基于TreeNet算法的煤与瓦斯突出预测模型构建研究

针对煤与瓦斯突出矿井防突措施实施过程中,大量的突出预兆信息没有被充分利用,难以指导煤矿有效预测突出的问题,提出了采用CART算法构建突出预兆工程信息测试样本空间,采用分步式迭代逼近方式的TreeNet算法的煤与瓦斯突出预测模型构建方法,通过建立分类预测模型,通过算法找到了测试样本中的重要预测变量,同时通过预测变量对目标变量的贡献归因分析,得到了预测指标取值的最危险区间,以此构建矿井突出预测敏感指标体系。通过对原利民煤矿历年突出资料进行测试分析,发现坚固性系数、最大钻屑量、瓦斯涌出量对突出发生有着较为明显的对应关系,可作为该矿井煤与瓦斯突出预测的敏感指标。研究结果表明:基于TreeNet算法的煤与瓦斯突出预测模型构建是一种机器学习的工作面预测指标的敏感性判别方法,可用于煤矿建立工作面突出预测敏感指标体系。

一种新型煤与瓦斯突出钻测一体化设备的研制

针对具有突出危险的煤巷进行掘进预测手段不完善、出现"低指标"突出和预测准确度不高的现象,提出了一种多元信息预测模型,并研制了一种新型煤与瓦斯突出危险性参数钻测的一体化设备。现场使用效果表明,该新型钻测一体化设备可对煤与瓦斯突出相关参数进行测量,实现多参数、多层次及多模型的多元信息预测模式。