煤与瓦斯突出预测论文

煤与瓦斯突出预测论文（精选11篇）

煤与瓦斯突出预测论文 篇1

神火集团薛湖煤矿井田面积约73.95 km2,首采区采用立井单水平条带开采,后期为上下山开拓,主采二2煤层,煤层平均厚2.23 m,煤层层位稳定,结构简单,矿井设计生产能力1.2 Mt/a。薛湖煤矿由于受永城隐复背斜控制和影响,区域构造形态局部复杂化,断裂构造较发育,全井田共发育断层65条,其中落差大于100 m的断层9条、落差100～50m的断层5条,构造复杂程度为中等。矿井二2煤层原始瓦斯压力为1.2 MPa,东翼胶带大巷掘进过程中发生过煤与瓦斯动力现象。

1 煤与瓦斯突出危险性预测

薛湖煤矿区域突出危险性预测采用单因素指标和综合指标2种方法综合预测,来判断煤层是否具有潜在突出危险性。

1.1 单项指标法预测分析

根据矿井二2煤层的巷道揭露条件,选择在井底车场石门5#交叉点(测点1)及南石门下山变平后N12点前32 m处(测点2)测定瓦斯压力、煤样破坏类型、煤的坚固系数f及瓦斯放散初速度ΔP,经现场及实验室试验得出:矿井二2煤层测点1和测点2处煤的破坏类型分别属于Ⅳ类煤和Ⅲ类煤,均属构造煤;2处相对瓦斯压力分别为1.12,1.70 MPa,均大于0.74 MPa;煤样的坚固性系数f分别为0.220 0,0.405 9,均小于0.500 0;煤层的瓦斯放散初速度ΔP分别为14.000,12.957,均大于10.000。综上分析,2处二2煤的所有突出参数指标均已达到或超过《防治煤与瓦斯突出规定》中的单项临界指标,因此从单项指标来看,薛湖煤矿二2煤层有突出危险性。

1.2 综合指标D、K测定分析

根据《防治煤与瓦斯突出规定》选用综合指标法判断煤层是否具有突出危险性。为此,根据抚顺研究院提出的指标公式计算井底车场石门5#交叉点处及南石门下山变平后N12点前32 m处的综合指标D和K值:

由于薛湖煤矿二2煤层的煤样属于无烟煤,根据《防治煤与瓦斯突出规定》,只有当综合指标D值大于0.25,且K值大于20时煤层才有发生突出的可能。根据计算,薛湖煤矿二2煤层的综合指标在井底车场石门5#交叉点处K=63.636 4,南石门下山变平后N12点前32 m处K=31.921 6,均大于20,在井底车场石门5#交叉点D=10.674 5,南石门下山变平后N12点前32 m处D=1 1.168 7,均大于0.25,2处综合指标值均远超突出临界值,因此,从综合指标来看,薛湖煤矿二2煤层有突出危险。

2 煤与瓦斯突出防治技术分析

2.1 区域防突技术

(1)薛湖煤矿为单一煤层开采,目前无保护层防突技术措施,工作面区域防突主要采取两巷施工本煤层钻孔进行预抽(图1),孔径94 mm,孔间距2m,设计孔深90 m,封孔段深度8 m以上,两巷同时交叉10 m施工。

(2)煤巷掘进工作面在巷道两帮交替施工抽放钻场,进行边抽边掘挂耳抽放(图2),同时掘进面正前布置2个深孔。孔深60～80 m,封孔段深度不低于8 m,控帮距15 m,掘进时保持20 m措施孔超前距。同时在施工煤巷工作面时,对相邻工作面实行“递进掩护式”区域治理(图3),即煤巷掘进期间同时向两帮施工措施孔,对下一掘进工作面进行提前消突,孔间距4 m,钻头∅89 mm三翼合金钻头,孔深30～50m,封孔段长度不小于6 m,聚氨酯封孔2.0 m,水泥砂浆固孔4.0 m。

2.2 局域防突技术

(1)采煤工作面防突技术。薛湖煤矿采煤工作面采取煤壁深孔卸压与浅孔抽放局部综合防突措施;工作面除距两巷4 m范围外,每个防突循环施工1排卸压抽放钻孔,垂直工作面煤壁,施工深孔孔间距8 m孔深25 m,施工完毕后注水,注水压力不低于15 MPa,封孔深度不低于3 m;深孔施工完毕后施工浅抽孔,浅抽孔孔深15 m,孔间距2 m。施工好第1个抽放孔后开始用注水封孔器进行封孔抽放,保证最后1个抽放孔抽放时间不低于2 h,回采时保证防突孔20 m超前距和抽放孔10 m超前距。钻孔开孔高度距煤层顶板1.6 m,具体高度依据采高情况进行调整,做到钻孔终孔位置控制到煤层顶板1.2～1.6 m位置。

