基于因子分析与BP神经网络的煤与瓦斯突出预测

为提高煤与瓦斯突出预测的可行性与准确性,将因子分析法与BP神经网络方法相结合,提出一种改进的BP神经网络预测方法。根据平顶山八矿煤与瓦斯突出相关主要影响因素的原始数据,使用因子分析法对9个煤与瓦斯突出影响因素的原始数据进行降维处理,得到3个公共因子;将3个公共因子代替原有的9个煤与瓦斯突出影响因素作为BP神经网络输入层参数,建立因子分析法与BP神经网络法相结合的煤与瓦斯突出预测模型,对平顶山八矿煤与瓦斯突出进行预测。选取平顶山八矿煤与瓦斯突出样本对改进的BP神经网络预测方法进行验证,结果表明:3个预测样本的相对误差分别为1. 79%、3. 54%、0. 83%,均小于10. 00%。采用改进的BP神经网络预测方法可有效解决传统的BP神经网络因为输入层参数过多而数据处理效率低、迭代速率慢与精确度低等问题。     

长距离定向钻孔瓦斯抽采技术在青龙煤矿的应用

贵州省煤矿地质构造复杂、瓦斯含量高、煤层松软,瓦斯治理难度大。为了提高该区域瓦斯治理水平,在青龙煤矿21601工作面运输巷Y3点向前5~205 m处,利用千米钻机进行长距离顺层条带定向钻孔瓦斯抽采技术的现场应用。通过定向钻进技术和分支孔控制技术保证钻孔轨迹控制精度,避免了盲钻、盲抽等现象。应用结果表明:2次煤样检测得到的瓦斯可解吸量分别为1.7729,2.1913 m 3/t;残余瓦斯含量分别为4.7739,5.1704 m 3/t,均小于8 m 3/t,满足矿井瓦斯抽采的基本要求;平均瓦斯抽采纯量达到1.26 m 3/min,比原来提高了12%;与常规钻孔相比,采用定向钻孔抽采的瓦斯体积分数提高了50%,瓦斯治理效果显著。