse risk.     

煤层开采地表沉陷监测及预测技术现状及发展趋势

煤矿开采地表沉陷监测及预测对于煤矿地表治理及环境保护具有重要意义。详细阐述了煤矿地表沉陷监测及预测方法,并对其监测及预测过程进行了较为详细的论述与分析。指出地表沉陷监测及预测存在的问题,针对存在的问题,提出了未来基于互联网+技术以及CCD和GPS组合传感器技术,对矿区监测数据进行实时监测并进行数据处理,对处理后的数据实时传送到数据中心,数据中心根据监测结果实时调整监测区域达到最优监测效果;未来地表沉陷预测发展应考虑开采地质条件、开采工艺、开采深度、开采厚度等因素对于地表沉陷的影响,在预测的过程中确定因素的影响程度,合理选择预测方法,提高预测精度。     

基于地震资料的煤层识别方法及其应用*

鄂尔多斯苏里格气田苏5区块的煤层和储层同具有低伽马和低纵波速度的特征,常规的基于波阻抗的煤层识别方法难以有效地将二者区分。通过研究发现,对于本区块而言,煤层不但不是主力烃源岩,还对本区块山2段的储层研究形成阻碍,因此需要提出针对本区块的更为行之有效的方法进行煤层识别,即一种新的煤层识别技术:结合已有方法—叠前弹性参数反演方法、叠后参数反演方法及流体因子构建方法,构建一种适用于研究区的新型煤层识别因子,然后采用该煤层识别因子和地震资料反演所得叠后参数进行研究区目的层的煤层预测。实际资料的计算结果表明,该方法技术预测的煤层与实际测井解释的煤层完全符合,有助于研究区的储层预测与烃类识别,具有重要的实际应用价值。