基于GM(0,N)模型的煤自然发火期预测

为科学准确预测煤自然发火期,运用灰色系统理论,基于灰色关联分析,选取煤样工业分析中的灰分、挥发分和元素分析中的C、H、O、S含量作为系统相关因素,建立了预测煤最短自然发火期的GM(0,7)模型,经后验差检验,模型精度为优;通过与多元线性回归模型预测结果对比,GM(0,7)模型预测煤自然发火期的平均相对误差为2%,多元线性回归模型预测的相对误差为10.35%.经外来数据回代检验,GM(0,7)模型预测结果的相对误差在2%左右,多元线性回归模型预测结果相对误差达26.27%,说明GM(0,7)模型预测结果优于多元线性回归模型.研究结果表明:利用灰色关联分析选取适当参数建立GM(0,N)模型能够较好预测煤最短自然发火期.     

用于煤自然发火期预测的神经网络模型和实验技术

根据煤的硫分、灰分以及煤自燃过程中的耗氧速率、CO和CO2产生率等随温度变化的序列值与煤自然发火期之间存在的密切对应关系，建立了前向多层人工神经网络模型，用已有的煤自然发火实验数据对网络进行训练，得到了神经元间的联结强度，从而准确地表征这种对应关系．设计了一套油浴程序升温实验装置，确定了实验试管的尺寸和实验条件，从而能够准确测定煤自燃在不同温度下的耗氧速率及气体产生率．将煤样油浴程序升温实验数据及煤质分析数据代入人工神经网络，可算出煤的自然发火期．与煤自然发火实验相比，该方法测定煤样的自然发火期用煤量减少了99％以上，实验耗时缩短了90％以上，二者测试结果的偏差小于3d．     

多元回归分析在煤自燃预测中的应用

通过对不同煤样中决定自燃的成分进行工业分析,以及实验测得的自然发火期,运用多元回归分析的数学模型,建立了最短自然发火期预测回归方程,并对方程及其系数的显著性作了检验,进行了残差分析.通过此数学模型能直观的反映煤层自燃性与煤的灰分、挥发分、硫分和氧含量对煤层自燃发火期的影响关系,可定性用于煤自然发火期的预测.     

义马常村矿煤样自燃倾向性研究

利用大型煤自然发火实验台，模拟自燃过程的各种条件，向其中通入空气，使煤与氧发生氧化反应。煤氧复合发生氧化反应，并发出热量引起自然升温，最终引起自燃。通过测定耗氧速度、热释放速率，可算出实际自燃的极限参数。根据这些实验参数可以推算出义马常村矿煤层在不同条件下的最短自然发火期、煤特征温度和其他自燃特性参数等。     

姚桥矿煤最短自然发火期实验和数值分析

针对目前煤炭自然的严重情况，利用大型煤低温自然发火实验台，对煤自然特性参数进行了测定和计算，确定了煤的自然发火期、临界温度、气体产生率、放热强度和极限参数，为煤自然过程的研究和煤自然火灾的预测和防治打下了基础。实验中所得数据能够很好的满足现场要求，实验精度在90％以上。     

芦岭矿极松散、近距煤层综放开采支架选型

淮北矿区芦岭煤矿主采煤层为8、9、10煤层。8,9煤层均为极松散煤层，普氏系数f=0．1-0．2。煤与瓦斯突出：煤层易燃：煤尘易爆。多年来，开采方法一直采用分层布置、人工落煤的开采工艺，巷道准备周期长，职工劳动强度大，单产低，加上瓦斯及煤层自然发火灾害严重，经济效益极差。通过对芦岭8,9煤的煤层赋存条件进行深入研究，确定采用综采放顶煤工艺来改革8,9煤现有生产工艺，     

煤自燃指标气体及极限参数实验研究

为了掌握王洼二矿煤自然发火特征,采用西科大XKIII型煤自然发火实验台对1.5t煤进行了煤自燃全过程模拟实验,测试出该矿开采煤样实验发火期为25天,掌握了自燃过程中温度的变化及对应气体的变化规律,测算了开采煤层煤样的最小浮煤厚度、下限氧浓度、上限漏风强度等极限参数,为该矿煤自燃灾害的预防提供了依据。     

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。     

黄斑星天牛自然种群密度预测模型研究

概括灰色系统理论，利用黄斑星天牛测报资料，建立了黄斑星天牛自然种群密度ＧＭ灰色预测模型、实际预测还原模型及正后的实际预测还原材料；模型精度检测指标Ｃ＝０．４９８６，精度检验结果合格；正模型的原点相对误差为３．５％，用正模型预测黄斑星天牛自然种群密度是可行的。     

煤的变质程度与煤层吸附CO影响的实验研究

针对近期许多中一低变质程度的煤层出现CO长期超标，但煤层未曾出现自然发火的现象，进行了煤的变质程度对吸附CO影响的实验研究。通过测定煤的工业分析、元素分析、煤岩组分数据及其在30℃下对CO的等温吸附数据，利用Mathematic软件对实验数据进行了分析处理，得出在不同压力下，中一低变质程度的煤层对CO吸附量最大，为进一步研究煤层中一氧化碳赋存机理提供了依据，进而可减少不必要的自然发火预防措施的实施．     

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。     

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。     

煤自燃特征信息的模糊聚类与模式识别

研究煤自燃特征信息,确定煤自然发火预测指标,实现煤自燃的早期预报,对煤矿的安全生产具有重要的实际意义.根据煤样自燃发火过程模拟实验和程序升温实验,得出煤自燃特征温度段,依据多元信息融合技术,结合现场采集煤自然发火观测气体数据,应用模糊聚类的方法,提取煤自燃多项指标信息的特征,并采用模糊模式识别的方法,确定出煤自燃特征信息及其与特征温度段的对应关系,从而实现煤自燃状态的识别和早期预报.     

煤与氧反应动力学数学模型及其求解

研究煤自然发火的核心是研究煤自然发火机理.在煤氧复合作用学说基础上,建立了煤与氧反应动力学数学模型,通过该模型并结合实验数据,能计算出煤在氧化过程中的一系列动力学参数.计算实例表明,该模型所计算的各项参数能充分反映煤与氧反应的特征,为探索煤自然发火机理以及如何评价煤自然发火危险性提供了一条可行的技术途径.表3,参6.     

煤自燃机理及预测理论研究进展

自17世纪英国人Dr.Plott提出黄铁矿导因学说以来，煤自燃机理研究取得了长足的进展。出现了多种学说。进入20世纪90年代，国内外学者又提出了一些更具体的学说。主要对煤自燃学说、自燃机理、自然发火期预测理论和煤层自燃危险区域判定理论等方面的国内外研究现状和取得的主要研究成果进行综述。并对煤自燃理论研究的不足及其发展方向进行了分析和讨论。     

基于灰色系统理论的煤矿瓦斯涌出量预测研究

运用灰色理论建立巷道瓦斯涌出量的灰色模型,对矿井瓦斯涌出量进行预测预报。采用残差识别方法修正GM(1,1)模型进行瓦斯涌出量预测,预测精度更高。利用灰色灾变预测理论,对某矿矿井工作面瓦斯涌出资料进行分析、研究,建立煤矿瓦斯涌出量灰色预测模型,并对矿井瓦斯涌出量变化趋势进行预测。     

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。     

神经网络在煤低温自燃实验炉建模中的应用

将人工神经网络的非线性特性和信息的分布性用于煤低温自燃实验炉的模型辩识。结果表明，用人工神经网络来建立非线性静态模型是可行的。从而为煤低温自燃过程的建模提供了一条新的途径。