(2)煤巷掘进工作面防突技术。薛湖煤矿煤巷掘进工作面均沿煤层布置,采取防突孔和抽放孔抽放相结合的综合防突措施。防突孔注水压裂煤层、改变煤岩结构,用抽放孔进行瓦斯抽放,具体如下:防突孔共施工5个,孔深20～22 m,控帮8 m,掘进时保证不小于10 m的超前距离;抽放孔不低于22个,孔深15～17 m,控帮5 m,顺煤层施工,分3排“五花”布置,排距0.5 m,孔间距0.6 m。钻孔每施工完毕1个即进行封孔抽放,最后1个孔施工完毕后,抽放时间根据瓦斯含量情况确定,最低抽放时间不低于2 h,掘进时保证不小于5 m的超前距离;防突孔封孔深度不小于10 m,封孔段深度大于3 m,注水压力大于15 MPa。抽放孔封孔深度3 m,封孔长度大于等于1 m。

2.3 辅助防突技术

(1)采用瞬变电磁技术探测掘进工作面前方80m范围内地质构造和含水情况。

(2)使用电磁辐射仪对工作面前方和左右40 m范围内地质构造应力进行探测,有效防止地应力引起的煤与瓦斯突出事故。

(3)应用瓦斯膨胀能技术连续监测钻孔在钻进过程瓦斯涌出情况,实现线性预测。

3 应用效果

根据《防治煤与瓦斯突出规定》的要求,采用间接计算煤层残余瓦斯含量值和直接测定煤层残余瓦斯含量值2种方法先后对2302工作面区域防突措施进行效果检验,在2302回风巷、胶带运输巷每间隔50 m分别向2302工作面各布置1个检验测试点。效检孔孔深60 m及40 m交替布置,孔径为75mm,钻孔沿煤层倾向布置。经检验,所有检验测试点煤层残余瓦斯含量均低于8 m3/t时,符合《防治煤与瓦斯突出规定》的要求。

4 结语

薛湖煤矿在生产过程中,通过严格执行区域和局部2个“四位一体”综合防突措施,采取有效技术措施,采掘工作面的煤层无论是瓦斯压力还是瓦斯含量均明显下降,有效抑制了矿井煤与瓦斯突出的危险性,使矿井生产达到抽、采、掘平衡的良性循环,自矿井试生产以来,在数次揭煤和过断层过程中未发生一起煤与瓦斯突出事故,煤巷单月进尺达到250 m,保证了矿井的正常接替。

煤与瓦斯突出预测论文 篇2

一、教学目的

了解和掌握井下瓦斯的形成、存在状态、矿井瓦斯等级的划分、容易积聚瓦斯的地点、局部瓦斯积聚、瓦斯爆炸的条件、瓦斯的防治、引燃瓦斯的火源、煤与瓦斯的突出、突出的预兆等基本知识。

二、教学重点

煤矿井下容易积聚瓦斯的地点有哪些？

三、教学难点

矿井瓦斯的防治

四、教学方法

讲授法、案例法

五、教学内容 1.瓦斯

煤矿井下开采过程中，从煤岩体中涌出的有害气体统称为矿井瓦斯。其主要成分是甲烷，占有害气体总和的80%以上。所以通常所说的瓦斯，如没有特殊说明就是指沼气。2.瓦斯的危害

（1）可以发生燃烧、爆炸、引起火灾；

（2）瓦斯含量过大时使空气中的氧气浓度相对降低，能使人发生窒息死亡。3.瓦斯在煤体中的赋存状态

（1）游离瓦斯。这类瓦斯量约占煤层瓦斯含量的10～20%。（2）吸附瓦斯。一般吸附状态的瓦斯约占煤层中瓦斯含量的80～90%。

瓦斯的这两种赋存状态一般是处于动态平衡的，当外界条件发生变化时，这两种状态的瓦斯可以相互转化。4.矿井瓦斯等级

矿井瓦斯等级，根据矿井相对瓦斯涌出量、矿井绝对瓦斯涌出量和瓦斯涌出形式划分为：

（1）低瓦斯矿井：矿井相对瓦斯涌出量小于或等于10m3/t且矿井绝对瓦斯涌出量小于或等于40m3/min。

（2）高瓦斯矿井：矿井相对瓦斯涌出量大于10m3/t或矿井绝对瓦斯涌出量大于40m3/min。

（3）煤（岩）与瓦斯（二氧化碳）突出矿井。5.矿井瓦斯的来源

一般是将全矿（或翼、或水平）的瓦斯来源分为：（1）回采区；（2）掘进区；（3）采空区。6.局部瓦斯积聚

在巷道的顶部空间、盲巷、独头巷道以及风流达不到的其他地点，瓦斯浓度在2%以上，体积在0.5m3以上所积聚的瓦斯叫局部瓦斯积聚。当瓦斯浓度达到2%以上时，安全系数只有1.5倍，另外0.5 m3的瓦斯遇火足以使瓦斯燃烧和爆炸。所以规定瓦斯浓度在2%以上，体积在0.5 m3 以上为瓦斯积聚，这样的瓦斯积聚必须及时处理。7.瓦斯积聚经常发生的地方

