煤与瓦斯突出预测敏感指标

为系统反映评价指标自身属性并和煤与瓦斯突出实际相结合,提高预测和判别的准确性与严谨性,分别建立基于"三率"(突出预测率、突出预测准确率、不突出预测准确率)的"效益、成本型"属性和"区间型"属性的煤与瓦斯突出预测敏感指标筛选模型,根据现场预测所得数据建立预测与决策的样本矩阵,依据不同属性进行算子转换构造决策矩阵,采用成分提取确定决策矩阵中各评价指标的权重,作出各预测指标的排序.研究结果表明:张集煤矿煤与瓦斯突出预测的敏感指标是钻屑瓦斯解析指标、钻孔瓦斯涌出初速度.研究结论能将开采煤层实际突出率引入评价系统中,又能使各指标之间的区分更加明显.     

煤与瓦斯突出预测指标的区间数关联决策模型

为提高煤与瓦斯突出预测指标选择和评价的准确性,并确保多指标评价体系的系统完整性及预测指标的区间连续性,更准确地指导现场突出预测指标的选定,根据灰色区间数关联决策理论,建立煤与瓦斯突出预测指标评价与决策的加权三指标区间数关联决策模型,将3个评价指标共同引入模型作为煤与瓦斯突出预测指标的评价标准,并充分考虑其属性和权重值,结果规范化处理即区间数关联度的计算,以区间数关联度最大为原则确定张集煤矿7#煤层最优煤与瓦斯突出预测综合指标的区间数为[350,400],经过细化研究和评价得到相对最优加权三指标区间数关联决策区间为[370,380].研究结果表明:经过加权多指标区间数关联决策得到的相对最优煤与瓦斯突出预测指标区间数是合理的.     

煤与瓦斯突出预测指标及其临界值确定方法研究

为了避免突出的漏报,提高煤与瓦斯突出预测工作的有效性与准确率,在系统分析煤与瓦斯突出预测敏感指标以及各影响因素对突出的影响程度基础上,以显德汪矿为例提出了基于钻屑量S,Δh2和K1等3种预测指标的综合指标K值,并建立了综合指标的计算公式,实现了对煤与瓦斯突出预测的各项指标的综合考虑。基于该指标对显德汪矿进行了突出预测并确定了临界值。根据所确定的临界值,对分析结果进行验证,证明所选取的临界值符合要求。在此基础上对煤与瓦斯突出预测指标临界值的确定方法进行了推广,建立了具有普遍使用性的矿井瓦斯突出综合预测指标及其临界值确定方法,并提出将该综合预测指标与各单项预测指标结合应用。     

潘一矿煤钻屑瓦斯解吸指标Δh2值的突出敏感性及其临界值

针对中国工作面突出预测敏感指标及其临界值的研究现状,通过理论分析、实验室实验和现场测试等方法,提出采用煤钻屑瓦斯解吸指标Δh2值作为工作面突出的判定理论和敏感指标的判定方法,以潘一矿13-1煤层采掘工作面为研究对象,选用"三率"法和"灰色关联"分析方法对提出的理论进行了验证。采用钻屑瓦斯解吸指标Δh2作为采掘工作面突出的判定方法,解决了敏感指标间相互交叉的问题和临界值模糊性难题,提高了敏感指标的适应性。     

基于瓦斯地质图的工作面突出区域预测技术

为了准确预测工作面的突出危险性,在整理分析工作面瓦斯地质资料的基础上,实测了大量的瓦斯基础参数,研究了15#煤层的吸附特征,提出并确定了工作面区域预测指标及临界值,研究了工作面的瓦斯赋存规律,编制了工作面瓦斯地质图,对工作面进行了区域预测,并对预测结果进行了验证.研究结果表明:15#煤层煤的吸附能力较强,以瓦斯含量10.0 m3/t和绝对涌出量4.0 m3/min作为预测指标和临界值是可靠的,采用瓦斯地质图方法进行工作面突出区域预测和分级管理,瓦斯赋存规律一目了然,预测结果可靠,预测方法简洁有效,便于现场操作.该成果对于防治工作面的煤与瓦斯突出具有一定的参考价值和指导意义.     

深井中厚煤层突出预测敏感指标临界值研究

“突出”已成为我国煤矿安全生产的主要隐患之一,“突出”防治成为矿井安全工作的重中之重.采掘工作面突出危险性预测预报敏感指标的确定是矿井综合防突体系中重要的环节,为了有效预测及防治深部矿井工作面采掘过程中煤与瓦斯突出事故,采用理论分析、实验室分析和现场试验相结合的多种研究手段,获得了试验区13 -1煤层突出预测敏感指标及...     

基于电磁辐射原理的煤与瓦斯突出危险性预测

为实现煤与瓦斯突出危险性的动态、连续预测,根据煤岩强度统计损伤理论,分析煤岩电磁辐射强度与应力关系,建立不同泊松比煤岩动力灾害与电磁辐射响应模型。利用基于该模型研制的KBD7在线式电磁辐射监测仪,对沈阳煤业集团红菱煤矿1200工作面集中运输巷和1204工作面回风顺槽进行连续监测,预测两工作面的煤与瓦斯突出危险性。结果表明:电磁辐射强度与常规预测指标、煤与瓦斯突出危险性有很好的相关性;1200掘进工作面电磁辐射临界值为49 mV,煤与瓦斯无突出危险预测准确率为100%,有突出危险预测准确率在70%以上;1204工作面未预测出瓦斯突出危险情况。该方法可实现煤与瓦斯突出危险性的非接触、动态、连续、定向及区域性监测,为煤矿安全生产提供了技术支持。     

