基于残缺数据的煤与瓦斯突出预测系统

煤与瓦斯突出是煤矿事故发生的主要原因.正确预测煤与瓦斯突出,对于煤炭企业安全生产具有重要意义.对和煤与瓦斯突出相关的5个特征进行分析,采用拉依达准则处理数据异常值.针对数据变量缺失的情况,选择具有代表性的均值插补、多重插补、K近邻插补和随机森林插补方法完成数据插补.采用随机森林、支持向量机和K近邻模型进行煤与瓦斯突出预测.采用精确度,特异度和敏感度作为性能指标.实验表明,采用随机森林数据插补方法并利用随机森林模型完成的预测,取得了精度98.94％、敏感度98.67和特异度100％的性能,在所有数据插补方法和预测模型组合中性能最优.     

局部加权随机森林的冲击地压危险性等级预测

为对煤矿冲击地压危险性等级进行预测,综合考虑煤层厚度、煤层倾角、开采深度、顶板岩性、构造情况、开采方法、有无煤柱、采煤工艺等影响因素.采用局部加权学习方法建立冲击地压危险性等级预测模型,其中分类器选择随机森林,样本间距离采用欧氏距离函数进行计算.实验选取17组冲击地压数据进行研究,其中14组数据用于建立预测模型,采用十折交叉验证法对模型进行评价,并与采用决策树和朴素贝叶斯生成的模型进行比较,预测准确率得到较大提高,最后使用该模型对其它3组测试数据进行预测,预测结果与实际类别吻合.研究结果表明:采用局部加权随机森林方法可以建立泛化性能更好的冲击地压预测模型.     

微震监测技术在煤矿动力灾害防治中的应用

煤矿中发生的岩爆、煤和瓦斯突出、突水等地质灾害,与煤岩体中的微地震现象有着必然的联系。开展高精度微震监测工作．通过判识潜在的煤矿动力灾害活动规律,进而实现时煤矿动力灾害实现预测预警。     

基于U-Net的矿山微震初至拾取研究

初至到时拾取是微震数据处理中基础而又重要的环节,关系到整个微震监测系统的精度与可靠性。因此,为了解决传统初至拾取方法存在拾取效率低和拾取精度差的问题,引入深度学习方法,构建U型神经网络(U-Net)来预测三分量矿山微震数据P波、S波和噪声的概率分布,并根据概率峰值提取其初至到达时间。实验结果表明：本文算法的拾取结果准确度高且误差范围较小,与AR pick (auto regression pick)算法相比,其拾取结果具有明显的优越性。所构建的初至拾取模型可用于矿山动力灾害微震监测,解决微震监测的瓶颈问题,为矿山安全生产风险智能监测预警提供强力技术支撑。     

基于随机生存森林的交通事件持续时间预测

采用随机生存森林模型开展交通事件持续时间分析,克服了传统决策树模型易过度拟合和传统生存分析需限制性假定及识别协变量交互作用的缺陷.该研究基于上海城市快速路网交通事件数据,结合道路几何线形、交通运行、天气状况等数据.原始数据库分为训练数据(80%)和测试数据(20%).分析结果表明事件类型、路段长度、发生地点、剩余车道数、交通流量等变量对交通事件持续时间有显著影响;影响时间预测准确率结果表明随机生存森林模型预测精度显著优于随机森林的预测精度.     

突出煤层微震动态响应与多参量指标预警方法

针对目前常规监测预警技术及单一预警指标难以适应整个采掘过程等问题,以贵州义忠煤矿为工程背景,基于微震监测技术手段,分析井下典型信号的微震响应特征,研究微震预警指标与瓦斯涌出动态指标的相关性,形成一套科学、完备的预测指标体系.提出煤与瓦斯突出危险性的动态评价与参量联合预警方法,基于多指标参量联合预警的综合预警机制,对预警模型触发的预警进行分级处理,共划分为安全、较安全、危险和高度危险4个预警响应等级.实现微震信号的连续采集、预处理，微震事件的多维展示和时空分析,收集打钻等煤矿井下典型干扰信号,完成各类型信号的特征分析.通过微震指标与常规预测指标的相关性分析,认为微震指标的变化特征与突出危险性预测指标、瓦斯涌出指标变化有较好的一致性.研究结果可为实现煤与瓦斯突出微震预警提供理论支撑.     