（1）生产中易于积聚瓦斯的地点有：采煤工作面上隅角、顶板冒落的空洞、风速底得巷道中的顶板附近、停风的盲巷、采煤工作面接近采空区边界、水采面以及采煤机械附近。

（2）一般的处理方法

① 加强通风是防止瓦斯积聚的基本方法； ② 加强瓦斯检查，严禁瓦斯超限作业；

③ 废巷、停工停风的盲巷及连通采空区的巷道要及时密闭；

④ 及时采取改善通风手段，封闭隔绝等办法，处理局部积聚的瓦斯。

8.瓦斯爆炸必须同时具备的条件 瓦斯爆炸：

瓦斯和空气混合后，在一定条件下，遇高温热源发生的热-链式氧化反应，并伴有高温及压力（压强）上升的现象。瓦斯爆炸界限：

瓦斯和空气混合后，能发生爆炸的浓度范围。（1）CH4的浓度在5%～16%（9.5%爆炸最完全）；（2）引火温度为650～750℃；（3）O2浓度在12%以上。9.引爆瓦斯的火源主要有

电火花；爆破火花；撞击火花；明火等。10.预防瓦斯积聚的措施（1）预防瓦斯积聚。（2）防止瓦斯的引燃。

① 防止电火花引燃 ② 防止明火引燃 ③ 加强爆破管理

（3）防止灾害事故的扩大。11.抽放瓦斯的方法（1）本煤层抽放。（2）邻近层抽放。（3）采空区抽放。12.煤与瓦斯突出

煤与瓦斯突出在地应力和瓦斯的共同作用下，破碎的煤岩和瓦斯由煤体或岩体内突然向采掘空间抛出的异常的动力现象。13.瓦斯喷出

指大量承压状态的瓦斯从煤体或岩体裂隙中快速大量异常涌出的现象。14.煤与瓦斯突出的预兆

煤与瓦斯突出的预兆主要有煤体内声响，煤硬度变化，煤光泽变化，煤的层理紊乱变化，掉渣及煤面外移，支架压力增加，工作面瓦斯忽大忽小，打钻时顶钻、夹钻和喷煤。15.突出的危害

煤与瓦斯突出是煤矿生产中一种极其复杂的动力现象，可能突然间使工作面或井巷充满瓦斯，造成人员窒息，引起瓦斯燃烧或爆炸；突出能破坏通风系统，造成风流紊乱或逆流；突出的煤（岩）能堵塞巷道、埋人、推翻矿车和设备、破坏支架和设施。16.防治煤与瓦斯突出的主要措施 在开采突出煤层时，必须采用综合措施：（1）突出危险性预测。（2）防止突出措施

（3）防止突出措施的效果检验。（4）安全防护措施

（一）主要的防治措施分为 区域性防治措施： 开采保护层、大面积预抽突出危险煤层瓦斯和突出危险煤层注水。

（二）局部性防治措施：

煤矿煤与瓦斯突出防治技术分析 篇3

关键词：煤与瓦斯突出；基本规律；防治技术

根据相关部门公布的近年来的统计资料显示，在我国采煤工作面事故当中，煤与瓦斯突出占到了总事故的15.7%左右，这是造成煤炭企业人员和财产损失的重要灾害性因素之一。尤其是近些年，从有关报道中可以看出，在煤矿井下作业中，采煤工作面煤与瓦斯突出的情况并没有得到有效的遏制，不但在未采取保护措施的煤层出现突出现象，而且在保护层采煤工作面也发生突出，煤与瓦斯突出已经阻碍了当前煤炭行业的稳定生产。因此，针对煤与瓦斯突出的现象进行分析，并提出对应的防治技术措施，对保证煤矿生产安全极为重要。

一、煤与瓦斯突出的主要危害

煤与瓦斯突出是煤炭采掘作业过程中比较容易发生的危害之一，是在煤炭开采过程中发生的一种由煤、岩石和瓦斯（部分包含二氧化碳）等成分组成的一种瓦斯动力现象。一旦出现煤与瓦斯突出，在几秒或者几十秒的时间内，大量的煤、岩石和瓦斯就会从岩体中喷出，并伴随有剧烈的声响和猛烈的动力效应，对周围的作业人员和设备造成严重损害。煤与瓦斯突出的主要危害包括：（1）突出的煤流会阻塞巷道，并破坏煤炭采掘设施、通风系统等；（2）突出的煤流会直接造成人员伤亡，且高浓度的瓦斯会使人窒息；（3）一旦遇到火源，将导致瓦斯燃烧或者爆炸；（4）影响煤矿企业的正常采掘作业和生产，严重制约了煤矿生产效率的提高，导致煤炭成本增加，煤矿企业经济效益下降。

二、煤与瓦斯突出的基本规律

（1）煤与瓦斯突出和地质构造间的关系：通常在地质构造带的内部发生突出概率会较大；（2）煤与瓦斯突出和瓦斯含量

及压力间的关系：影响煤与瓦斯突出的重要因素是煤层间瓦斯的含量与压力，且瓦斯含量和压力造成的危害大小呈正比。虽然还有其他因素对煤与瓦斯突出产生综合性的影响，但煤层间瓦斯含量和压力是主要因素；（3）煤与瓦斯突出和地压间的关

