基于SVM的煤与瓦斯突出区域预测研究

支持向量机是 20 世纪 90 年代中期兴起的基于结构风险最小化原理的机器学习技术,各项技术性能尤其是泛化能力具有明显优势。基于支持向量机构建了煤与瓦斯突出预测模型。首先,按 SVM 的二类划分最优分类面和样本混杂区的边界将特征空间细划为 3 个区域,由此建立了可将突出危险性划分为突出危险、突出威胁、安全 3个级别的煤与瓦斯突出的 SVM 模型。再将 SVM 的二类划分最优符号函数改为距离函数,用这个距离函数和混杂区尺寸 u1和 u2建立了突出危险性等级指标函数,在突出区侧的混杂区边界取值为 1,在非突出区侧的混杂区边界取值为-1。用此指标预测函数对潘一矿 13–1 煤层的 26 次实例突出样本和 34 个非突出样本作了分析研究,对大量参数和学习算法进行了学习和检验,获得了用于潘一矿 13–1 煤层的突出预测指标函数,结果表明用此方法可大大提高预测准确率,是一个科学可行的解决途径,具有广泛的应用前景。

通顺公司2号煤层钻屑瓦斯解吸指标临界值的实验研究

针对当前局部突出预测敏感指标的临界值确定不合理、现场考察误差较大的问题,在实验室对不同吸附平衡压力条件下的钻屑瓦斯解吸指标Δh2值和K1值进行模拟测定。研究发现,Δh2值和K1值随着吸附平衡压力的变化呈现幂函数关系,Δh2值和K1值存在良好的线性关系。最后通过对实验室模拟数据和现场实测数据的综合分析,论证了通顺公司2号煤层的局部突出预测敏感指标Δh2值和K1值的敏感性并确定了敏感指标临界值的大小,为准确预测工作面的煤与瓦斯突出危险性提供了依据。

矿井瓦斯定量预测评价熵值模型及其应用

提出了矿井瓦斯预测的定量评价方法,建立了影响矿井瓦斯突出的评价指标体系,包括矿井通风量、煤层瓦斯压力、瓦斯气体浓度、瓦斯涌出速度、开采深度和煤的坚固性系数。采用模糊数学综合评价方法对焦作九里山煤矿进行了综合评价研究,通过隶属函数并结合专家打分获得各个因素的评价矩阵,结合信息熵法获得研究区的瓦斯突出危险性等级。

钻屑瓦斯解吸指标与瓦斯含量关系的实验研究

依据煤矿钻屑瓦斯解吸指标K1值的测定原理,对山西晋城大宁煤矿3#煤层的6个煤样进行了K1与瓦斯压力p关系的测定,结合实测煤样的工业分析参数,研究了钻屑瓦斯解吸指标K1随煤层瓦斯含量W的变化特性,结果表明:钻屑瓦斯解吸指标K1与煤层瓦斯含量W之间有显著的相关性,两者之间呈现很好的指数函数关系,且在瓦斯含量低值区两者符合线性关系。