矿井采掘接替模拟模型

本文应用计算机模拟理论建立了矿井采掘接替模型，介绍了通用模拟程序的编制方法，给出了模型的应用实例，模型既可用于编制矿井年度计划，也可用于编制矿井长远规划．图３，表１，参２。     

综采综放工作面特殊条件的风量计算方法

给出了综采综放工作面在高产高效、煤层易自燃、高温、防灭火注Ｎ２工艺等特殊条件下以及普通低瓦斯矿井高瓦斯涌出生产工作面风量计算的方法，这些方法可以直接在矿井生产实际中应用。     

通风网络中最小生成树的O（n^2）算法

本文提出一个Ｏ（ｎ＾２）的最小生成树算法，并结合在矿井通风网络中的应用进行阐述，通过理论分析和实例解算，证明了算法是正确的和有效的，Ｏ（ｎ＾２）最小生成树算法也是对矿井通风网络解算方法的补充。     

煤矿采掘生产系统稳定性特征值的确定

本文从回采工作面净面积值与矿井采掘生产系统变化状态两者之间的联系上，建立了矿井采掘生产系统稳定性特征值的计算公式。使煤矿采掘生产系统变化状态，可以事先通过计算作出定量地预报。表２，参２。     

矿井网络风量调节计算与分析

本文分析探讨了矿井风量调节过程中，风路风阻变化对网络风流的影响，并据按需供风网孔内是否可设调节措施两种情况，分别提出及说明了调阻风路调阻值的简易计算方法。图２，参２。     

应用灰色系统关联分析优选矿井设计方案

本文在拟定矿井各种设计方案经济比较指标的前提下，应用灰色系统理论中灰色关联分析方法建立了优选矿井设计方案的数学模型，井进行了实例分析，为矿井设计方案的优化提供了一种新的理论参考依据。表４．参２。     

煤炭坝矿区西峰仑矿井构造复杂程度评价

本文用模糊数学的方法对湖南煤炭坝矿区西峰仑矿井的构造复杂程度进行了评价。计算结果表明，西峰仑井田的构造复杂程度为Ⅲ类，即复杂构造类。该结论可为矿井类型的确定和深部延伸勘探的工程布置提供重要依据。图２、表５、参３。     

皮带斜井煤(岩)与CO_2突出及其防治

１矿井概况我矿皮带斜井位于窑街煤田东北部。井田走向长４．２ｋｍ，倾斜水平宽０．８ｋｍ，井田面积约３．１３ｋｍ２。到２００１年底为止，井田还剩余煤炭工业储量为１．１６亿吨，可采储量为６３８０万吨。矿井煤种为低变质长焰煤到不粘煤。煤系地层共含有可采煤层三层，自上而下命名为煤一、煤二、煤三层。煤一层为中厚煤层，平均厚约４米，煤二层为特厚煤层，一般１０～１１０米平均厚３５米，煤三层为中厚煤层，平均厚３．８米。矿井１９６６年动工兴建，采用斜井与暗斜井开拓，按水平划采区，采区分阶段布置中巷，在矿井浅部缓倾斜煤层采用矿井投产初期，通过四年的瓦斯等级鉴定，均是ＣＯ２涌出量大于ＣＨ４涌出量，属“低沼气矿井”。但是，在三采区１６５０水平北岩石大巷开拓过程中，因遇到Ｆ６０５断层发生冒顶，曾于１９７７年２月３日诱导发生了一起煤与ＣＯ２喷出事故，死亡３人。因有发火预兆，后退１１４米改变巷道方位进行施工，在开口向前掘进１６８米时，因放炮误穿Ｆ６０４断层，揭开煤层时，曾于１９７８年５月２４日又发生一起特大型“煤（岩）与ＣＯ２突出事故”。死亡９０人，受伤８９人。自此，皮带斜井被定为“低沼气、煤（岩）与ＣＯ２突出矿井”。２突出ＣＯ２来源、分布...     

