彬长大佛寺矿井涌水量时序预测

为提高矿井涌水量预测精度,解决矿井涌水量预测无法及时响应动态变化的问题,构建一种基于模态分解和深度学习的矿井涌水量多因素时间序列组合预测模型。使用变分模态分解和灰色关联分析筛选主控因素,通过双向长短期记忆网络和卷积长短期记忆网络对高、低频模态分量进行预测。结果表明:对比不同时序预测模型,变分模态分解可以有效捕捉时序数据中的长期依赖关系,提供了更加准确的长期时序数据预测能力;经过鲸鱼优化、贝叶斯优化算法对不同频率模态分量的处理,有效降低了高频部分的无序性、复杂性并优化了较为线性、缓慢的低频部分;验证了矿井涌水量时序预测中的变分模态深度学习组合模型的有效性和适用性,预测精度满足生产需求。该理论丰富了矿井涌水量时序预测方法,对煤矿水害预防具有一定的理论意义。

基于深度学习的LSTM-GRU复合模型矿井涌水量预测方法研究

为了解决矿井涌水预测问题,引入深度学习理论,将长短期记忆网络(LSTM)和门控循环单元(GRU)进行结合,选取矿井涌水量为研究对象,建立一种LSTM-GRU的矿井涌水预测模型。以陕西某矿的矿井涌水量为样本数据,采用7∶3的比例将数据集划分为训练集和测试集,选择模型训练效果较好的梯度下降算法确定网络模型参数和正则化参数,为了证明LSTM-GRU模型的预测精度,同时将结果分别与传统的ARIMA模型和LSTM模型预测矿井涌水所得到的预测结果进行对比。结果表明:LSTM-GRU复合模型的平均绝对百分比误差(RMSE)为70.51,均方根误差(MAE)为53.4,平均绝对误差(MAPE)为2.80%,可决系数(R^(2))为0.86,具有较高的预测精度和可靠性,预测效果优于传统的ARIMA模型和LSTM模型。

内蒙古母杜柴登煤矿3^(-1)煤充水条件及矿井涌水量预测

母杜柴登煤矿矿井涌水量大,且属于高矿化度水,面临着大量疏排矿井涌水和矿井水地面处理的压力。在分析矿区地质及水文地质条件的基础上,认为开采3^(-1)煤层时,矿井水来源于3^(-1)煤顶板─直罗组底界砂岩含水层,包括直罗组底部中、粗粒砂岩含水层和3^(-1)煤顶板延安组三段砂岩含水层。运用大井法和达西定律计算的30209工作面涌水量分别为931m^(3)/h、919m^(3)/h,与实际接近。研究可为工作面侧向注浆封堵(含水层改造)、帷幕截流减量的可行性和减量程度提供依据。

矿井涌水量预测方法及对比分析-以新疆东沟煤矿为例

矿井涌水量的预测对煤矿的安全生产具有重要意义。水文地质参数的准确选择、计算方法的选择对矿井涌水量的准确预测影响巨大,同时考虑到矿井开采实际,涌水量不是从开采初期就稳定不变的,而是动态变化的。为提升涌水量预测的准确度,更好地为煤矿开采服务,在分析新疆东沟煤矿地质及水文地质条件,选取准确水文地质参数的基础上,选择了2种适用于东沟煤矿的涌水量预测方法进行了对比分析。计算结果表明:①非稳定流释水-断面流法计算得到的涌水量呈现动态变化特征,采掘强度稳定后,变化幅度变小,最后趋于稳定;②采用大井法、非稳定流释水-断面流法计算得到的预测涌水量分别为3396、599.87~612.9 m^(3)/d与实际涌水量480 m^(3)/d分别相差607.5%>24.97%~27.69%;③根据矿井实际开采产生的涌水量数据验证分析,采用非稳定流释水-断面流法计算得到的涌水量与实际开采产生的涌水量基本吻合,涌水量预测结果的准确度依次为非稳定流释水-断面流法>大井法;④在资料充足、参数准确的情况下,建议优先选择非稳定流释水-断面流法计算涌水量,在补水边界条件差且符合大井法要求的条件下建议首先选用大井法。本次计算结果一方面充分验证了非稳定流释水-断面流法的准确度,另一方面为煤矿矿井涌水量计算提供了借鉴,同时也为东沟煤矿的安全生产提供了数据支撑。

