基于GWO改进的PCA-BP神经网络煤层底板破坏深度预测模型

针对矿井水害防治工作中,煤层底板破坏深度难以进行准确预测的问题,将主成分分析(PCA)与灰狼算法(GWO)改进的BP神经网络相结合,建立以采深、煤层倾角、采厚、工作面斜长、煤层底板抗破坏能力、工作面内是否有切穿型断层或破碎带为主要影响因素的底板破坏深度预测模型。根据实测资料分析各主要影响因素和底板破坏深度之间的相关性,利用PCA法将影响底板破坏深度的主要参数进行降维,根据降维后的主成分对底板破坏深度的贡献率,确定底板破坏深度的主控因素。利用灰狼算法优化BP神经网络参数,建立PCA-GWO-BP神经网络模型预测煤层底板破坏深度,并与其他预测方法进行对比,结果证明该模型误差小于0.5%、准确度高,可以对煤层底板破坏深度进行较为准确的预测。     

基于熵权法-层次分析法耦合赋权的多源信息融合突水危险性评价

为了建立更加准确的煤矿巷道底板突水评价模型,本文将层次分析法和熵权法相结合,并通过耦合赋权的方法,建立综合权重耦合模型确定综合权重。该模型在提高权重可信度的基础上,进一步建立结合两种脆弱性评价方法(模糊综合评价法和脆弱性指数法)的多源信息融合模型。在分析良庄井田15号煤层地质资料的基础上,选取8个主控因素进行分析。结果表明,建立的多源信息融合模型符合实际生产情况,对矿井生产具有实际指导意义,与原有方法相比,更有利于指导矿井的安全生产工作。     

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。