系：当地压越大时，突出产生危害性也越大，两者呈正比关系；（4）煤与瓦斯突出和围岩性质间的关系：当煤层底板的致密度或者厚度增加时，突出产生的集中应力也变大，瓦斯不容易排放，一旦发生突出将造成更大的危害，因此突出的危害与煤层底板岩层致密度和厚度呈正比关系；（5）煤与瓦斯突出和水文

地质间的关系：相关研究表明，煤矿井中水的涌出量将随着湿度的改变而变化，地下水的流动可溶解其中的矿物质，为瓦斯流动创造了条件，会使煤与瓦斯突出造成的危害程度下降。

三、煤与瓦斯突出防治技术

（一）对工作面煤层进行注水处理。一方面，在工作面实施采掘作业时，可以先沿着工作面布置单排垂向孔，孔深距离顶部大于10m，孔间距以3-5m为宜，然后由液压泵液压系统提供水源，开展浅孔中压注水作业，保持水压在5-8MPa左右。但是要注意，一般情况下注水孔不要超过2个孔，且操作过程中要打一孔注一孔，在前一个注水孔注水作业完成之后再打另外一个孔。另一方面，在采掘工作面通过地质构造带的过程中，在地质构造带段及周围10m区域范围内要适当的加密注水孔，保证两相邻注水孔间距小于2m。相邻的循环注水孔必须相向布置，且注水孔尽量布置在煤壁稳固的位置，以保证注水效果不会因为煤壁的松动而受到影响。

（二）其他防治技术措施。（1）在布置巷道以及开采方式选择过程中要为采掘作业留下足够的空间和时间，便于综合防突措施的实施。煤层巷道应该尽量布置在没有突出的煤层或者突出煤层保护区域内；对于保护煤层要连续开采，且不设置煤柱；对于地质结构较为复杂的矿井，应该根据地质构造合理划分盘区，各个盘区自成一个独立的开采系统，这样便于控制煤与瓦斯突出灾害的蔓延。（2）由于卸除煤层区域或者采煤工作面前方煤体存在应力，容易出现煤与瓦斯突出的问题，因此应该采取煤体泄压措施，将集中应力区域推移至原来工作面的位置。当发现煤层区域或者采掘面前方煤体中存在瓦斯时，应该采取措施降低瓦斯含量，降低瓦斯的压力梯度，减少发生煤与瓦斯突出的概率。（3）适当增加工作面附近煤体的承载能力，提高整个煤体的稳定性，在具体的操作中可以使用技术骨架、超前支护或者注浆等方式对煤体进行加固。（4）优化煤炭采掘工艺措施，让工作面前方煤体的集中应力以及瓦斯的压力梯度变化更加平缓，这样就便于工作面自身的卸压和瓦斯排放，从而可以减小或者消除煤与瓦斯突出造成的危害。

参考文献：

煤与瓦斯突出预测论文 篇4

随着我国社会经济的不断发展, 以及我国工业现代化的快速实现, 能源发挥着举足轻重的作用。而煤炭资源消费在我国目前的能源结构中占67%[1]。煤炭是我国工业发展必不可少的能源, 然而煤炭的开采生产过程属于危险性作业, 煤与瓦斯突出是煤矿开采过程中常发生的一种极其复杂的瓦斯动力灾害, 是煤体在围岩应力、地应力等因素下共同作用造成的, 可以将几吨乃至上万吨的破碎煤在极短时间内由煤体向采掘工作面等采掘空间抛出, 并伴随大量瓦斯涌出, 破坏采掘设备, 导致采掘人员伤亡, 甚至引起瓦斯煤尘爆炸事故等, 严重威胁着煤矿的安全生产, 阻碍着煤矿经济的发展。因此, 建立快速有效的煤与瓦斯突出预测模型, 做好突出危险性预测是防治煤与瓦斯突出的重要一步, 具有减少矿区防治突出措施实施的工程量等现实意义[2]。

目前, 在煤与瓦斯突出预测领域, 一些学者利用数据挖掘方法以及统计理论预测煤与瓦斯突出, 已经积累了一些成功的经验。高卫东[3]运用Fisher判别法进行煤与瓦斯突出危险程度预测, 从地应力、瓦斯因素以及煤的物理力学性质三个方面综合选取瓦斯压力、开采深度、瓦斯放散初速度、煤的坚固性系数等五个影响指标作为Fisher判别模型的输入因素, 取得一定的预测效果;付华[4]等人基于变权重算法对BP神经网络进行优化, 对煤与瓦斯突出预测取得一定效果, 但欠缺的是在影响因素上考虑了瓦斯含量、瓦斯压力、煤样筛分模数等13个因素, 却未对其作分析提取说明, 难免会存在冗余因素;杨力等人[5]采用了灰色关联分析对煤与瓦斯突出指标进行了提取, 并综合了模糊理论与支持向量机的学习理论建立了基于模糊支持向量机的煤与瓦斯突出预测模型;孙燕等[6]运用了灰色关联分析对煤与瓦斯突出影响因素进行了分析, 并建立了煤与瓦斯突出预测的神经网络模型;王超等[7]在煤与瓦斯预测中采用了距离判别方法;赵鑫[8]等人通过采用自适应学习速率动态修正BP神经网络的权重来改进BP神经网络, 建立煤与瓦斯突出预测模型, 基于小样本数据验证取得良好的预测效果。上述各学者的研究都取得一定效果, 促进煤与瓦斯突出预测研究领域的进展, 为我国煤矿的安全生产做出了很大的贡献, 但仍存在着影响因素之间具有较高的耦合性及预测方法自身不足等, 煤与瓦斯突出预测准确率仍需进一步提高。

