矿井涌水量预测方法及适用性评价

本文在广泛阅读国内外相关文献的基础上,从分布参数法和集中参数法的角度出发,深入地综述和剖析了现有矿井涌水量预测的方法。同时以新汶矿区为实例,运用数值法、解析法和比拟法对矿井涌水量进行预计。与实测数据对比,对预测方法的特点及适用性进行了评价。评价结果表明,对于研究区水文地质资料详实的情况下可利用数值法进行预测。对于研究区资料不够丰富时,可采用数值法进行模拟进行预测,同时利用解析法进行对比。对于新建的矿井,水文地质参数不足时,可使用水文地质比拟法进行预测。这种评价对于类似条件矿井涌水量预测方法选择具有一定的指导意义。     

煤矿开采矿井涌水量预测方法现状及发展趋势

煤矿开采矿井涌水量对于煤矿防治水以及安全高效生产具有重要意义。详细阐述了矿井涌水量预测方法,并对其预测过程进行了较为详细的论述与分析。指出矿井涌水量预测方法存在的问题,针对存在的问题,提出了未来应建立多因素综合模型,将传统的单一模型进行扩大,提高适用范围和预测精度;建立基于大数据的预测,将矿井涌水量与大数据有机结合,通过大数据分析涌水量的特征预测矿井涌水量;进行系统理论综合分析,将矿区涌水量作为一个系统,从时空序列中提取地下水变化特征,为涌水量的预测提供支撑。     

亭南煤矿涌水量时间序列预测研究

矿井水害是影响煤矿安全高效开采的主要地质因素之一,而矿井涌水量的准确预测对煤矿防治水工作具有重要的意义。本文使用时间序列分析软件（SPSS）对亭南煤矿2007年1月-2019年12月月度涌水量数据分析,建立了ARIMA(1,1,1)预测模型,并利用该模型对2020年1月-2020年6月的涌水量数据进行预测,结果表明：与实际涌水量最大相对误差为2.306%,最小相对误差仅为0.464%,模型精度较高,能够很好地对亭南煤矿涌水量进行预测。     

基于变维分形的矿井涌水量预测模型

以某矿为例,把变维分形理论引入矿井涌水量预测中,由此构建该矿井的涌水量预测模型,并进行验证分析。结果表明,预测结果与实际结果在短期内极为一致,预测周期变长,则效果不明显。这表明变维分形理论在矿井涌水量短期预测中具有较高的研究价值和应用前景。     

浅析矿井水涌水量预测的几种常见方法

矿井涌水量预测是一项复杂而艰巨的工作.分析了矿井涌水量预测中常用的几种方法和特点,提出了在矿井水涌水量实际预测中,应根据预测精度要求和水文地质特点等条件,合理选用适当的预测参数和方法.     

基于SVM降雨充水矿井涌水量预测

为了准确预测降雨充水矿井涌水量,将SVM算法应用于降雨充水矿井涌水量预测,通过对SVM算法分析,确定了合适的核函数及其参数,提出了基于SVM算法的降雨充水矿井涌水量预测模型,并根据所选矿区自然地理情况,确定了预测输入因子和输出因子。通过MATLAB语言编程,结果显示:预测值与实际测量值具有较好的一致性,验证了矿井涌水预测模型是有效的。     

矿井涌水量时间序列ARIMA预测模型

为对矿井涌水量进行准确预测,以矿井涌水量历史时序数据为基础,提出一种综合自回归移动平均模型.建模时首先需要对涌水量时间序列进行平稳化处理,根据拖尾、截尾情况及BIC数值初步确定一个模型,进行参数估计、假设检验,并作出必要调整,反复循环,直至获得较为满意的ARIMA模型.以东欢坨矿1991年1月到2014年4月月度涌水量进行实验分析,最终建立了ARIMA(1,1,1)预测模型,利用该模型进行预测,最大误差为2.1829%,最小误差仅为0.2885%,模型精度较高,能够很好地满足实际工程需要.研究结果表明:ARIMA模型对矿井涌水量短期预测是可行的.     

多元统计方法在煤矿地下水中的应用

在分析任楼煤矿的水文地质条件以及上一石门四含涌水量变化特征的基础上,运用多元线性回归的方法,建立回归方程,并进行实际运用;同时,用地下水动力学中的解析法求取四含水文地质参数,预测涌水量,两种方法对比表明了该方法的合理性。并对未来提高开采上限时进行疏降四含水的两种方案作了对比分析,为矿井防治水决策提供技术依据。     

多元统计方法在矿井地下水中的应用

在分析任楼煤矿的水文地质条件以及上一石门四含涌水量变化特征的基础上,运用多元线性回归的方法,建立回归方程,并进行实际运用,同时,用地下水动力学中的解析法求取四含水文地质参数,预测涌水量,两种方法对比表明了该方法的合理性.并对未来提高开采上限时进行疏降四含水的两种方案作了对比分析,为矿井防治水决策提供技术依据.     

