神经网络在采场浮煤自燃危险性预测中的应用

采用神经网络原理,结合煤炭自燃的影响因素建立起预测采场浮煤自燃危险性的神经网络预测模型,并给出了实例.预测结果表明,该模型对于预测煤炭自燃危险性具有一定的理论意义和实用价值.     

基于熵权未确知理论的采空区自燃危险性评价

针对采空区自燃危险性评价难以定量分析的现实,根据煤炭自燃发火机理,建立以煤的自燃倾向性、持续漏风供氧条件和聚热散热条件为一级指标的采空区自燃火灾危险性评价指标体系。基于信息熵和未确知测度理论,构建评价模型,并进行定性、定量分析。应用实例表明,该模型可正确评价采空区自燃发火的危险性。该研究为煤矿有效控制煤炭自燃、降低火灾危险提供了参考。     

基于支持向量机分类算法的多煤种煤 自燃危险性预测

为了高效地防治煤矿井下煤自燃,在分析现有的煤自燃预测方法的基础上,针对性地开展了基于支持向量机分类算法的煤自燃危险性预测研究.选取指标气体(氢气、一氧化碳、二氧化碳、甲烷、乙烯、乙烷)、气体浓度比值(烯烷比、Graham系数)和煤炭种类(褐煤、长焰煤、气煤、肥煤、焦煤、贫煤、无烟煤)作为特征指标,危险等级作为样本标签,建立了多煤种支持向量机煤自燃危险性预测模型.使用K-CV(K折交叉验证)法和网格搜索法、遗传算法、粒子群算法相结合的方式进行参数寻优,得出由网格搜索法确定的参数的模型分类准确率最高.将测试集带入模型进行检验,得出模型分类准确率为98.26%.最后将多煤种支持向量机模型与单煤种支持向量机模型和神经网络进行对比,得出多煤种支持向量机性能最优,能够很好地适用于现场煤自燃预测.     

煤炭自然发火危险性评价指标

综述了煤层自然发火危险性评价指标的最新研究成果,煤炭的自然发火不但取决于煤的内在因素,还取决于促进煤自燃的外在因素,煤层自然发火危险性评价指标的系统方法应以煤炭对自燃的敏感程度和外在的开采条件为基础,并就自然发火危险性评价指标方法的某些局限性进行了评价。     

煤自然发火预报的人工神经网络模型

采用自组织特征映射神经网络(SOFM)对采空区煤自然发火与否进行了识别分类.在此基础上,建立了通过分析采空区抽放孔气体成分和抽放孔位置参数来预报煤炭自燃的BP神经网络模型.对模型预测结果与实际情况进行了对比分析,结果表明,用人工神经网络方法识别和预报采空区煤自燃是可行的.为煤自燃程度的识别和预报探索出了一种新的方法.     

煤炭自燃预测的非参数逐步判别方法及应用

运用在煤矿生成实践中积累的众多相关数据和资料,通过全面分析影响煤层自燃因素,基于非参数逐步判别分析理论,建立煤炭自燃预测的判别分析模型。选取影响煤炭自燃的主要因素如煤的自燃倾向性、煤层厚度、煤层倾角、煤的坚固性系数、工作面供风量、回采工作面推进度、采场回采丢煤率,作为判别因子,建立煤炭自燃预测的非参数逐步判别分析模型,利用某煤田的多个参数作为学习样本进行训练。经过训练后的模型回判的误判率为0。说明该模型在研究煤炭自燃预测中具有良好的实用性和有效性。     

因子分析与支持向量机相结合的煤炭自燃预测

针对煤炭自然发火预测问题,将因子分析理论与支持向量机算法相结合,构建了煤炭自燃的预测模型.采用SPSS软件对所选取预测煤炭自燃的8个指标进行因子分析,提取出4个主要因子,利用Matlab实现支持向量机模式识别,通过实际数据对模型训练与检验.研究结果表明:经因子分析降维后的SVM预测准确率高于未经因子分析的SVM预测结果,并验证了因子分析与支持向量机相结合可以较高精度实现对煤炭自燃的预测.     

煤炭自燃预测预报技术及其应用

在论述各种煤炭自燃预测预报技术的基础上，根据大屯煤矿的实际情况，利用三维动态数学模型预测煤炭的自然发火期和高温区域，用CO和C2H4作为煤炭自燃预报的指标气体。     

开采煤层自燃倾向性的自组织神经网络预测

通过对开采煤层自燃机理的阐释,选取其主要影响因素作为判别指标,建立了开采煤层自燃危险性的自组织神经网络预测模型,并选用典型的样本对该神经网络进行了训练,尔后用测试样本进行验证,结果表明该方法具有很高的准确性。     

井下煤炭自燃发火期预测

准确地预测井下煤炭自燃发火期,并制定出预防和处理措施,才能防止火灾事故的发生。本文分析了煤炭氧化自燃系统所表现出的各种“白色信息”,并以火区附近的一氧化碳浓度作为预测指标,建立了自燃发火期预测模型,与实例是符合的。     

五沟煤矿1021工作面沿空掘巷煤层自燃发火数值模拟研究

煤炭自燃是我国矿井的主要灾害之一,严重威胁煤矿的安全生产。据统计,我国国有重点煤矿中有煤炭自燃倾向的矿井占总数的56％．而因煤炭自燃引起的火灾占矿井火灾总数的90％-94％。国内外对自燃发火规律的研究。主要集中在预测技术、采空区流场模拟和采空区二维“三带”的划分上,对沿空掘巷煤柱自燃问题涉及较少。     

概率神经网络在煤与瓦斯突出中的应用

为准确预测矿井煤与瓦斯突出的危险性,针对小样本情况下BP神经网络泛化能力低的缺点,采用概率神经网络对煤与瓦斯突出的危险性进行预测.该模型的预测准确性高,能有效地预测煤与瓦斯突出的危险性.     