为了提高煤与瓦斯突出预测模型的精准度, 减少影响因素之间的冗余, 笔者对影响煤与瓦斯突出预测的因素进行灰色关联分析和因子分析, 经灰色关联分析, 去除影响因素对于煤与瓦斯突出分类预测关联性最小的因素, 然后经因子分析对影响因素之间相关性较强的因素进行公共因子的提取, 约简属性。最后将量子遗传算法 (QGA) 与最小二乘支持向量机算法 (LSSVM) 结合起来, 充分利用量子遗传算法适合参数优化等特点, 利用其优化LSSVM的惩罚参数C和核函数参数σ, 提高LSSVM的预测精准度及全局搜索能力, 建立QGA-LSSVM煤与瓦斯突出预测模型, 并用实例验证该预测模型的有效性。

1 理论基础

1.1 最小二乘支持向量机

最小二乘支持向量机算法 (least squares support vector machine, LSSVM) 是Suykens等人[9]在SVM的基础上发展起来的, 它的特点是采用最小平方误差充当损失函数, 将约束条件中的不等式约束转化为等式约束。

给定的数据集 (xi, yi) x∈Rl, y∈R, i=1, …, n, 其中, xi是输入数据, 维度是l;yi为对应的输出数据。针对LSSVM, 求解最优化问题的目标函数:

式中, φ (·) 是非线性函数;w为权值向量;b为偏置量;ei表示误差变量;C为惩罚参数。

引入拉格朗日乘子, 将式 (1) 中有约束的优化问题转化成无约束的优化问题, 对应的拉格朗日函数为:

式中, αi为拉格朗日乘子。

对式 (2) 中的每个变量求偏导, 采用径向基核函数 (radial basis function, RBF) :, LSSVM的分类函数的表达式如下:

惩罚参数C和核参数σ这两个关键参数在很大程度上对LSSVM模型的训练学习能力以及泛化能力都起到决定性作用, LSSVM的分类效果的好坏是由惩罚参数C和核参数σ的值共同决定的。

1.2 量子遗传算法

量子遗传算法 (quantum genetic algorithm, QGA) 理论是Han等人[10,11]提出的, 具有适合参数寻优等特点。较于遗传算法, 它的创新之处在于编码过程中引入了量子的态矢量进行表达, 染色体演化中引入量子逻辑门进行种群更新调整。

QGA里的染色体的编码形式采用一个双态量子系统———量子比特来表示[12]:

式中, |>表示一种量子态, |0>与|1>分别代表自旋向下以及自旋向上态。α2可以理解为自旋向下态的概率, |β|2可以理解为自旋向上态的概率, 且满足|α|2+|β|2=1。利用量子比特对基因进行编码, 基因可以呈现出“0”态或者“1”态, 或者是它们两个任意叠加的状态, 这种编码形式可以使染色体呈现出更好的多样化特征。

QGA中的种群更新, 是通过量子旋转门矩阵实现的, 调整操作为:

更新过程操作:

式中, (αi, βi) T和 (α'i, β'i) T代表染色体中第i个量子比特在旋转门更新前后的概率幅;θi为旋转角, 单位为度 (°) 。

1.3 QGA优化LSSVM的具体步骤

建立QGA-LSSVM模型, 以矿井煤与瓦斯突出数据作为训练测试数据集进行训练预测, 具体的操作过程如下所示:

1) 录入矿井煤与瓦斯突出的训练样本数据, 先做归一化处理, 去除量纲的影响。进行灰色关联分析, 去除关联度值最低的指标;然后进行相关性分析, 应用因子分析对相关性较强的指标进行公共因子提取, 去除冗余信息。确定煤与瓦斯突出预测模型的最终输入变量。

2) 初始化种群Q (t0) , 随机生成n个以量子比特为编码的染色体 (对应为最小二乘支持向量机中的两个参数C和σ) 。

3) 对初始种群Q (t0) 中的每个个体进行一次测量, 得到对应的确定解P (t0) , 及对应的二进制参数C和σ。

4) 按公式 (7) 求解各确定解的的适应度, 并对适应度进行评估。

式中, y'i是用确定解C和σ建立的LSSVM分类模型对训练数据进行训练预测得到的煤与瓦斯突出类型预测值, yi为煤与瓦斯突出的真实类型值, size (yi) 为煤与瓦斯突出训练样本数据量, sum (yi≠y'i) 为突出预测类型与真实类型不同的个数。

