共查询到18条相似文献，搜索用时 418 毫秒
1.
2.
本文在分析前人有关涌水量研究工作的基础上，针对矿井涌水量特点，通过仔细分析安源煤矿多年矿井最大、最小涌水量之间的关系，建立了开采水平（Ｈ）与最大、最小涌水量变幅系数之间的关系，并以此来进行矿井最大涌水量预测。 相似文献
3.
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。 相似文献
4.
5.
在论述矿井水文地质特征的基础上,分析了矿井的涌水来源,认为上组煤主要涌水来源是煤层顶板的基岩裂隙水。下组煤主要涌水水源是太原组灰岩水和奥灰水。结合矿井近年来涌水状况及抽水试验参数,采用含水系数法、达西定律与＂大井法＂对矿井涌水量进行了预测,预算结果与矿井涌水量真实情况相接近,建议矿方在开采下组煤奥灰岩溶水带压区时,应配置不低于最大预测涌水量的强排系统,确保矿井安全生产。 相似文献
6.
基于BP神经网络的降雨充水矿井涌水量预测 总被引：1，自引：0，他引：1
长沟峪煤矿矿井涌水量受降雨影响显著,曾经因降雨造成淹井事故。文章分析了长沟峪煤矿矿井充水因素及其影响程度,建立了矿井涌水量预测的BP网络模型,通过对2006年和2007年＋141水平和＋20水平矿井最大涌水量预测验证了该模型的可行性,并据此对不同降雨条件下的矿井涌水量进行了预测。 相似文献
7.
矿井涌水量混沌特征与预测 总被引：2，自引：0，他引：2
由于受到水文地质、矿井开采等因素的影响, 矿井地下水系统的演化不仅具有确定性也具有随机性, 采用单一的确定性方法或随机性方法都难以揭示矿井地下水系统演化的两面性.混沌理论将确定性分析方法和随机性分析方法两者实现了统一.矿井涌水量时间序列是地下水系统中各要素相互作用的结果, 它包含着该动力系统的信息.基于刘桥二矿水文地质背景分析, 采用混沌时间序列分析方法对该矿的矿井涌水量时间序列进行建模、分析, 得出了其Lyapunov指数为0.1427, 表明刘桥二矿涌水量具有混沌特征.利用建立的模型, 选择2004年4月至2005年2月间的矿井涌水量时间序列进行验证, 结果表明, 利用混沌时间序列分析方法预测矿井涌水量是可行的且具有较高的精度. 相似文献
8.
集贤矿区地质勘探报告中预测的矿井涌水量是250m^3／h，但目前矿井实际涌水量达1700～2000m^3／h，通过对开采前后水文地质资料的分析对比与研究认为，对矿井开采后地下水动力条件的变化缺乏足够认识，采用的矿井涌水量预测模型与实际情况不符是导致预测的矿井涌水带与实际涌水量相筹很大的主要原因。 相似文献
9.
在充分分析新登煤矿的矿井充水因素的基础上,对该矿井涌水量的构成,及其与降水量、开采水平等因素的关系进行评价,并利用解析法、比拟法预算了第三水平的矿井涌水量.在与以往勘探成果进行对比后,找出了以往认识上存在的差距,提高了进行下一水平开采在水文地质条件上的认识程度. 相似文献
10.
蒙陕接壤区侏罗系深埋煤层开采过程中,掌握不同阶段矿井涌水量变化规律,是保障煤矿安全的关键。从含水层发育特征、巷道掘进进尺、采空区半径等方面开展了相关研究,结果表明:蒙陕接壤区煤层顶板导水裂缝带范围内的3层复合含水层,富水性差异较大,分别对巷道掘进阶段和工作面回采阶段涌水量影响较大。煤矿建井阶段,矿井涌水量随着巷道掘进进尺增加而增加,但单位进尺涌水量变化不大,平均涌水量为0.008 32 m3/（h·m）。工作面回采前将钻孔水量降至5.0 m3/h以下,水压降至1.0 MPa左右,实现了顶板含水层静储量充分疏放目标。首采面和接续面回采阶段,矿井涌水量呈"阶梯式"平稳增加,矿井涌水量与采空区半径呈线性正相关关系。通过对侏罗系深埋煤层开采过程中矿井涌水量变化规律和影响因素的研究,可以为其他矿井建设和工作面回采提供安全保障和科学依据。 相似文献
11.
针对煤层底板突水预测问题,在总结现有突水预测方法和理论的基础上,通过特征选择实验得出水压、距工作面距离、砂岩段厚度、煤层厚度、煤层倾角、断层落差、裂隙带、开采面积、采高、走向长度是影响突水发生的主要因素,这些因素具有复杂、非线性的特点。提出基于长短时记忆（LSTM）神经网络构建的突水预测模型,将煤矿突水实例的数据作为样本数据对模型进行训练。最后,将LSTM神经网络模型与遗传算法-反向传播（GA-BP）神经网络模型和反向传播（BP）神经网络模型进行对比实验。实验结果表明,LSTM神经网络模型在测试集上的预测正确率更高,稳定性更好,更适用于煤层底板突水预测。 相似文献
12.
