基于BP神经网络的煤自然发火预报系统

针对煤矿自然发火的预测问题,在指标气体分析法的基础上,构建BP神经网络,选取CH4/CO、O2/CO2这2组指标气体浓度比作为网络的输入以降低通风条件的影响,经过训练后,判断检测点是否发火并以0或1的形式输出。网络经过43次训练后,误差达到预设的范围(<0.000 1)。研究表明,利用BP神经网络处理从煤层收集到的气体浓度并作出发火预报是可行的且具有相当优势的。

基于LVQ神经网络的煤自然发火预测系统

针对煤层自然发火的预测问题,以标志气体分析法为基础,利用LVQ(学习向量量化)神经网络模型结构简单,非线性拟合能力强大等特点,提出了一种基于学习向量量化神经网络的煤自然发火预报系统。该系统将直接构造出指标气体浓度与煤层是否自然发火之间的非线性映射关系,从而实现对煤层是否自然发火的识别分类。经研究分析表明,采用LVQ神经网络模型处理束管监测系统从煤层中采集的指标气体浓度并作出自然发火预测预报的方法比BP网络预测正确率高,运行时间短,且比传统预测方法更具优势。

浅谈煤自燃火灾的预测预报

煤炭自燃火灾严重影响了煤矿的安全与生产。为了控制煤矿火灾的发展和蔓延,煤自燃火灾的预测预报显得尤为重要。介绍了当前煤矿自燃火灾预测预报的主要技术及其原理和利用现状,对煤自燃火灾的早期预测预报有一定的指导作用。

基于极限学习机的煤自然发火预测研究

针对煤层自然发火的预测问题,以标志气体分析法为基础,提出了一种基于极限学习机的煤自然发火预报模型,该模型将直接构造出指标气体浓度与煤层是否自然发火之间的非线性映射关系,从而实现对煤层是否自然发火的识别分类。

基于指标气体的BP神经网络煤自燃预测系统

针对煤矿自然发火的预测问题,在指标气体分析法的基础上,构建BP神经网络,选取CH4/CO、O2/CO2这两组指标气体浓度比作为网络的输入以降低通风条件的影响,经过训练后,判断检测点是否发火并以0或1的形式输出。网络经过43次训练后,误差达到预设的范围(<0.000 1)。研究表明,利用BP神经网络处理从煤层收集到的气体浓度并作出发火预报是可行的且具有相当优势的。

石炭二叠系高瓦斯近距离煤层组自然发火预测预报综合指标体系

针对西山矿区石炭二叠系矿高瓦斯近距离煤层组自然发火的特点,研究了煤升温氧化过程中气体产物规律及特性,分析与优选了煤样自然发火标志气体,系统性地建立了适用于石炭二叠系煤层的包括碳氢气体产物的绝对量、相对量、比值、二次推导系数在内的自然发火预测预报综合指标体系。

国家自然科学基金项目“基于同位素指纹图谱溯源技术的矿井CO异常来源解析研究”(51974128)的研究进展

1研究背景及意义煤自燃火灾是矿井生产过程中的重大灾害之一,不仅造成煤炭资源浪费,还会引起瓦斯煤尘爆炸,严重威胁着矿井的安全生产。目前,煤自然发火预测预报主要采用气体分析法,co指标气体具有很强的规律性、敏感性和易检测性,已被广泛用于煤自然发火早期预测预报。