皮带斜井煤(岩)与CO_2突出及其防治

１矿井概况我矿皮带斜井位于窑街煤田东北部。井田走向长４．２ｋｍ，倾斜水平宽０．８ｋｍ，井田面积约３．１３ｋｍ２。到２００１年底为止，井田还剩余煤炭工业储量为１．１６亿吨，可采储量为６３８０万吨。矿井煤种为低变质长焰煤到不粘煤。煤系地层共含有可采煤层三层，自上而下命名为煤一、煤二、煤三层。煤一层为中厚煤层，平均厚约４米，煤二层为特厚煤层，一般１０～１１０米平均厚３５米，煤三层为中厚煤层，平均厚３．８米。矿井１９６６年动工兴建，采用斜井与暗斜井开拓，按水平划采区，采区分阶段布置中巷，在矿井浅部缓倾斜煤层采用矿井投产初期，通过四年的瓦斯等级鉴定，均是ＣＯ２涌出量大于ＣＨ４涌出量，属“低沼气矿井”。但是，在三采区１６５０水平北岩石大巷开拓过程中，因遇到Ｆ６０５断层发生冒顶，曾于１９７７年２月３日诱导发生了一起煤与ＣＯ２喷出事故，死亡３人。因有发火预兆，后退１１４米改变巷道方位进行施工，在开口向前掘进１６８米时，因放炮误穿Ｆ６０４断层，揭开煤层时，曾于１９７８年５月２４日又发生一起特大型“煤（岩）与ＣＯ２突出事故”。死亡９０人，受伤８９人。自此，皮带斜井被定为“低沼气、煤（岩）与ＣＯ２突出矿井”。２突出ＣＯ２来源、分布...     

回归预报模型在水文地质中的应用──以焦作煤田演马庄井田矿井突水量预报为例

作者依据数理统计理论与实践总结较详细论述了通过回归分析建立回归预报模型这一方法在水文地质预报中的应用过程及其注意事项，包括该模型的重要性、相关因素的选取、回归预报模型类型的确定与模型的建立、预报中应注意的问题以及数据如何选取。最后以焦作演马在井田矿井突水量预报为例加以详细说明。图１，表２，参２。     

粗糙集神经网络理论在矿井通风系统评价中的应用

针对矿井通风系统神经网络评价法中建立样本的不稳定性问题,开展了基于粗糙集和BP神经网络理论的通风系统综合评价研究。以某矿井通风系统为研究对象,应用粗糙集数据分析系统对矿井通风系统评价指标的原始数据样本的分类质量进行了检验;在此基础上,基于人工神经网络理论,建立了矿井通风系统的粗糙集神经网络评价模型,从而形成了一种新的基于粗糙集神经网络理论的矿井通风系统评价方法。研究结果表明,经过模型的数据检验和应用性验证,其理论评价结果与实际情况相符,且网络总误差小于0.004;这说明基于粗糙集神经网络的综合评价方法在矿井通风系统评价中有很好的实际应用效果。     

多目标网络及其优化

本文通过对由多个单项网络组成的多目标网络在矿建工程计划管理中应用的研究介绍了多目标网络问题的产生及其模型,讨论了多目标网络的优化方法。     

SOFM与BP神经网络在矿井水源判别中的应用

介绍了SOFM神经网络与BP神经网络,以李咀孜煤矿为例,分别利用SOFM网络与BP网络,针对地下水化学特征分别建立突水判别模型,实例结果表明:SOFM网络模型比BP网络模型具有更高的判别精度,更快的运算速度,更好的反应地下水系统特性,为矿井水害防治提供了一种辅助决策手段。     

井下遇难人员定位的浓度场推演模型及其应用

提出了以有机体腐败产生气体确定压埋遇难人员位置的新思想,建立了以腐败源定位的最小二乘数学模型;通过有机体腐败实验,对比建立的2种神经网络计算方法的定位效果,结果表明,前向反馈神经网络计算方法更适合井下遇难人员定位.这些工作为根据测定的特征气体(硫醇)的浓度分布推断遇难人员位置打下理论分析和技术开发的基础,减少了救护队员在危险垮塌区域的搜救时间,从而提高了救灾的科学性、安全性、有效性.     