5) 判断计算过程是否满足给定的结束条件, 若满足则退出, 否则继续。

6) 利用量子旋转门对个体实施更新调整, 得到下一代新的种群Q (t+1) , 测量其新种群的对应的确定解P (t+1) , 进行适应度评估。

7) 寻找到最优个体并记录其对应的适应度值, 将迭代次数t加1, 返回步骤5) 。

8) 将计算得到的最佳参数C和作为LSSVM的最优参数建立预测模型, 并对未知的煤与瓦斯突出样本类型进行判断识别。

2 煤与瓦斯突出预测模型及应用

2.1 影响因素的选取

在煤与瓦斯突出预测的影响因素中, 瓦斯压力、瓦斯含量、煤的坚固性系数等是影响煤与瓦斯突出的主要因素。煤层中瓦斯含量与瓦斯压力影响着煤与瓦斯突出发生时强度的大小, 瓦斯含量越高, 压力越大, 突出发生时强度则越大;煤的坚固性系数是反映煤体抵抗外力能力的一个综合性参数指标, 其值越小, 那么煤与瓦斯突出发生时的危险性就会越大。煤与瓦斯突出的是一种复杂的矿井灾害, 影响因素较多且具有多样性, 除上述介绍的影响因素外, 还有其他因素。通常应根据矿区实际情况在突出危险区域测取和煤与瓦斯突出密切相关的一些物理参数或指标观察数据, 同时考虑实际预测中影响指标数据的易取性, 选取能够间接反映煤与瓦斯突出的影响因素进行相关预测分析。

本文以砚石台矿区突出信息为背景, 考虑指标数据易取性等, 综合选取煤与瓦斯突出影响因素包括瓦斯因素:煤层瓦斯压力 (X1/MPa) 、煤层瓦斯含量 (X2/ (m3·t-1) ) ;煤层因素:瓦斯放散初速度 (X3/mm Hg) 、煤层埋藏深度 (X4/m) 、煤层厚度 (X5/m) 、构造煤厚度 (X6/m) 、煤的坚固性系数 (X7) ;其他因素:煤层工作面突出危险性的综合指标x (X8) 、煤层工作面突出危险性综合指标x' (X9) , 共9个突出影响因素。

对于该矿区煤与瓦斯突出的分类, 参考的是卞伯绶等人提出的依据矿井实际抛出的煤量对煤与瓦斯突出所作的分类:无突出 (用1表示) 、小型突出 (突出煤量为50t以下, 用2表示) 、中型突出 (突出煤量为50~100t, 用3表示) 、大型突出 (突出煤量为100t以上, 用4表示) 。

2.2 影响因素的灰色关联分析

灰色关联分析主要是从比较数据的几何曲线形状与参考数据的几何曲线形状的相似程度来判断其联系的紧密性, 如果得到的相似程度越高, 那么联系紧密性就越大, 否则联系的紧密性就会越小[13]。为了更加有效地对煤与瓦斯突出进行预测, 本文共收集了砚石台矿区的116条煤与瓦斯突出历史样本, 运用灰色关联分析, 去除影响因素中对于突出分类的关联度值最小的影响因素。

对原始样本数据先进行归一化处理, 去除量纲的影响。选取煤与瓦斯突出类型为参考序列, 9个影响因素为待比较序列, 对归一化之后的数据求解绝对差序列矩阵;选取分辨系数ζ的取值为0.5, 按照公式 (8) 计算关联系数矩阵, 得到的关联系数矩阵部分见表1所示。

式中, D是关联系数, 表示是在第σ个时刻比较子因素数据列曲线与母因素数据列曲线的相对差值;Δmin与Δmax为绝对差序列中的两极差值。

表1中r1~r9相应为X1~X9的关联系数, 而关联系数代表的是子因素数据列与母因素数据列在各个时刻的关联程度, 所以每个子因素对应的关联系数都有多个数值, 所要表达的信息不能集中体现, 不容易显示数据关系, 比较起来也不便捷, 因此要将各时刻的关联系数集中到一个数值来进行分析。为了把各时刻的关联系数集中到一个数值 (关联度) 来进行分析, 用各指标的平均值作为关联度的大小, 采用公式进行计算, 得到的各指标的关联度值见表2所示。

在表2中, R1~R9相应为X1~X9的关联度, 对关联度进行排序的结果为:煤层工作面突出危险性综合指标K (X8) >煤层工作面突出危险性综合指标D (X9) >煤层埋藏深度 (X4) >煤层瓦斯压力 (X1) >煤层瓦斯含量 (X2) >瓦斯放散初速度 (X3) >构造煤厚度 (X6) >煤的坚固性系数 (X7) >煤层厚度 (X5) 。在所有突出影响因素当中, 煤层厚度 (X5) 对于煤与瓦斯突出类型的关联度值最小, 且小于0.5, 说明该因素对该矿区煤与瓦斯突出分类的影响程度最低, 去除该因素, 对余下影响因素继续分析。

