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。     

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。     

亭南煤矿微震监测数据与工作面涌水量关系研究

矿井水害事故的发生,不仅会影响矿井安全生产,造成巨大的经济损失,还严重威胁着井下工作人员的生命安全。为了解决矿井水害的威胁,有效预防水害事故,分析微震监测数据即微震事件数与事件能量级与矿井涌水量之间的相关关系,提出不同时期根据微震监测数据预测矿井涌水量,合理选择排水设备,预测突水事故,达到及时预警的效果。以亭南煤矿二盘区207工作面为研究对象,分析其工作面涌水量与微震数据间的相关性,结果表明:微震事件数、能量级与涌水量呈正相关关系,两者变化趋势基本相同,能够根据微震数据的变化预测涌水量的变化。     

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.     

基于GM(1,1)模型的矿井涌水量预测

根据灰色系统理论,利用苏二煤矿2001-2008年的矿井涌水量资料,运用GM(1,1)灰色预测模型方法,对该矿的涌水量进行动态预测,为矿井防治水提供依据。     

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。     

松藻矿区石壕井田东翼Ⅱ区煤层涌水量预测

利用涌水量预测方法,分析了石壕煤矿技改扩能后,矿井设计生产能力由90万t／a,提高到180万t/a的生产能力。利用现有生产水平涌水量的参考资料,对开采东翼Ⅱ区煤层-200标高水平开采提高到矿井生产能力180万t／a的涌水量预测。可供类似矿井涌水量预测提供参考。     

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。     

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...     

关于“大井法”矿井涌水量预测的质疑

矿井涌水量计算是矿床水文地质勘查中一项重要而复杂的工作,至今对它的研究仍处于近似计算的水平。“大井法”预测矿井涌水量由于简单方便,经常被大家所使用。但是通过对该方法的理论及实践分析认为,它并不适用于大降深、不规则矿井的涌水量计算预测,并以锡林格勒盟××煤矿和山西省××煤矿为例进行了论证。最后,建议矿坑涌水量计算时,尽量采用数值模拟方法,并辅以其它类比外推方法等。     

基于数值模拟方法的煤矿开采涌水量预测分析

煤矿开采涌水量的预测对于煤矿的安全生产至关重要。目前矿井涌水量预测方法以解析法、比拟法、数值法为主。选取陕北头道河则、二道河则沟域为研究区,分析沟域及矿区的水文地质条件,构建地下水三维非稳定流数值模型,模拟区内3号煤矿在综采和分层开采两种开采方式下的矿井涌水量及其地下水位变化过程。模拟结果表明：煤矿开采对区域地下水环境造成一定影响;综采方式形成的导水裂隙带高度相较分层开采方更大,且易与第四系潜水含水层导通,导致涌水量增大,从而引起水害。煤矿开采过程中应引起足够重视,注意监测及做好相应预防措施。     

重庆大竹堡子山煤矿巷道涌水量预测

本文利用现已有生产水平涌水考察资料及涌水量预测方法,分析了堡子山煤矿巷道涌水量的原因,并结合大量的现场实测数据（见表1）为基础,对堡子山煤矿开采水平巷道涌水量预测,可为类似矿井巷道涌水量预测提供参考。     

矿井涌水量预测方法探讨

为研究矿井涌水量,在对比分析预计与实际矿井涌水量的基础上,指出80%以上的矿山的预计涌水量与实际相差超过50%,并分析了影响预计结果与实际不符的主控因素。在分析矿井涌水量现行主要预测方法的特点和优、劣势的基础上,给出不同阶段适用的预测方法,并结合工程实例进行分析。此外,对如何准确预测钻孔涌水量与大井法预测中存在的问题及解决方案进行了探讨。最后,给出了对矿井涌水量预计的几点认识。     

赵各庄矿井高倾斜煤层深部开采矿井涌水量预测研究

赵各庄矿井13水平西翼第8号石门区域的3839工作面是一个典型的近百年开采的高倾斜煤层深部开采区。为预测3839工作面涌水量,首先分析了其上部9-13水平近30年的开采面积、降水量、奥灰水位、开采深度等因素与矿井涌水量的相关性;其次,筛选出了老空积水量、降水量、奥灰水位变幅和开采深度等影响因素;最后,通过建立多元线性回归分析预测模型(方程),并利用2012年涌水量数据对预测模型进行验证,发现该预测模型与2012年实测数据相关性很高。进而对2013年的3839工作面涌水量进行了预测,得到的结果与已有的比拟法、解析法预测结果均较接近。说明该模型涌水量预测可行,但未证明该模型具有普遍适用性。     