随煤层开采深度的不断增加,煤矿生产过程中面临着复杂的突水机理和多变的突水主控因素,且各因素间相互联系的不确定性,使底板突水预测的难度不断增加。为准确预测底板突水危险性,针对底板突水的小样本、非线性问题,首先利用遗传算法(Genetic Algorithm,GA)将网络随机赋值的初始权值和阈值初次优化,再选取搜索能力强、稳定性较好的麻雀搜索算法(Sparrow Search Algorithm,SSA)对权值和阈值进行二次寻优,从而建立SSA-GA-BP神经网络底板突水预测模型。分析整理山东省滨湖煤矿地质及水文地质资料,选取含水层水压、含水层厚度、隔水层厚度、断层密度、断层分维值、渗透系数、单位涌水量、底板破坏深度共8个因素,作为预测底板突水的主控因素,绘制各主控因素3D映射投影曲面图;利用Surfer软件中的克里金插值法提取50个数据点作为模型的输入样本(分为训练集40个,测试集10个),对模型进行训练学习,训练误差精度达到要求后,对滨湖煤矿3个未开采工作面的12个数据点进行突水危险性预测。为了验证所建模型的准确性,利用BP、GA-BP、SSA-GA-BP这3种模型对测试集进行预测;为避免模型仅与BP网络预测对比的片面性,同时选取以熵权法确定权重的模糊综合评判法对测试集进行预测;将各网络模型及方法的预测结果与实际值进行对比分析。结果表明:基于SSA优化的GA-BP神经网络模型突水预测误差较小,预测结果准确率更高,为矿井水害预测预报提供了科学的评价方法和理论依据。 相似文献
13.
矿井涌水量的准确预测对预防矿山透水事故的发生至关重要,提出利用GA优化的SVM模型（GA-SVM）来实现矿井涌水量的短期准确预测。该方法利用GA的自动寻优功能寻找SVM的最佳参数,提高了预测的准确率。首先,利用微熵率法求矿井涌水量时间序列的最佳嵌入维数和延迟时间,进行相空间重构。其次,采集义煤集团千秋煤矿2011—2015年实际涌水量的时间序列,利用GA-SVM模型对最后12组数据进行预测,其预测平均绝对百分比误差仅为0.92%,最大相对误差为2.62%。最后,与PSO-SVM和BP神经网络预测进行对比,结果表明GA-SVM优化模型适用于矿井涌水量的预测并且预测精度较高。 相似文献
14.
Factures caused by deformation and destruction of bedrocks over coal seams can easily lead to water flooding(inrush)in mines,a threat to safety production.Fractures with high hydraulic conductivity are good watercourses as well as passages for inrush in mines and tunnels.An accurate height prediction of water flowing fractured zones is a key issue in today's mine water prevention and control.The theory of leveraging BP artificial neural network in height prediction of water flowing fractured zones is analysed and applied in Qianjiaying Mine as an example in this paper.Per the comparison with traditional calculation results,the BP artificial neural network better reflects the geological conditions of the research mine areas and produces more objective,accurate and reasonable results,which can be applied to predict the height of water flowing fractured zones. 相似文献
15.
Factures caused by deformation and destruction of bedrocks over coal seams can easily lead to water flooding (inrush) in mines, a threat to safety production. Fractures with high hydraulic conductivity are good watercourses as well as passages for inrush in mines and tunnels. An accurate height prediction of water flowing fractured zones is a key issue in today's mine water prevention and control. The theory of leveraging BP artificial neural network in height prediction of water flowing fractured zones is analysed and app-lied in Qianjiaying Mine as an example in this paper. Per the comparison with traditional calculation results, the BP artificial neural network better reflects the geological condi-tions of the research mine areas and produces more objective, accurate and reasonable results, which can be applied to predict the height of water flowing fractured zones. 相似文献
16.
The prediction and prevention of floor water inrush is directly related to the safety of the coal mine production. The previous evaluation method of floor water inrush was more one-sided and lacked main control factors related to mining conditions. In order to evaluate the floor water inrush more accurately, under the project background of geological data of Wanglou coal mine, stope width, mining depth, fault scale index, water pressure, water abundance and thickness of aquifer were selected as main controlling factors of floor water inrush. Combined with the subjective weight analytical hierarchy process and the objective weight variation coefficient method, the weight coefficients corresponding to the main controlling factors were obtained respectively. The thematic map of the risk assessment of coal seam floor water inrush was drawn by combining the constructed comprehensive weight vulnerability index model and geographic information system. The results show that: ① according to the actual geological data of mine, two fault related factors were removed. And stope width and mining depth were increased as the main controlling factors to evaluate floor water inrush. It is easier to compare and calculate the weight of evaluation factors. ② The constructed comprehensive weight vulnerability index model can comprehensively evaluate the risk of floor water inrush. And the results of the evaluation are more accurate. ③ The related thematic maps can directly reflect the risk of floor water inrush, which is of guiding significance for the prediction and prevention of coal seam floor water inrush. 相似文献
17.
18.
导水裂隙带高度是西部矿区保水采煤的理论依据和关键参数。近年来,BP神经网络广泛应用于导水裂隙带高度预测,但BP神经网络存在收敛速度慢、易陷入局部极小等问题。为提高导水裂隙带高度预测的准确性,利用粒子群优化算法(PSO)对BP神经网络的权值和阈值进行优化,建立基于PSO-BP神经网络的导水裂隙带高度预测模型。选择开采厚度、开采深度、工作面倾斜长度、煤层倾角、覆岩结构特征为导水裂隙带高度主要影响因素,选取22例导水裂隙带高度实测数据对PSO-BP神经网络进行训练,将训练后的PSO-BP神经网络对2例测试样本的预测结果与实际值进行对比,并与BP神经网络预测模型及经验公式预测结果进行对比。结果表明:PSO-BP神经网络预测模型的平均相对误差为1.55%;BP神经网络预测模型的平均相对误差为4.8%,经验公式的最小相对误差为9.4%,PSO-BP神经网络预测精度明显优于BP神经网络和经验公式,且绝对误差和相对误差变化较稳定,可以有效预测导水裂隙带高度。 相似文献