2.3 影响因素的因子分析

经灰色关联分析去除影响因素X5, 对X1、X2、X3、X4、X6、X7、X8、X9这8个影响因素, 运用SPSS统计软件进行普通相关性分析, 结果表明:煤层瓦斯压力 (X1) 、煤层瓦斯含量 (X2) 、煤层埋藏深度 (X4) 、构造煤厚度 (X6) 、煤层工作面突出危险性综合指标D (X9) 这5个影响指标之间的相关系数的绝对值均大于0.7, 且t检验的统计值Sig.小于0.05, 说明这5个指标之间存在较强的相关性, 隐含着信息的交互。而另外3个指标之间的t检验的统计值Sig.大于0.05, 说明这3个影响指标比较独立, 相关性较弱。

对于相关性较强的影响因素存在信息冗余, 直接利用进行计算分析, 可能会导致突出类型发生误判, 所以为减少冗余信息对预测模型的影响, 提高预测精准度, 对上述分析中所得的相关性较强的5个指标进行因子分析, 提取公共因子, 约简属性。

但在对变量因素进行因子分析前需检验判断其是否适合进行因子分析。运用SPSS统计软件对相关性较强的X1、X2、X4、X6、X9这5个指标进行KMO样本测度以及巴特莱特球体 (Bartlett) 检验, 结果见表3。由表3可知, KMO样本测度的检验值为0.824, 说明这5个相关变量很适合作因子分析;同时Bartlett球体检验统计值的显著性概率Sig.值为0, 小于0.05, 因此拒绝H0假设, 再次说明这5个相关性较强的变量适合作因子分析。

运用SPSS软件对相关性较强的5个变量数据进行因子分析, 得到的总方差解释见表4, 从表4可以看出, 对这5个判别指标进行因子分析, 可提取出2个公共因子F1和F2, 这两个公共因子的特征值均大于1, 旋转之后的累积贡献率为89.775%, 即这两个公共因子包含了原有5个变量指标中的89.775%的信息量。

为使两个公共因子F1和F2的实际意义凸显出来, 运用矩阵正交法旋转坐标轴, 得到5个因子的载荷旋转矩阵 (表5) 。由表5可知, 公共因子F1主要由煤层瓦斯压力 (X1) 、煤层瓦斯含量 (X2) 、煤层埋藏深度 (X4) 、煤层工作面突出危险性综合指标D (X9) 这四个因素组成, 公共因子F2主要由构造煤厚度 (X6) 组成。它们的值可由旋转后的因子得分矩阵求得。公共因子F1和F2的对应值见表6。

2.4 煤与瓦斯突出预测的QGA-LSSVM模型

对于综合选取的影响砚石台矿区煤与瓦斯突出的原始9个影响因素, 经灰色关联分析, 去除了对于煤与瓦斯突出分类的关联度最小的因素煤层厚度 (X5) 的影响;通过因子分析对相关性较强的X1、X2、X4、X6、X9这5个变量进行属性约简, 提取两个公共因子F1和F2。最终由两个公共因子F1、F2和3个相关性较弱的因素X3、X7、X8, 这5个变量因素作为QGA-LSSVM煤与瓦斯突出预测模型的输入变量, 由煤与瓦斯突出的4个类型作为输出。选取表6中的前96组数据作为模型的训练样本, 进行QGA-LSSVM预测模型的训练, 建立突出影响因素与突出类型之间的非线性关系, 由表6的后20组数据作为模型的预测样本, 进行模型准确率的验证。文中采用MatlabR2010b平台进行编程训练, 在用QGA对LSSVM进行优化训练的同时, 也训练出了GA-LSSVM、LSSVM、BP神经网络预测模型, 其中设置量子遗传算法和基本遗传算法的迭代次数均为100次, 种群大小均为30, 遗传算法中, 交叉概率设置为0.7, 变异概率设置为0.01;BP神经网络的输入层节点个数为5, 隐含层节点数为15, 输出层节点数为4 (1用[1 0 0 0]表示, 2用[0 1 0 0]表示, 3用[0 0 10]表示, 4用[0 0 0 1]表示) , 并用SPSS软件训练了煤与瓦斯突出的Fisher模型。在样本的训练过程中, QGA-LSSVM、GA-LSSVM、LSSVM、BP神经网络这4个预测模型的适应度变化如图1所示, 从上到下, 第一条线是QGA-LSSVM, 第二条线是GA-LSSVM, 第三条线LSSVM, 第四条线BPNN。由图1可以看出, QGA结合的LSSVM模型能够多次跳出局部最优解, 搜索到全局最优解;而其余几个预测模型在训练过程中, 收敛于局部最优值, 没能搜索到全局最优解。QGA优化LSSVM模型训练所得到的最佳参数C=69.4804、σ=1.03328。

QGA-LSSVM模型的训练判别结果与煤与瓦斯突出实际类型一致, 其回代误判率为0, 具有较好的稳定性和准确率, 因此用QGA优化LSSVM得到的最优参数建立模型。运用表6中后20组样本数据对煤与瓦斯突出的QGA-LSSVM预测模型进行判别测试, 结果见表7, 同时对比了GA-LSSVM、LSSVM、BP神经网络3种预测模型和Fisher判别方法的预测效果。

