基于瓦斯涌出异常的煤与瓦斯突出预报软件开发

介绍了瓦斯突出孕育过程中瓦斯涌出异常特征,结合计算机软件进行瓦斯突出预报。利用软件实现了对瓦斯浓度数据中异常信息的提取,并通过图形形式实时显示突出前夕瓦斯浓度变化趋势、幅度等异常征兆,可直观、明了地反映突出早期信号,对防治突出,减少事故,确保煤矿安全生产有重要的指导意义。      

马氏距离判别模型在矿井突水水源判别中应用

根据某矿井水质资料,建立了该矿判别突水水源的数学模型,利用VB程序开发了马氏距离判别软件。选择了K＋、Na＋、Ca2＋、Mg2＋、HCO3-、SO42-、总硬度、碱度、pH、矿化度11项指标作为评价因子,选取20个典型水样作为距离判别方法的训练样本,获得了判别模型,并用样本数据的回判处理进行验证。应用该模型对6个待测水样进行判别,并与Fisher判别结果进行比较,结果表明：其结果与实际情况吻合较好。     

矿井突水水源的Bayes逐步判别分析研究

对Bayes逐步判别法在矿井突水水源判别中的应用进行研究分析。选用六大常规离子（ Ca2＋、Mg2＋、K＋＋Na＋、SO42-、Cl-、HCO3-）作为判别因子,建立Bayes逐步判别分析模型,以内蒙唐家汇矿区突水水源判别为例,在建立的判别模型回判检验准确率仅60%,分析原因可能与选定的特征判别因子对该矿区水样分类影响能力较弱有关。增加总硬度、碱度、PH值和矿化度作为判别因子,重新建立Bayes判别分析模型,使回判准确率提高至90%,证明适当增加特征判别因子对改善Bayes逐步判别模型的可靠性和稳定性有利。经对唐家会矿区的3个未知样本进行了判别分析,并与距离判别法和模糊综合评判法判别结果对比,结果表明Bayes逐步判别模型准确性较好,判别准确率与距离判别结果完全相同,而优于模糊综合评判方法。在合理选取特征判别因子的情况下,Bayes逐步判别法是目前矿井突水水源判别的有效方法。