露天煤矿边坡稳定性的随机森林预测模型

边坡工程是露天煤矿中的重点工程,边坡的稳定性关系着煤矿的安全生产。边坡稳定性预测是边坡防治工作的前提,针对煤矿边坡工程稳定性预测的复杂性,为了快速、有效地判别煤矿边坡稳定性,利用随机森林算法建立煤矿边坡稳定性预测模型。通过选取与煤矿边坡工程密切相关的岩石重度、黏聚力、内摩擦角、边坡角、边坡高度、孔隙水压力6个指标作为边坡稳定性的影响因素,即为随机森林预测模型的输入,边坡稳定性状态作为随机森林预测模型的输出,通过随机森林算法建立边坡稳定性影响因素与边坡稳定状态之间的非线性关系。利用煤矿实测30组边坡稳定性数据作为随机森林预测模型的训练数据集,进行模型的学习训练;另用12组边坡稳定性数据作为预测模型的测试数据,通过训练好的边坡稳定性预测模型进行测试;为了验证随机森林预测模型的准确率,同时与SVM和BP神经网络的测试数据进行比较。结果说明,选取煤矿边坡稳定性的6个指标建立的随机森林预测模型,人工控制参数较少、结构简单、容易实现,且具有较高的准确度,边坡稳定状态预测结果与煤矿边坡工程实际状态相吻合,能有效预测边坡稳定性状态,指导煤矿边坡防治工作的开展。     

露天煤矿边坡稳定性的随机森林预测模型

 边坡工程是露天煤矿中的重点工程,边坡的稳定性关系着煤矿的安全生产。边坡稳定性预测是边坡防治工作的前提,针对煤矿边坡工程稳定性预测的复杂性,为了快速、有效地判别煤矿边坡稳定性,利用随机森林算法建立煤矿边坡稳定性预测模型。通过选取与煤矿边坡工程密切相关的岩石重度、黏聚力、内摩擦角、边坡角、边坡高度、孔隙水压力6 个指标作为边坡稳定性的影响因素,即为随机森林预测模型的输入,边坡稳定性状态作为随机森林预测模型的输出,通过随机森林算法建立边坡稳定性影响因素与边坡稳定状态之间的非线性关系。利用煤矿实测30 组边坡稳定性数据作为随机森林预测模型的训练数据集,进行模型的学习训练;另用12 组边坡稳定性数据作为预测模型的测试数据,通过训练好的边坡稳定性预测模型进行测试;为了验证随机森林预测模型的准确率,同时与SVM 和BP 神经网络的测试数据进行比较。结果说明,选取煤矿边坡稳定性的6 个指标建立的随机森林预测模型,人工控制参数较少、结构简单、容易实现,且具有较高的准确度,边坡稳定状态预测结果与煤矿边坡工程实际状态相吻合,能有效预测边坡稳定性状态,指导煤矿边坡防治工作的开展。     

基于机器学习的城市暴雨内涝时空快速预测模型

暴雨内涝的快速预测对于提升灾害应急处置能力具有重要意义。针对传统数值模拟复杂耗时导致难以满足暴雨内涝预测时限要求的问题,该文基于机器学习方法构建城市暴雨内涝时空快速预测模型。利用城市综合流域排水模型(InfoWorks ICM)模拟的高精度网格结果作为数据驱动,综合考虑降雨因素、地理数据以及排水管网的分布情况,分别基于随机森林、极限梯度提升(XGBoost)、K最近邻以及长短期记忆(LSTM)神经网络建立城市暴雨内涝快速预测模型。以北京市某区域为例,开展算例研究,结果表明：随机森林模型的空间预测效果最佳,淹没范围预测准确率可达99.51%,积水深度平均预测误差3.55%; LSTM神经网络模型能准确预测内涝点积涝过程的水深时序变化。在该算例场景下,所构建的机器学习模型可实现s级的暴雨内涝时空快速预测。     

PSA-ANFIS方法的研究

矿山中的岩土工程灾害预测问题,是采矿工程领域亟需研究解决的重大课题.本文即针对这些问题,采用正交试验设计法和模式搜索算法研究了自适应神经模糊推理系统(ANFIS)的训练参数和模型结构的优化方法,提出和建立了基于模式搜索算法的自适应神经模糊推理方法(PSA-ANFIS).进一步采用一多峰函数进行离散,构建了训练数据对、检测数据对和预测数据对,对PSA-ANFIS的拟合能力和预测能力进行了研究.结果表明,无论是在拟合精度和预测精度上,还是在训练参数的调整、模型结构的建立和训练过程上,PSA-ANFIS均适合于解决矿山岩土工程灾害预测这一高度非线性的映射问题.     

