煤与瓦斯突出预测层次分析-模糊综合评判方法

将层次分析和模糊综合评判方法结合起来应用于煤与瓦斯突出预测研究中.运用层次分析法确定了煤与瓦斯突出各影响因素权重系数,采用隶属函数构造了单因素判别矩阵,并运用模糊综合评判法建立了煤与瓦斯突出预测模型. 对平顶山研究区典型工作面进行了瓦斯突出危险性的定量预测和突出等级划分.结果表明,应用层次分析-模糊综合评判方法预测煤与瓦斯突出强度是可行的.     

灰色系统理论在煤与瓦斯预测中的应用

将煤体温度变化、电磁辐射、声发射以及煤的破坏类型和煤层的地质构造综合起来考虑,应用灰色系统理论中的多维灰色评估方法,对煤与瓦斯突出灾害进行预测,以提高瓦斯突出预测预报的准确性。并编制了煤与瓦斯突出预测预报软件,为煤与瓦斯突出预测提供一种新思路和新方法。     

灰色系统理论在煤与瓦斯预测中的应用

将煤体温度变化、电磁辐射、声发射以及煤的破坏类型和煤层的地质构造综合起来考虑,应用灰色系统理论中的多维灰色评估方法,对煤与瓦斯突出灾害进行预测,以提高瓦斯突出预测预报的准确性.并编制了煤与瓦斯突出预测预报软件,为煤与瓦斯突出预测提供一种新思路和新方法.     

煤与瓦斯突出声发射的神经网络预测方法

以自适应神经网络的基本原理为基础,以声发射总事件、大事件、能率时间序列为基础数据,将神经网络模型应用于煤与瓦斯突出危险性预测.应用结果表明,煤与瓦斯突出声发射神经网络预测法具有预测方法简单、准确性高等特点,可应用于工作面煤与瓦斯突出危险性的预测.     

煤与瓦斯突出的神经网络预测分析

煤与瓦斯突出是一个复杂的过程 ,做好预测预报工作显得尤为重要。本文通过建立煤与瓦斯突出的人工神经网络预测模型、原始样本的学习 ,可预测待报样本的突出情况 ,并进行了实例分析。经过检验 ,该预测模型的预测精度较高。图 1 ,表 2 ,参 3。     

煤与瓦斯突出机理及其区域预测技术对比

对国内外建立的煤与瓦斯突出机理假说进行了研究,对基于煤与瓦斯突出机理的突出区域危险性预测研究进展进行了分析.分析结果认为,地应力、瓦斯作用、化学本质三种假说为单因素假说,目前突出机理的认识趋势是由单因素向多因素发展,综合作用假说支持率增多.综合预测法是区域预测的发展趋势.     

神经网络理论在延时煤与瓦斯突出预警中的应用

为提高煤与瓦斯突出预警的准确性,利用人工神经网络特有的非线性适应性信息处理能力,选择瓦斯涌出峰值、上升梯度、下降梯度、超限时间四个延时突出预警指标,实现煤与瓦斯延时突出的预警.瓦斯样本学习和突出预警结果与实际情况对比表明,前馈神经网络预警模型准确率很高,可以克服传统预警方法存在的瓦斯突出漏报和误报的缺陷.     

基于灰关联分析和神经网络的煤与瓦斯突出预测

应用灰色关联分析,对煤与瓦斯突出影响因素进行灰关联分析,得出了各影响因素对煤与瓦斯突出影响程度的大小排序;选择灰关联分析的5个优势因子作为输入参数,建立了煤与瓦斯突出预测的神经网络模型;用我国典型突出矿井的煤与瓦斯突出实例作为学习样本,对网络进行训练学习,并以云南恩洪煤矿的煤与瓦斯突出实例作为预测样本进行验证.结果证明该系统能较准确地预测煤矿的瓦斯突出情况.     

基于量子免疫遗传算法的煤与瓦斯突出神经网络预测

为了用BP神经网络更准确地预测煤与瓦斯突出危险性,将免疫算法中基于繁殖概率的抗体多样性保持机制引入量子遗传算法(QGA),提出量子免疫遗传算法(QIGA)优化神经网络模型QIGA-BP。模型采用QIGA分别对神经网络的隐含层和连接权值进行全局寻优,以此提高BP网络的搜索效率和泛化能力。以平均影响值分析法筛选的煤与瓦斯突出显著变量作为BP网络的最佳输入参数,分别用QIGA-BP,QGA-BP,免疫遗传优化BP模型和传统BP模型对突出煤层工作面的实例数据进行预测。结果表明,QIGA在BP网络优化过程中具有更好的优化性能,用QIGA-BP模型预测工作面突出危险性具有更好的预测能力和更高的预测准确率。     

木孔煤矿煤与瓦斯突出危险性区域预测研究

按《防治煤与瓦斯突出规定》要求,突出煤层的区域突出危险性预测采用单项指标(二指标法),但由于煤与瓦斯突出机理的复杂性,木孔煤矿在实际应用过程中采用多种指标共同预测,结果互相参考印证,可以提高突出危险性预测的准确性.     