浅谈煤与瓦斯突出的防治

煤与瓦斯突出是地应力和瓦斯压力的共同作用下的一种异常的动力现象,是制约煤矿安全生产的五大自然灾害之一。防治煤与瓦斯突出的措施主要采用突出危险性预测、防治突出措施、防空措施效果检验和突出防护措施在内的＂四位一体＂的综合防突措施。通过瓦斯抽（排）放钻孔释放采掘工作面及附近区域的部分瓦斯,降低采掘工作面的瓦斯压力,达到安全生产的目的。     

金佳矿7#煤层掘进工作面突出预测理论与实践

基于煤与瓦斯突出流变—突变机理,探讨了金佳矿7#煤层掘进工作面采用放炮后落煤瓦斯涌出量动态指标预测突出危险性,确定了指标临界值,并介绍了初步试验效果。     

金佳矿7^#煤层掘进工作面突出预测理论与实践

基于煤与瓦斯突出流变一突变机理，探讨了金佳矿7^#煤层掘进工作面采用放炮后落煤瓦斯涌出量动态指标预测突出危险性，确定了指标临界值，并介绍了初步试验效果。     

潘一矿煤与瓦斯突出危险性模式识别与概率预测

通过地质动力区划方法确定了区域地质构造背景.在查明多个突出影响因素与突出危险性之间的内在联系的基础上,建立了多因素模式识别模型,确定了煤与瓦斯突出概率预测准则,采用多因素模式识别概率预测方法完成煤与瓦斯突出危险性的区域预测.划分潘一矿井田的煤与瓦斯突出危险区、突出威胁区和无突出危险区,对煤与瓦斯突出危险性做出了评估,提高了瓦斯灾害预测的准确性.     

煤与瓦斯突出区域预测信息系统开发

煤与瓦斯突出复杂的矿井动力现象,在GIS技术支持下,研究矿井地质构造、煤体结构特征以及应力场等对煤与瓦斯突出的影响及相互间的关系,瓦斯空间分布状况及与灾害危险程度的关系.应用多种预测方法、指标和技术,开发煤与瓦斯突出区域预测信息系统,实现数据的可视化管理,提高预测的准确性和时效性,系统在淮南矿区得到了成功的应用.     

煤与瓦斯突出预测层次分析-模糊综合评判方法

将层次分析和模糊综合评判方法结合起来应用于煤与瓦斯突出预测研究中.运用层次分析法确定了煤与瓦斯突出各影响因素权重系数,采用隶属函数构造了单因素判别矩阵,并运用模糊综合评判法建立了煤与瓦斯突出预测模型. 对平顶山研究区典型工作面进行了瓦斯突出危险性的定量预测和突出等级划分.结果表明,应用层次分析-模糊综合评判方法预测煤与瓦斯突出强度是可行的.     

灰色系统理论在煤与瓦斯预测中的应用

将煤体温度变化、电磁辐射、声发射以及煤的破坏类型和煤层的地质构造综合起来考虑,应用灰色系统理论中的多维灰色评估方法,对煤与瓦斯突出灾害进行预测,以提高瓦斯突出预测预报的准确性。并编制了煤与瓦斯突出预测预报软件,为煤与瓦斯突出预测提供一种新思路和新方法。     

煤层突出危险性预测的可拓方法

合理选择突出主控因素及预测方法是提高煤层突出危险预测准确性的有效途径.首先探讨了煤层突出危险性的影响因素,并确定了煤层突出的主控因素.然后将可拓理论用于煤层突出危险性预测,建立了煤层突出危险性预测的可拓方法.最后以淮南矿区部分煤样为例进行了分析.实例应用表明,该方法计算简便,预测结果可靠,实用性强,为煤层突出危险性预测提供了一种新方法.表3,参13.     

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.     

基于案例推理和数据融合的煤与瓦斯突出预测

为了实现对煤与瓦斯突出快速、准确和动态预测,确保煤矿安全生产,考虑影响煤与瓦斯突出多种因素,提出了一种基于案例推理和数据融合技术的煤与瓦斯突出预测方法.利用基于均值的分批估计融合方法对判别煤与瓦斯突出指标的多传感器数据进行处理以获取更为准确、可靠的数据以提高预测准确性,以获得的多种判别煤与瓦斯突出指标数据为输入利用案例...     

采掘工作面煤与瓦斯突出预测专家系统的研制

在全面分析了采掘工作面煤与瓦斯突出影响因素的基础上 ,构建了突出预测推理知识模型 ,借助XF6 .1开发工具 ,结合焦作东部矿区实际地质构造 ,设计实现了基于Windows平台的工作面煤与瓦斯突出预测专家系统 ,结果表明 ,此专家系统能以专家级水平对王作面煤与瓦斯突出灾害做出比较准确的预测 ,从而保障煤矿的安全生产。     

煤与瓦斯突出预报数据关联性的聚类分析

合理地选择突出控制因素是进行突出预测的关键技术之一．首先给出了基于系统聚类的突出预报数据关联性分析方法，通过DB Index准则判断聚类模型的有效性．然后研究了煤与瓦斯突出控制因素的选择规则．最后以平顶山煤矿为例，分析了该矿突出预报数据间的关联性，得到了相应的变量聚类树，并选择了主要的突出控制因素．仿真结果验证了所提出的突出控制因素选择方法的合理性和有效性．图2，表3，参11．