煤矿安全监测无线自组织网络终端的研制

介绍了煤矿井下安全监测的现状及技术背景,论述了无线自组网技术在井下安全监测中应用的优势及原理,指出将无线自组网技术应用于井下安全监测可降低监测系统的构建成本且维护方便。     

基于无线Mesh网的矿井环境监控系统设计

针对现有的矿井环境监控系统的传输距离短、系统可靠性低、能耗大等问题,提出了利用无线Mesh节点构建矿井环境监控系统来分析来自传感器的监控信息并及时发出警报,来提高监控预警的有效性,减少矿难事故的发生.     

基于负载平衡的井下无线躯体传感网络

为了在井下异常状况下,地面关闭动力电源后,实现与井下及时联系,将无线躯体传感网络技术应用于井下人员的搜救系统中,可在煤矿井下发生安全事故后,仍能及时准确地获知井下作业人员的位置信息和健康信息,进而提升井下搜救水平.在无线传输模式下,考虑井下会出现由移动节点组成的移动子网,保持子网的网络畅通是一个关键问题,同时无线躯体传感节点采用电池供电,在井下发生异常时电池剩余电量是未知的,因此在信息传输时保持负载均衡是十分必要的.针对这些问题的有效的解决方法并进行了仿真验证.     

应用四种类型风道法解算矿井通风网络

本文把通风系统中的风道风量和通风控制器风压作为2B个变量,再把它们分为B个未知变量和B个已知变量,构成B个方程中含有B个未知量的通风网络问题.根据网络中各风道的变量是已知的或未知的,把风道划分为四种类型进行分析解算.只要网络中的雅可比矩阵满足本文所论述的三个条件,便可得出网络问题的唯一解.此外,还应用牛顿法对普遍性的矿井通风网络进行了解算,收到了计算快速、精确的效果。     

基于遗传算法的通风网络两步法风流调节优化算法

概括混合型通风网络优化模型,归纳混合型通风网络风量最优分配和风流最优调控两步法优化基本框架。首先,在满足矿井通风风量需求的基础上,实现风量分配优化。然后,结合矿井通风网络实际调风需求,引入遗传算法随机产生动态网络的邻接矩阵,使用附有条件的最小支撑树算法求解部分余树弦(调风地点)约束下的最小支撑树和独立回路矩阵,根据回路矩阵计算通风网络余树弦风阻调节值,在通风总功率和约束条件基础上构建广义最小化目标函数,依此对调节方案进行评价,使用遗传算法中的进化算子对调节方案编码实施进化操作,最后通过迭代得到满意解。研究结果表明:两步法思想简化混合型通风网络优化问题,解决调风地点约束的通风网络优化问题,执行效率高,能够解决较大规模的通风网络优化问题。     

基于Autoencoder-TCN的航空发动机排气温度预测

针对目前航空发动机排气温度预测模型精度不高、传统RNN类神经网络对飞行数据时间维度信息挖掘不充分的问题,提出了一种结合自编码器Autoencoder和时间卷积神经网络TCN的航空发动机排气温度预测模型。首先通过Autoencoder方法从飞行数据中提取与排气温度相关的特征,以降维后的特征作为输入,建立TCN网络深度学习模型,以航空发动机排气温度作为输出,充分挖掘飞行数据的时间维度信息,从而提高模型精度。最后选取真实飞行数据进行实验,结果表明,与BP、LSTM神经网络模型相比,该模型的平均绝对百分比误差由13.035%和9.593%降低至3.369%,有效提高了模型预测精度。