我国煤与瓦斯突出预测与预警研究现状

煤与瓦斯突出是制约煤矿安全生产的重大灾害之一。我国煤层赋存环境复杂多变。针对时有发生的突出灾害事故,为了进一步提高突出预测和预警的准确率。梳理了突出发生机理的研究进展,指出地应力、瓦斯、煤体物理力学性质仍是防治突出的关键三要素,预测和预警的指标仍以此为基础;总结了突出预测的发展现状,指出预测的方法主要有单指标法、综合指标法和多属性指标法。主要存在预测位置局部、预测时间不连续、适应性差等不足;分析了突出预警的关键进展,指出基于突出孕育过程中的地应力、瓦斯、煤体演化机理,主要有声发射监测、电磁辐射监测、微震监测、瓦斯浓度时序监测,以及声电瓦斯综合监测预警方法。由于监测数据精度低、预警结果准确率低等不足而影响现场应用效果。基于当前突出预测和预警现状,以及煤矿安全智能化的需求,提出未来研究展望:突出预测应在启动判据与强度预测上,同时发展精细化、可量化指标;突出预警应跟踪指标的非线性变化,发展基于理论指标的趋势预警,基于事故经验的匹配预警,以及基于监控数据挖掘的前兆预警。通过组合预警模型,将定性与定量预警相结合,形成基于理论-经验-数据多重驱动组合预警模型,进一步提高预警准确率。同时发展矿山数字孪生建设,形成整体、连续、准确的煤矿突出灾害可视化智能预警。

基于CS-LSTM的工作面瓦斯浓度智能预测研究

为充分挖掘瓦斯浓度监测数据的变化规律,实现工作面瓦斯浓度的准确预测,提出了一种基于CS-LSTM的工作面瓦斯浓度智能预测模型。采用样条插值法对瓦斯浓度监测数据的缺失值进行插补,再进行无量纲化处理,得到训练样本;利用布谷鸟搜索(CS)算法对长短期记忆网络(LSTM)的隐藏层层数及其神经元个数、全连接层层数及其神经元个数等4个超参数进行寻优,建立最优瓦斯浓度预测模型,并预测工作面未来12 h的瓦斯浓度。研究结果表明:与LSTM及基于遗传算法(GA)的LSTM模型预测结果相比,在相同迭代次数下,CS算法具有更好的全局寻优能力,有效避免了GA算法易陷入局部最优的不足;基于CS-LSTM预测模型的均方根误差(RMSE)为0.023,该模型与其他2种模型相比精度较高,预测效果较好。