BP神经网络在煤矿井下涌水量预测中的应用

矿井涌水量受到多种因素的共同影响,具有非线性和高度复杂性的特点。根据黄陵一号煤矿井下涌水量影响因素及2014—2018年的涌水量数据,采用2种不同的输入神经元的方法创建神经网络预测模型,用已知数据对创建好的模型进行训练,得到拟合精度较好的模型,并用得到的神经网络模型对涌水量进行预测,最后与实际值进行比较。结果表明,2种神经网络模型的预测结果精度都较好,但预测精度有差异,用涌水量影响因素为输入神经元的模型在短期预测精度上低于涌水量组合作为输入神经元的模型;而在长期预测方面,涌水量影响因素为输入神经元的模型预测精度高于涌水量组合作为输入神经元的模型。

Bi-RNN与GMS耦合的金属露天矿井涌水量预测

【目的】在矿井实际生产过程开始前,准确预测涌水量对预防矿井潜在水害事故和保障安全生产具有重要的直接指导作用。【方法】为提升以大气降水为主要补给来源的露天矿井涌水量预测的准确性与稳定性,提出一种结合双向循环神经网络(bidirectional recurrent neural network,Bi-RNN)和地下水数值模拟系统(groundwater modeling system,GMS)的涌水量预测耦合模型。该模型通过对全球预报系统数据(global forecast system,GFS)提供的研究区内历史预报降水与实际降水之间差值的波动规律进行分析,利用Bi-RNN对预报降水数据进行校正,将校正后的降水数据输入GMS中以预测南北2个开采区的涌水量。同时,采用传统的大井法和补给模数大井法对开采区涌水量进行预测,并对比不同方法的预测结果。【结果和结论】结果表明:北部开采区耦合模型预测结果为294 m^(3)/d,大井法预测结果为276.651~940.613 m^(3)/d,补给模数大井法预测结果为287.241 m^(3)/d;南部开采区耦合模型预测结果为1 160 m^(3)/d;大井法预测结果为3 330.107~5 090.944 m^(3)/d,补给模数大井法预测结果为1 108.575 m^(3)/d。研究表明,所建立的耦合模型在预测露天矿井涌水量方面取得了一定成果,作为一种结合多数据源的预测方法具有一定优势。该模型为解决矿井涌水量问题提供了新的思路和技术支持,具有较高的理论价值和实际应用潜力。

相空间重构后矿井涌水量序列地质学含义及其应用研究

目的为了确定相空间重构矿井涌水量序列的地质学含义并提高涌水量预测精度,方法以王行庄矿为例,在涌水量序列相空间重构后,对重构后相空间列向量与涌水量主控因素进行相关性分析,并在此基础上建立混沌理论与人工神经网络耦合(Chaos-ENN)的涌水量预测模型。结果结果表明:相空间的嵌入维数等于矿井涌水量主控因素个数;相空间的第1,2,4,5,6列向量分别与C_(2)tL_(7-8)含水层水位埋深、O_(2)m+Є_(3)ch含水层水位埋深、采空区面积、C_(2)tL_(1-4)含水层水位埋深、开拓长度具有较高的相关性,第3列与不易量化的其他综合因素有关;构建的Chaos-ENN涌水量预测模型在王兴庄矿的预测精度达到97.91%。结论涌水量序列重构后相空间的列向量具有明确的地质学含义。利用混沌理论可以量化涌水量预测模型中ENN输入层的个数及取值,所以仅需涌水量序列值就可以建立矿井涌水量预测的Chaos-ENN模型,该模型解决了涌水量预测中存在的主控因素难以确定和不易量化的难题,且预测精度高,具有较高的推广价值。

煤矿充水因素评价及涌水量预测

含水层、老窖水以及采空区积水等水源对煤矿安全生产带来威胁。以山西省某煤矿为例,分析充水因素,并对采用富水系数比拟法对涌水量进行预测,有利于煤矿防治水工作开展,对井下安全生产具有重要意义。

基于BP神经网络的孔隙充水矿井涌水量预测

文章分析了孔隙充水矿井的充水水源和通道,利用非线性的BP人工神经网络建立了徐州韩桥煤矿涌水量短期预测模型,选取每天的降水量作为影响因子,用已有的涌水量资料训练得到权值和阈值来表示充水通道,并对-200m水平、-270m水平、-330m水平和全矿井涌水量进行了预测。结果显示,涌水量的预测值与实测值吻合得较好,说明该模型具有一定实用性。

灰色理论在预测深埋型矿井涌水量中的应用

煤矿地下水动态的预测预报始终存在着计算过程复杂、计算量大、且难以兼顾影响矿井充水的各种因素、精度较低的特点;灰色系统理论则具有高度的概括性、简单的计算过程和极佳的预测精度,因此在工程界得到了广泛的应用。然而,用于矿井涌水量预测的不多,文章以灰色理论GM(1,1)模型为基础、在这方面进行了尝试,效果甚佳。