小波-极限学习机在瓦斯涌出量时变序列预测中的应用

针对煤矿瓦斯涌出量预测中经常出现变量难以获取等问题,为了提高瓦斯涌出量的预测精度和可靠性,提出将小波包分解方法与极限学习机相结合,构建瓦斯涌出量的小波-极限学习机时变预测模型。首先,通过小波包分解重构将瓦斯涌出量时变序列分解成高、低频率不同的分量,然后采用极限学习机对小波包分解重构后的时间序列进行预测,再叠加预测值,得到最终的预测结果。以山西天池煤矿某工作面瓦斯涌出量监测时序样本为例,为体现模型的优越性,设置2个对照模型,即小波-BP模型和未经小波处理的极限学习机模型。结果表明:该模型预测相对误差为0.42%～10.45%,平均相对误差仅为2.50%,小波-BP模型的预测相对误差为0.33%～7.33%,平均相对误差为3.42%,未经小波处理的极限学习机模型的预测相对误差为1.59%～13.09%,平均相对误差为4.25%,小波-极限学习机模型的预测精度和泛化能力均高于对照模型;小波包分解重构方法的引入能有效降低数据复杂度,大幅度提高预测精度,为瓦斯涌出量时变序列的预测提供了新的思路。     

灰色马尔科夫模型在我国病毒性肝炎发病率预测中的应用研究

为科学、准确的预测我国病毒性肝炎的发病趋势，利用灰色马尔科夫模型对我国2000-2016年病毒性肝炎发病率进行拟合，对2017-2019年发病率数据进行预测，并与灰色GM(1,1)预测模型比较以检验模型拟合与预测效果.结果表明，2000-2016年我国病毒性肝炎发病率的灰色马尔科夫模型拟合的平均相对误差为3.06%,灰色GM(1,1)模型拟合的平均相对误差为11.96%;2017-2019年灰色马尔科夫模型预测的平均相对误差为2.05%,灰色GM(1,1)模型预测的平均相对误差为13.47%.灰色马尔科夫模型比灰色预测模型的预测结果更准确，模型精度更优，是我国病毒性肝炎发病率预测效果较为科学、准确的预测模型.     

基于云理论与加权马尔可夫模型的矿井涌水量预测

针对矿井涌水量预测问题,提出一种新的既考虑模糊性又考虑随机性的云加权马尔可夫预测模型。其过程为:首先,利用云理论对矿井涌水量状态概念进行云划分,通过X条件云发生器确定训练样本各年份涌水量所属状态;由于云模型具有模糊和随机特性,同一样本属性值通过X条件云发生器时,输出不同的状态,从而形成不同情形下的马尔可夫状态空间,为此,根据各种情形出现的频数,确定各自的权重。然后,应用加权马尔可夫预测法,计算各种情形下预测样本所属状态的概率矩阵,加权求和得到最终的预测概率矩阵,并根据最大隶属度原则,确定预测样本所属状态。最后,以河南鹤壁四矿1982—1999年的矿井涌水量时间序列作为训练样本,采用所建立的云加权马尔可夫预测模型,对2000—2001年的矿井涌水量所属状态进行预测,研究结果表明:2000年和2001年的涌水量预测状态同为状态5,属涌水量较少年份,与其实际状态相一致。     

团柏煤矿底板奥灰水赋存特征研究

团柏煤矿受到顶板K2含水层和底板O2奥灰岩溶水的影响,对矿井安全生产具有一定的威胁。论文分析了底板奥灰水赋存规律,建立了底板含水层突水涌水量预测模型,并利用该模型对团柏煤矿底板奥灰水突水量进行了预测。研究结果对矿井开采设计与矿井防治水工作具有重要的指导意义。     

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。     

基于富水性分布的矿井奥灰含水层涌水量动态预测

矿井涌水量数值预测的精度与虚拟疏放孔布设的位置与时间密切相关,为提高矿井涌水量预测的精度,以蔚州矿区某矿井为例,建立基于地理信息系统(geographic information system,GIS)多源信息的奥灰含水层富水性分区评价模型,并将该分区评价结果导入到涌水量数值模型当中,根据矿井工作面的采掘衔接计划,通过在强富水区分阶段布设虚拟疏放孔,从而预测出研究区涌水量的动态结果.实例应用表明:本文方法提高了矿井涌水量预测的精度与实用性,对有效制订矿井疏排水方案,保障矿井安全生产具有重要的理论指导意义和实用价值.