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。     

煤自然发火预报技术在大同煤矿的应用

煤自然发火预报是对煤炭火灾参数指标进行超前早期识别和预警的根本技术手段。大同煤矿结合本矿煤炭的实际情况,通过对煤自燃火灾指标气体及其生成的辅助性指标的超前判识,及时、准确地预测预报煤自然发火征兆,推断自然发火发展的趋势,采取均压、密闭堵漏、预灌浆等措施进行治理。     

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。     

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.     

关于煤矿矿井开采过程中的煤炭自燃现象的综合防治及其应用研究

煤炭自燃发火会对煤矿的安全与生产造成严重的危害;要想不让煤矿火灾继续发展与蔓延,就必须制定一系列有效的防止煤自燃发火的措施。本文首先论述了煤的自热影响因素,其次提出了有效防治煤炭自燃发火的措施,旨在降低煤炭自燃发火率。     

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.     

煤矿内因火灾防灭火技术的发展思考

在多年矿井防灭火的实践基础上,形成了煤炭自燃理论,发展了许多煤矿防灭火的材料及技术.根据多年的现场工作经验,从现场工作人员的角度对以往较多材料进行了优缺点的分析,对今后矿井防灭火的发展方向提出了一些观点,重点强调了建立完整的防治煤层自然发火保障体系及提高矿井煤层自然发火预测预报能力的必要性.     

自燃火灾发展阶段预测与控制实验

煤炭在不同氧化阶段会释放出不同的指标气体,与煤体温度有着良好的对应关系.由于良好的指标气体本身具备的单一性、规律性和灵敏性的特点,利用指标气体预报预测矿井自燃火灾近年来得到了较好的应用,大大提高了矿井防灭火工作的准确性.通过研究开滦矿区自然发火指标气体的产生规律,在实验的基础上提出了4项自燃火灾燃烧状态判定准则,同时可作为预报预测自然发火的辅助指标气体,与其它指标气体结合可提高自然发火预报的准确性,对矿井防灭火有重要的指导意义.     

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。     

徐庄煤矿8174采煤工作面煤自燃标志气体研究

本论文针对徐庄煤矿8174采煤工作面煤容易自燃特性,为减少和防止8174采煤工作面煤自燃火灾发生,对该工作面进行煤自燃标志气体分析,研究煤氧化过程中放出的气体成分及含量,分析气体成分及含量随煤温变化的规律,并优选出标志气体,建立各种标志气体含量与煤温的定量关系,以达到预测预报煤炭自然发火这一目的。     

煤自燃指标气体分析与分级预警

煤自然发火严重制约矿井安全生产。为实现煤自然发火危险性精准预测预报,采用程序升温试验系统测试分析了沙曲一号煤矿不同粒径煤样各种气体产物及其浓度变化规律,进一步引入随机森林集成学习方法建立了煤自然发火危险性分级预警模型,并通过大佛寺煤矿自然发火试验进行了验证分析。结果表明：粒径越小,煤氧接触面积越大,煤氧反应越激烈,气体产物浓度越大;C₂H₆气体属于煤体赋存气体,在试验初始阶段就出现了,但C₂H₄气体在温度升高至120℃左右才出现,是煤氧化裂解的产物,可以作为沙曲一号煤矿自然发火指标气体;基于随机森林建立的煤自然发火危险性分级预警模型训练样本预测准确率达到100%,在默认参数条件下,测试样本预测准确率高达96.7%,通过自然发火试验数据验证分析得到测试集预测准确率为98.9%,变量重要度评估结果为CO和C₂H₄气体对煤自然发火危险性影响最大,这与现场实际情况吻合。随机森林用于处理煤自然发火危险性与气体产物之间的复杂非线性关系十分理想,适合于煤自然发火危险性预...     

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。     

同家梁矿11^#309盘区火区治理技术

随着我国煤炭资源的枯竭,一些老矿井开始出现大面积的采空区,但由于以前开采技术落后,造成采空区遗煤多、漏风严重,使得煤层自燃发火几率增高,矿井自燃火灾事故增多。均压防灭火技术就是一种常用的防治煤炭自燃发火的措施,与其它防灭火技术相比,其具有工程量少、投资少、见效快等优点。为此,研究均压防灭火技术对防治煤矿自燃火灾有重大的理论和现实意义。     

国内外煤炭自然发火预测预报技术综述

就近几十年来，国内外在煤炭自然发火预测预报方面的一些主要成果进行介绍，对各成果的优缺点进行分析，并指出进一步研究煤炭自然发火预测预报技术，对煤矿的安全生产具有十分重要的意义。     

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。     

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.     

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.     

井下煤炭自然发火危险度的综合评估

根据煤炭自燃机理及矿井生产实践，运用模糊数学及多目标决策理论综合评估煤矿井下采空区浮煤自然发火危险程度。     

煤自燃温度场三维对流扩散方程的有限元解法

基于三维松散煤体温度场对流占优扩散偏微分方程数学模型,使用有限元方法解决一定边界条件下的煤自燃温度场控制方程模拟煤温的自然变化趋势,数值模拟出一组具有动态变化规律的空间对应温度值.用煤温测试装置测得煤堆中一些特定点的瞬态煤温的变化温度后对比了模拟温度值与实验温度值,比较分析结果的可行性,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.     

煤自燃预测的支持向量回归方法

煤自燃温度的准确预测是矿井煤自燃防控的关键。为了科学准确地预测采空区煤自燃温度,在大佛寺煤矿40106综放工作面开展现场观测实验,以现场束管监测系统数据为基础,采用粒子群优化算法(PSO)优化支持向量回归(SVR)参数,建立了煤自燃温度预测的PSO-SVR模型;同时,在保证训练和测试样本不变的前提下,建立了标准SVR模型、BP神经网络(BPNN)模型和多元线性回归(MLR)模型,并与PSO-SVR模型预测结果进行对比分析。MLR,BPNN,SVR和PSO-SVR模型训练样本预测结果的平均绝对百分比误差(MAPE)分别为:5.75%,0.84%,4.16%和1.13%,测试样本预测结果的MAPE分别为:5.17%,3.03%,3.83%和1.34%.结果表明:MLR模型预测结果最差,说明煤自燃温度与气体指标之间的非线性关系更显著,线性模型不宜于煤自燃预测;BPNN模型训练样本预测效果极佳,但测试样本预测效果较差,易出现"过拟合"现象,泛化性较差;PSO-SVR模型预测精度较标准SVR模型有了极大提高,更适宜于煤自燃预测。