基于煤自燃倾向性的绝热氧化时间预测方法研究

针对煤自燃倾向性鉴定是一个模糊的等级概念,难以准确指导煤矿采取措施进行防灭火。提出了建立基于煤自燃倾向性的绝热氧化时间预测方法,即通过煤的自燃倾向性测试来预测其绝热氧化时间,用绝热氧化时间这种准确、直观的煤自然发火危险性判定标准来量化煤自燃倾向性,使其更具参考及指导意义。优选氧化动力学方法测试了10种典型煤样的自燃倾向性,并将其结果与实验条件下测量的绝热氧化时间数据进行曲线拟合,建立了基于煤自燃倾向性的绝热氧化时间预测方法。随后从煤氧化机理方面进行分析并进行实验验证,结果显示该模型是科学、合理的,能够清晰、准确地反映出煤的自然发火危险性。     

煤层自燃发火指标气体的选择及预测预报应用

为了研究煤炭的氧化规律以及准确地对自燃发火情况进行预测预报,针对官地煤矿8煤层,采用煤氧化实验装置,对实验所析出气体的成分、生成先后顺序和生成量与温度之间存在的规律性进行了测试研究,并结合工作面的实际,进行预测预报。结果表明:8煤层利用CO增加趋势作为预测预报煤自燃发火的指标值,在CO存在的前提下,只要出现C_2H_4气体,即井下某区域发生了煤炭自燃,必须立即采取灭火措施。根据对采空区工作面的现场监测,得出采空区没有形成自燃发火区域。     

煤炭自燃可能性判定专家系统的设计与实现

本文建立的煤炭自燃可能性判定系统是一个应用计算机对采区煤层自燃发火可能性进行判定的专家系统。依据影响煤层自燃发火的各主要因素进行主观判断,分类评分,建立专家系统知识库,对生产采区煤层自燃发火的可能性进行综合预测.     

地温对煤炭自燃的影响

通过分析地温与煤氧化放热性、漏风供氧条件及蓄热条件的关系,探讨了地温对煤炭自燃的影响,得出随着地温的上升,煤自燃性增强,煤自燃危险程度增加的结论。     

矿山防灭火安全保障系统的研究

根据煤矿设计、生产和救灾等不同阶段 ,分别采用自燃危险性评价技术、自燃性预测技术和自燃灾害诊断识别技术 ,及时判断和预测自燃危险区域及发火期 ,并根据煤矿现有防灭技术及装备 ,制定切实可行的防灭火方案 ,从而实现煤矿防灭火工作的安全系统管理 ,减少或消除煤层自燃火灾的影响 ,充分保障煤矿的安全生产     

用BP算法实现待开采煤层自然发火危险性预测

煤炭自然预测预报是一定周围环境和条件下煤炭自然的发生发展以及变化速度和危险程度给出正确的判定。本文应用神经网络中的BP算法，建立了工采煤层自然发火危险性程度评价集合预测模型，在MATLAB软件一半下给出了解算方法。并举例说明了该方法的实用性和可靠性，绘制了误差变化曲线。该方法对矿井各类灾害事故的预测预报具有一定的指导意义。     

李嘴孜矿孔集井-140mA1工作面煤炭自燃防控实践

本文介绍了在预防李嘴孜矿孔集井-140mA1工作面煤炭自燃的过程中,通过采用预埋热电偶、指标气体预测、均压技术、灌浆封堵一系列的预测、预报和预防措施有效的防止了该工作面在掘进和回采期间煤炭自燃。保证了该工作面的安全回采。从而为预防自然发火煤层提供方法指导。     

煤炭低温氧化过程的动态模拟

我国煤炭资源分布广泛,储量丰富,是推动国民经济发展的重要能源支柱.然而有一半以上的国有煤矿和地方重点煤矿存在自燃发火的危险,尤其是近年来综放顶煤技术的推广,使得井下煤炭自燃发生更为频繁,严重影响了矿井的安全生产.而煤炭自燃的复杂性使得目前对火灾的预报相对滞后,建立快速准确的预测预报机制成为保证矿井安全生产迫切需要解决的问题.本论文分析了影响煤自燃的各种因素,在前人的研究结果之上建立了煤自燃的煤氧反应动力学模型,并以煤自燃发火台为实物建立其数学模型,运用有限差分法求解该模型.对义马煤的自燃状况进行模拟,根据模拟结果对模型进行评价,为建立快速、准确的煤自燃预测预报系统奠定了基础.