基于Visual Modflow的矿坑涌水量模拟预测评价

白涧铁矿是河北邯邢地区典型受"大水"威胁的深部矿体,在详细分析该区域矿床水文地质条件的基础上,运用Visual Modflow软件对该区域地下水流进行了数值模拟分析,模型的识别与检验表明,所建立的模型能够较好地反映区域水文地质条件。应用识别后的模型预测了白涧铁矿涌水量,并分析了白涧疏水后对区域环境的影响。

矿井涌水量灰色GM(1,2)预测模型

基于矿井涌水量序列具有明显的随机性和灰色特征,建立涌水量GM(1,2)预测模型,以克服灰色GM(1,1)模型对于随机波动大的长序列预测效果差的缺点。以王行庄煤矿为例,针对2012年7月至2013年12月王行庄煤矿18个月的涌水量资料,考虑与之密切相关的L7-8灰岩含水层水位降深,建立了矿井涌水量GM(1,2)预测模型;预测了2014年1—4月的涌水量;并与GM(1,1)预测模型进行模型精度与预测精度的比较。结果表明:GM(1,2)模型的预测精度达到了97.44%,GM(1,1)模型的预测精度为92.60%,GM(1,2)模型明显提高了矿井涌水量的预测精度。

多元回归分析在矿井涌水量预测中的应用

为了提高矿井涌水量预测的精度,基于多元回归分析法,以可能影响涌水量的累计采空面积、累计煤炭产量、累计采掘进尺、采厚为主要影响因子,对涌水量进行预测研究。利用SPSS软件分析相关程度、Matlab软件绘制散点图,并对其进行了多元非线性回归分析,得到了矿井涌水量的非线性预测公式。通过矿井实例进行验证,结果表明使用多元回归分析法对矿井涌水量的预测具有较高的精确度。

Visual Modflow模型在白涧铁矿区矿井涌水量预测中的应*用

在分析确定白涧矿区水文地质边界条件的基础上,运用实测资料对Visu-almodflow模型进行识别和验证,同时修正了含水层的参数,修正后的模型较为可靠,可用于白涧矿区涌水量的预测。依据矿区奥灰含水层边界条件和渗透系数的不同,设计了-200 m和-400 m水平面不同边界及渗透系数三个方案对矿井的涌水量进行预测。结果表明:方案2的涌水量比较合理,能较真实的反映白涧铁矿矿体分布区水位疏降至-400 m时的涌水量情况,预测其涌水量为7 505 m3/h。

开采过程中矿井涌水量动态预测研究

为解决矿井涌水量预计误差较大、矿山排水能力无法适应矿井突水的问题,以山东龙固矿井为对象,根据矿井涌水量多年动态变化规律分析影响矿井涌水量大小的主要因素,揭示采动过程中充水因素变化对涌水量大小的影响,并在此基础上,采用数值法实时预测采掘进程中矿井涌水量的动态变化。结果表明,与以往采区范围固定不变的模拟方法相比,考虑按工作面开采的时间先后顺序进行涌水量的预测,实时调整新采区内的虚拟开采井,此种预测方法使矿井涌水量预测结果更逼近真实,减小了计算误差。

基于R/S分析的矿井涌水量灰色预测

矿井涌水量序列具有分形和灰色特征,将R/S分析与灰色系统理论相结合,提出了R/S灰色预测模型以预报矿井涌水量。并以龙门矿为例,对其矿井涌水量进行了R/S分析,确定了Hurst指数和平均循环周期;还在一个周期内进行了涌水量灰色预测。结果表明:龙门矿矿井涌水量平均循环周期为10个月;原本无法进行灰色预测的矿井涌水量序列,经R/S分析后不但可以进行灰色预测,而且预测精度达97.54%,明显高于成熟模型—灰色马尔科夫预测模型的精度。该方法拓宽了分形和灰色理论在涌水量研究中的应用范围。

复杂水文地质条件下矿井涌水量预测研究

充分认识和准确概化矿井水文地质条件决定了矿井涌水量预测的准确性,文章通过对研究区地质、物探资料的分析研究,认为研究区内构造对地下水运移起着控制作用,南北边界形成不同的水文地质边界条件,上下含水层在断裂构造处具有很强的水力联系。引入映射理论,利用直线隔水边界附近的井流模型对矿井涌水量进行预测,并结合矿井开采特征和实际观测资料进行了验证,预测结果具有较强的指导意义。

矿井顶板涌水量的模糊预测与防治决策研究

着重介绍了顶板水的防治决策推理方法和在用信息拟合方法完成的顶板富水性分区基础上的顶板涌水量模糊预测方法。南屯矿的应用实例表明 ,预测结果与实际情况一致。

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。