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煤炭自燃危险性具有一定的理论意义和实用价值。     

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.     

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。     

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。     

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.     

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。     

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.     

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。     

基于L-MBP神经网络的煤自然发火期预测

针对不同矿井、矿井不同工作面预测煤自然发火期的难题，采用具有较好收敛性的L-M（Levernberg-Marquardt）BP算法的神经网络，开发出煤自然发火期预测仿真系统软件。根据煤自燃的内凼和外因影响因素，在东北矿区各自燃采场收集了152个样本训练数据，并应用于该软件训练、预测其结果误差〈10％。在神东矿区进行预测时，预测结果与实际情况吻合较好，为制定预防采场自然发火的技术措施提供了可靠的技术参数。     

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。     

煤炭自燃早期预报的模糊聚类关联分析法

针对煤炭自燃危险程度的模糊聚类分析预报法存在的不确定性，提出用关联分析法对其进行补充、修正与完善。即用模糊聚类分析法分类后，用关联分析法求待预报样本与各类之间的关联度，根据相关程度预报，将两种方法组合成模糊聚类关联分析预报法。用该法对煤炭自燃早期预测预报，不仅克服了模糊聚类单一分析预报法的不足，使定性预报转为定量预报，而且提高了预报的准确程度，为有针对性的控制煤炭自燃提供了更科学的依据。     

煤炭自燃生成标志气体的红外光谱分析

针对煤自燃氧化过程中生成的生产物能够判断煤自燃的反应过程和机理以及在不同温度下生成的标志性气体可以判断煤自燃的严重程度的问题，采用红外光谱手段对神东矿区6个煤矿不同层位和不同工作面的12个煤样进行了研究。研究结果表明，煤氧化燃烧过程是分阶段进行的，分为失水阶段、氧化阶段、着火燃烧阶段。各阶段的标志气体不一样：失水阶段以H2O吸收峰为主、氧化阶段C2H4、CH4出现显现峰、着火燃烧阶段出现C2H4、CH4强峰。确定煤样在不同温度下生成标志气体的规律，对预测煤的自燃发火具有重要的理论和实际意义。     

煤低温自燃发火的热效应及热平衡测算法

煤在低温自燃发火过程中的热效应是多种多样的,但主要是煤与氧的化学反应热.通过装煤850kg的大型煤低温自燃发火实验台模拟煤自燃过程,根据实验台测定的温度场变化和传热学理论,推导出计算不同温度时松散煤体低温氧化放热强度的热平衡测算法.通过对不同煤样的自燃发火测试,利用该方法推算出不同的煤在相同温度下的放热强度,为煤自燃特性的定量分析及自燃发火预测提供了理论依据.图1,表1,参8.     

石嘴山二矿煤样程序升温自燃性测试研究

利用煤样程序升温自燃性测试实验装置，模拟煤自燃发火过程。通过考察煤样的煤温变化、氧气消耗量、一氧化碳产生量及其他气体的变化规律，并确定煤的临界温度、气体产生率、放热强度和极限参数，研究石嘴山二矿煤的自燃倾向性。为石嘴山二矿安全生产、自燃火灾的预测以及防灭火，提供依据。该实验数据精度在90%以上，能够很好的满足现场的要求。     

煤自燃性测试技术及数值分析

利用装煤量850kg的XK型煤自然发火实验台,真实地模拟了煤的自燃过程,根据实验测定的温度场和气体浓度场变化,结合流体力学和传热学理论,推算出不同温度时煤氧复合的耗氧速度,放热强度,为煤自燃性的定量分析及自然发火预测提供理论依据,并根据煤自身的氧化放热性能及其所处的蓄热环境,应用热平衡法推导出煤自燃极限参数的计算方法,为煤自燃预测及防治提供了量化的理论判据。     

采空区自然发火危险区域判定

针对采空区煤炭容易发生自燃问题,且采窄区发火危险区域尚不明晰,通过对采空区内气体监测以及建立采空区流场和温度场耦合数学模型,采用该模型对采空区自然发火数值模拟,判断出发火危险区域位置,从而对煤炭安全高效生产起到良好的指导作用.