抚顺煤田矿震现状及其城市地质环境效应初探

抚顺煤田矿震的平均发震频度达4000次／年，强度急剧增大，已发生ML＝3．7级矿震，研究预测表明最大震级可达4．2级，矿震是由煤田开采引起的，是矿山开采伴生的动力现象，矿震分为断层活动型，顶板活动型和工作面冲击型三种。矿震不会造成地面灾害，但是，矿震与其他潜在地质灾害相互作用具有不溶忽视的危害性。讨论矿震与城市防震，滑坡，区域地质构造活动之间的相互作用。     

特厚煤层综放工作面矿震诱发机理及防控技术： 以龙王沟煤矿为例

针对陕蒙地区矿井普遍具有煤层埋深大、厚度大、顶板坚硬，开采过程中不易及时垮落，造成矿震现象频发等特点，以某煤矿特厚煤层综放工作面为工程背景，通过对典型厚硬顶板条件下矿压显现特征和主控因素的分析，采用理论分析、现场实测和工程实践相结合的方式对厚硬顶版破断型矿震诱发的因素和防控技术进行了探讨，认为工作面出现矿震现象主要是高位顶板坚硬岩层采后不易及时垮落等单一或多因素耦合作用影响，应力叠加传递造成的，关键应从两顺槽及回撤通道对工作面高位坚硬顶板进行处理，避免弹性能的集聚与传播、阻断应力传递路径，通过水力压裂等人工干预的方式改变来压步距，减少悬顶结构、提前释放能量，从源头上减弱矿震发生频次及危害程度，进而实现采场围岩稳定性控制，为坚硬顶板条件下矿震防治技术提供理论借鉴。     

红透山铜矿微震监测系统及其应用

针对红透山铜矿深部地压活动频繁现状,建立矿山微震监测系统,通过构建红透山铜矿三维地质模型,优化传感器布设方案,对深部地压活动规律进行连续实时监测.通过微震监测结果与实际爆破震源对比,监测系统对于传感器监测范围内震源的定位误差小于5m,表明微震监测系统对于人工震源具有很高的定位精度.微震监测系统能够连续实时地对地压活动进行监测,捕捉由地压活动引起的微震活动信息,并实现微震源定位,这对开展矿山动力灾害的预测研究具有重要的现实意义.     

基于模糊综合评价的深部巷道破坏定量风险评估

深部金属矿地质条件和开采过程的复杂性导致巷道破坏时空分布复杂.以阿舍勒铜矿深部采区为研究对象,综合考虑地质赋存条件、开采影响和微震监测数据三方面的评价指标开展巷道围岩破坏风险定量评估研究.采用熵权法确定了不同评价指标的权重分配,权重占比前五的评价指标均为微震参数,其权重占比和超过80%,表明微震参数在巷道破坏风险评估中占主导作用.基于模糊综合评价方法的巷道破坏样本数据的评估准确率接近90%,能够实现大范围区域性巷道破坏风险定量评估,满足深部金属矿山区域性地压灾害防控与系统性开采过程优化调控的需要.     

矿山微震信号小波分析与研究

 针对目前人工信号识别技术和傅里叶变换在分析识别矿山微震信号时的局限性,提出Matlab小波工具箱分析方法。首先对矿山实际监测到的干扰矿震信号进行小波变换,对小波分解之后的矿震信号进行频谱分析,结果表明能够准确地观察到信号的突变点,确定矿震信号P波初到时,从而更加精确得出矿震震源的位置和能量大小;其次对受干扰矿震信号进行小波消噪,同时对小波分析的4种阈值降噪方法进行分析对比,发现无偏似然估计阈值效果最好,显示了小波分析的强大消噪功能。研究结果表明,小波分析具有良好的矿震信号识别效果和消噪能力,是矿震信号处理和分析的一种有效方法。     

煤矿重大危险源辨识理论与方法

煤矿重大危险源辨识是控制煤矿重大事故的前提,是煤矿安全评价的主要依据之一.煤矿重大危险源辨识依据"分类指导、分级定标"的原则,经事故预测分析,确定了生产矿井的危险性类别和生产单元的危险性等级.采用现有法规和技术规程对瓦斯、火灾、水灾、顶板与冲击地压等的相关规定,提出了危险性概率指数和风险权系数,并给定了参考值和计算公式.     

基于微震监测的金属矿山地压演化规律分析

为研究金属矿山采矿活动中地应力、微震活动与地压演化的关系,采用高精度微震监测系统对矿山开采过程中微震活动的时空分布特征进行分析,通过对同一时间轴下的微震的活动性、微震累积视体、能量指数等参数的变化特征研究,分析了矿山采矿过程微震活动的时空演化规律及矩震级分布,揭示了矿山地压演化规律及趋势。并成功的在内蒙古某金矿工程采矿中应用,研究结果验证了高精度微震监测系统用于矿山地压演化规律分析的可行性,可为微震监测系统在此类工程的应用提供参考。     

现场总线技术应用于煤矿监控系统探讨和实践

根据煤矿监控系统技术现状,讨论了应用于煤矿监控的设备级现场总线的性能要求,分析、比较了几种主要的现场总线的技术性能以及它们对煤矿条件的适应性,并结合煤矿井下设备级现场总线的供电方式在实践中的应用,论证了将先进的现场总线技术应用于煤矿监控可行性.