浅埋煤层开采矿井涌水量计算方法研究

矿井涌水量预计主要侧重于计算方法和适用条件方面的研究,很少考虑采掘过程及采后影响效应对矿井涌水量影响,基于浅埋煤层顶板出水机理及矿井涌水特征,将矿井涌水量分为固定和变化水量两部分,并依据各自的特点,提出与之配套的水量计算方法。同时,在分析首采面、次采面等各工作面间涌水相互干扰的情况下,针对不同水力边界条件,对工作面水量计算公式的适用条件进行分析。在实践中,该矿井涌水量计算方法条理清晰、分类明确、实用性强。     

基于人工神经网络的矿井涌水量预测

应用人工神经网络理论,提出了矿井涌水量预测的新方法,并将其与自回归时序模型进行了比较验证,结果表明,运用神经网络方法进行矿井涌水量预测,精度     

矿井涌水量时间序列多重分形的局部奇异性研究

通过实例计算 ,所得的结果说明了矿井涌水量时间序列具有多重分性的特征 ,局部奇异性则是矿井涌水量时间序列所具有的一种属性。在讨论 4个描述局部奇异性参数有关物理意义的基础上 ,提出了矿井涌水量的奇异性在进行矿井水文地质条件分类、矿区地下水特征分析及矿井涌水量预测方面所具有的理论意义和实际作用 .图 1,表 1,参 8     

基于人工神经网络的大海则煤矿单井矿井水定量预测

生产矿井未采矿体涌水量预测是保障矿井安全生产的基础工作。本文在充分分析大海则矿井涌水量影响因素基础上,利用人工神经网络理论,建立矿井涌水量的BP网络模型。人工神经网络模型具有增强专家系统的容错能力,当神经网络中少量的神经元发生失效或错误时,不会对系统整体功能带来严重的影响。通过该模型的网络预测,经大海则矿井现场验证：利用BP神经网络预测矿井涌水量其结果真实程度较高,是比较理想的预测方法和手段。     

应用综合分析法分析矿井涌水量

通过影响涌水量因素的观测数据，进行综合分析研究，找出几个起支配作用的主导因素，试用传统的方法与现代新方法结合进行计算，与开采的实际涌水量进行对比分析，取各种方法之所长，提高预计矿井涌水量的准确度，为设计生产部门提供科学依据，达到既经济，又安全的目的。     

甘肃靖远煤电股份有限公司红会第一煤矿矿井涌水量计算与分析

矿井涌水量计算的方法多种多样,不同的方法计算出的涌水量差值较大,无法确定合理值,给矿井采用合理的防治水措施带来困难。本文以甘肃靖远煤电股份有限公司红会第一煤矿为例,以2009—2020年矿井开采量、涌水量、采掘进尺的实测资料为基础,采用大井法、比拟法对未来矿井涌水量分别进行了计算,并结合矿井的涌水量实际观测资料,对涌水量计算结果的精度和可靠性进行了分析讨论,并以此确定了该矿井正常涌水量的最终采用值为6 032 m³/d,为矿井防治水工作提供了参考依据。     

基于CEEMDAN-BO-BiGRU的矿井涌水量预测研究

为提高矿井涌水量预测的准确度，基于涌水量数据的不稳定性及随机性，提出一种自适应噪声完备集合经验模态分解(CEEMDAN)、贝叶斯优化(BO)与双向门控循环单元(BiGRU)相结合的矿井涌水量预测模型(CEEMDAN-BO-BiGRU)。该模型通过CEEMDAN将涌水量数据分解为多个较平稳的固有模态分量(IMF)和残差分量(Res)，过滤数据噪声，提取数据不同时间尺度波动特征，降低预测误差。利用贝叶斯优化对BiGRU模型多个超参数进行迭代寻优，进一步提高模型的预测精度。之后对各分量进行超前1至3步预测预测，最终将各分量预测结果加和得到涌水量多步预测结果。以小庄煤矿矿井涌水量数据进行试验，并将CEEMDAN-BO-BiGRU预测结果与CEEMDAN-BiGRU、BiGRU、BP、SVM进行对比实验，结果表明采用CEEMDAN-BO-BiGRU组合网络模型对矿井涌水量预测结果更准确，该方法对涌水量的短时预测提供了一种新思路。     

基于人工神经网络的矿井涌水量预测

应用人工神经网络理论,提出了矿井涌水量预测的新方法,并将其与自回归时序模型进行了比较验证。结果表明,运用神经网络方法进行矿井涌水量预测,精度高,自适应性强,在数据不十分充足的情况下,效果尤其好于自回归模型。     

矿井涌水量的数学模型与预测

运用增长曲线数学模型模拟矿井涌水量的变化规律,解决了矿井涌水量的模型描述及矿井最大涌水量的预测,为矿井合理配置提供了科学的依据,给出了各种模型的建立,转换关系,估计方法及实例。     

小波神经网络煤矿井下涌水量影响因素挖掘与预测

合理预测矿井涌水量,及时有效制订排水方案,是保证井下人员安全生产及经济开采的需要。根据煤矿井下涌水量影响因素的不确定性,选取的平均影响值通过误差反向传播网络,确定涌水量各影响因素相关程度,实现涌水量影响因素的筛选。采用小波方法对涌水量进行分析,发现其相同的季节大致有相同的走势。依据小波中的时间聚合因子,建立了基于时间序列的小波神经网络短时预测模型,对某矿涌水量进行分析。结果表明:涌水量预测最大绝对误差为4.179 7m3/d,最大相对误差为2.079%,最小绝对误差为0.000 5 m3/d,最小相对误差为0.000 2%;平均相对误差绝对值为0.482 3 m3/d,平均相对误差为0.285 7%,正确率平均达到了99.714 3%。预测指标满足了矿井涌水量排水的要求。     

矿井涌水量回归模型预测方法研究

涌水量预测一直是矿井防治水工作中重要部分,准确的预测可以预防矿井水害的发生.本文应用传统ARIMA模型对某矿过去近20年涌水量数据进行拟合建立数学回归模型,并在此基础上,考虑多因素众变量的影响,提取出涌水量数据中的趋势-循环因子、季节影响、波动因素,重新建立起数学回归模型,对两种不同方式所建立起的模型进行对比分析,结果...