煤炭自燃危险性评价与预测研究

针对采空区自然发火进行了危险性评价.从发火条件入手,建立了采空区自然发火事故模型,确定了采空区发火现状危险等级;并利用采空区已有的自然发火预测指标建立BP神经网络的时间序列预测模型,对未来该采空区有无发火危险进行了预测,确定了未来采空区发火可能性大小,为采空区做好防火工作提供了理论依据.     

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.     

采空区自然发火动态数学模型研究

根据实际工作面采空区浮煤自然的主要影响因素,在煤低温自然特性实验研究的基础上,推导出了采空区浮煤自然过程的动态数学模型,从而为采空区浮煤自然发火的预测预报及防治技术研究提供理论依据．参４．     

放顶煤开采采空区自然发火数值模拟的应用研究

本文针对新峪矿5112工作面的特征,根据采空区内的气体质量守恒和浮煤与气体的能量守恒利用数学方法建立采空区内流场方程、氧浓度场方程和温度场方程,并根据采空区的实际状况设定相应的边界条件,得到采空区内的温度分布,从而预测在不同的条件下预测采空区内自然发火状况.结果表明,该煤层注入阻化剂后采空区煤自然发火危险性均有大幅度降...     

基于流场模拟的综放面自燃危险区域划分及预测

通过对采空区渗流场的数值模拟,得到采空区渗流速度及氧气体积分数的分布.结合实验测得的煤自燃发火期和自燃临界参数,对采空区"三带"进行划分,并得到了采空区不自燃的工作面最小推进度.该方法计算量比模拟采空区煤自燃全过程少得多,预测精度却能够满足实际防灭火需要.     

基于人工神经网络的矿井自然发火预测模型及应用

指出了矿井自然发火及其预测对安全生产的重要性以及传统的预测方法存在的缺陷。应用神经网络建立了时间序列的自然发火预测模型,克服了传统预测方法必须事先构建函数的不足之处,提高了自然发火预测的精度。实际应用表明该预测模型的预测精度较高,具有较大的理论意义和应用价值。     

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。     

采空区防治煤炭自燃发火综合技术的应用

袁店一井煤矿10煤具有Ⅱ类自燃发火倾向性,其首采工作面面收作后,采取堵漏风、均压技术等综合防火措施,切断了采空区的漏风通道,同时加强预测预报,有效地预防了煤层自燃发火事故的发生。     

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。     

基于分形理论的采空区遗煤孔隙率研究

自燃是煤矿的主要灾害,采空区自燃直接影响到回采工作面的生产,甚至能够造成严重的恶性事故。遗煤的存在是造成采空区自燃的根源,采空区内遗煤属于颗粒堆积型多孔介质范畴。由于遗煤颗粒形状相似但粒径大小差别巨大,具有分形特征。本文基于分形理论建立了采空区遗煤的粒径质量分布分形维数模型,并从实际的采空区内取煤样进行筛分对粒径分布特征进行了分析,通过分析计算得出六合煤矿和阜生煤矿的分形维数分别为2.2596和2.0554。分析影响煤自燃的孔隙主要是外部孔隙,对筛分出来的不同粒径的煤进行了外部孔隙率的测定,结合粒径分布的分形维数,对采空区遗煤的孔隙率进行了分析。通过研究粒径分布分形维数来分析采空区内的孔隙率分布,为采空区内孔隙率的研究提供了一个新思路。     

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危险性具有一定的理论意义和实用价值.     

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.     

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。     

煤粉燃烬性能与颗粒结构分维的关系

为研究煤颗粒结构与燃烬性能的关系,进行了煤粉动态燃烧试验·采用分形几何理论定义了颗粒结构分维Ds,以描述煤粉颗粒结构特征·几种煤的结构分形维数计算表明:煤粉的颗粒分维数与煤种有关·总体上,烟煤的分维数大于无烟煤·煤燃烬性能主要与煤挥发分产率有关,Ds的数值体现了颗粒结构对煤粉燃烧性能的影响,即煤的化学成分接近时,颗粒结构分维数大的煤粉其燃烧率高·煤岩组成类型、含量是影响煤粉结构分维的主要因素·     

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。     

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.