基于地理信息系统和神经网络的煤与瓦斯突出预警

依据煤与瓦斯突出机理及突出过程物理特征,结合煤矿安全监测系统,提出以瓦斯浓度和煤体温度时间序列的煤与瓦斯突出预警指标,利用GIS技术和人工神经网络建立了煤与瓦斯突出预警模型.某矿17180工作面的预警结果表明:预警模型可以为煤与瓦斯突出预警提供技术支持.     

BP算法及其在煤与瓦斯突出预测中的应用

利用BP神经网络具有的“信息影射”特性，实现了影响煤与瓦斯突出的因素与突出事件之间的特定刺激一反应式感知和识别，进而挖掘和捕捉二者之间的内在相关规律，并将其应用于煤与瓦斯突出区域预测。对于原始BP神经网络收敛速度慢、易陷入局部假饱和以及产生震荡等问题，通过调整学习系数、惯量系数等进行了改进，改进的BP神经网络在煤与瓦斯突出预测精度、预测效率方面明显优于传统预测方法。     

环形构造对煤与瓦斯突出的控制

煤矿的生产和实践证明,煤与瓦斯突出与地质构造有着密切的联系,并具有分区和成带的特点.本文分析了环形构造的形成机理及其对煤与瓦斯突出的控制作用.环形构造的区域性分布,及其与井田内不同性质的断裂的空间关系,决定了其对突出控制的区域性,在此结果上进行进一步的研究,对预防突出提供了可参考的依据.     

不同瓦斯压力条件下的煤与瓦斯突出模拟实验

为探讨瓦斯压力在煤与瓦斯突出过程中的作用机制,利用自主研制的煤与瓦斯突出模拟试验台和同一种煤样,在煤样成型压力、煤样含水率、受力状况等参数均恒定的情况下,分别进行了5种不同瓦斯压力水平下的煤与瓦斯突出模拟实验。结果表明,煤与瓦斯突出可形成口小腹大的呈梨形或椭圆形的突出孔洞,且突出孔洞容积仅为突出煤体积的1/2～2/3;在瓦斯压力方面存在一个使煤与瓦斯突出发生与否的阀值,高于此阀值时,瓦斯压力愈大则突出强度亦愈大,且瓦斯压力作为突出发生的动力同时也对突出煤粉有一定的粉碎和抛出作用;煤样温度呈先升高后降低并连续变化的趋势,利用温度变化梯度可进行煤与瓦斯突出预测预报。     

Matlab在工作面煤与瓦斯突出预测中的应用

考虑到煤与瓦斯突出发生的内在机理的复杂性,突出影响因素与突出事件之间的非线性,阐述了人工神经网络的原理和算法,在分析了煤与瓦斯突出的主要影响因素的基础上,依据功能强大的matlab神经网络工具箱,采用BP人工神经网络模型,通过训练得到了影响突出因素与突出事件之间的关系,为突出非线性动力机制及预测提供了新的途径.实例表明,Matlab神经网络工具箱用于煤与瓦斯突出预测是可行的.     

煤与瓦斯突出瓦斯射流数值模拟

将煤与瓦斯突出过程的瓦斯突出视为连续射流,应用伯努利方程,建立了瓦斯射流的数学模型,得到了瓦斯突出射流流速和流量表达式,在此基础上考虑突出口压力和突出口直径影响,进行了瓦斯射流的数值模拟,得到了突出压力与突出射流最大速度、突出压力与射流流场分布、突出口直径与突出影响范围间关系规律。模拟结果表明:突出口压力与突出射流最大速度近似呈线性关系,在一定条件下射流流场分布具有甩尾效应,突出口直径越大,其突出影响范围越大。     

煤矿瓦斯固化防突及低浓度瓦斯固化分离新技术

为防治煤矿瓦斯突出事故和分离低浓度瓦斯,研究了瓦斯水合机理,设计了可视化实验装置及3组含煤表面活性剂溶液系统（T40、T80、T40/T80）,依据瓦斯水合物的生成过程以及3种组分瓦斯气样在不同实验体系中水合化分离情况,采用色谱分析法,计算了CH4分离提纯浓度。结果表明：瓦斯气体在含煤表面活性剂溶液中生成较快;存在记忆效应的条件下,诱导时间可缩短至47min,生成速率可达2.33×10-5m3/h;CH4的体积分数分别为26%、39.8%和58.98%的三种气样,经一级瓦斯水合化分离后,CH4的体积分数可提高到40.6%、60.41%和80.41%。研究结果证实了利用水合机理防治煤矿瓦斯事故和分离低浓度瓦斯技术的可行性。