由对比结果表7可知, GA-LSSVM、LSSVM、BP神经网络3种预测模型和Fisher判别方法对煤与瓦斯突出类型都存在一定的误判, GA-LSSVM预测模型存在两个突出样本误判, 其误判率为1/10;LSSVM预测模型和BP神经网络预测模型均存在3个突出样本误判, 误判率为3/20;Fisher判别法存在4个突出样本误判, 误判率为1/5;而QGA-LSSVM预测模型对20组突出预测样本的预测类型与突出实际类型一致。图2是4个预测模型的预测结果, 由图2的预测结果也可以直观的看出, QGA-LSS-VM预测模型误判率为0, 低于另外3种预测模型的误判率, 说明通过优化算法对预测模型的参数进行优化, 可以提高模型预测效果, 而QGA对LSSVM进行参数优化比GA的优化效果要好, 建立的预测模型在砚石台矿区煤与瓦斯突出预测中具有良好的预测效果, 有较高的准确率。

3 结论

1) 文中综合选取了影响砚石台矿区煤与瓦斯突出的9个因素, 对这9个主要的影响因素, 先进行了灰色关联分析, 去除了对于煤与瓦斯突出类型关联度值最低的因素的影响, 即煤层厚度;再应用因子分析对相关性较强的5个影响因素进行因子分析, 提取出2个公共因子F1和F2, 有效减少了判别因素之间的数据冗余。

2) 通过量子遗传算法对最小二乘支持向量机的参数进行了优化计算, 建立最佳预测模型, 把模型运用到砚石台矿区的煤与瓦斯突出预测分类中, 同时对比了其他分类模型以及Fisher判别方法的预测效果, 在对比结果的分析上, 证明了该预测模型具有较高的准确率, 为煤与瓦斯突出预测开拓了一种新的思路和方法。

防治煤与瓦斯突出管理制度 篇5

第一条 防突机构

1、集团公司瓦斯研究所，负责防治煤与瓦斯突出及瓦斯抽放工作的管理，研究制定全局防突抽放工作计划和技术指导，检查督促各单位严格执行防突措施和瓦斯抽放管理制度，开展防突科研，搞好瓦斯抽放工作。

2、突出矿井，成立防突科并要组建防突、抽放施工队伍，配备思想好，责任心强的专业人员并设一名防突副总。年产150万吨以上的矿井，配备7～10名管理技术干部（包括1～3名地质专业人员）；年产150万吨以下的矿井，配备5～7名管理技术干部（包括1～2名地质专业人员）。防突施工队按需分配一定数量的参数测试工、打钻工、瓦斯抽放工、打钻验收工、抽放系统巡检工和设备抽放管路安装维修等工种。建立地面集中抽放站的矿井，可成立专业瓦斯抽放队。防突抽放专业施工人员数量按防突抽放量合理配置，保证防突抽放工作的正常展开。

3、有突出预兆的矿井，在通风部门设专职或兼职管理人员，按集团公司有关规定展开防突工作。根据矿井需要，可在通风队设防突或瓦斯抽放班组。

4、按照《防突细则》第17条规定，突出矿井的井下工作人员必接受不少于一个月的防突知识培训，并经考核合格后，方准上岗。集团公司瓦斯所负责检查、审核培训、考核情况。

第二条 防突办公会议制度

1、集团公司及突出矿井（包括有突出预兆矿井），安全办公会议要把防突工作作为专门议题研究。检查防突计划，分析突出动态，完善落实防突措施，解决平衡防突中人、财、物等问题。

2、集团公司由局总工程师每季组织召开一次防突例会。突出矿井总工程师每月组织召开一次防突例会，平衡解决防突工作存在的问题。

3、各矿防突科（队）每月至少召开一次防突例会，研究总结前段工作的经验教训，制定对策，及时处理存在的问题，安排下一步工作。

第三条 齐抓共管各级岗位责任制

1、集团公司总经理、矿（处）长，对本单位的防突工作负全面责任。

2、总工程师负责组织实施防突计划、防突技术管理和防突措施的贯彻执行，组织有关部门编制、审批防突计划、工程计划和防突措施，并组织检查落实情况。

3、设计部门在编制突出矿井开拓开采设计时，要考虑防治突出工作的需要，其巷道布置应符合《防突细则》第11条的规定。

4、生产技术部门，在认真执行采掘工作面作业规程的同时，必须严格督促防突技术措施的贯彻执行，把防突技术措施纳入工作面正规生产作业工序管理。

5、地质部门必须按（91）平煤瓦字1号文，在采掘工作面开工前，必须向生产、施工单位提交详细的地址结构资料，在采掘过程中要做好地质预报工作，并协助防突部门做好瓦斯地质图等工作，防止误穿突出煤层和突出危险地带，还要认真执行《细则》第13、14条规定。

6、防突部门在总工程师领导下，负责防突的管理、技术指导及防突技术推广工作，组织编制防突设计和规划，落实“四位一体”的综合防突措施。

7、安全监察部门要严格监督检查防突措施的执行情况。

8、通风部门要着重做好在突出煤层中采掘工作面的通风、防尘、防火、防瓦斯工作和在突出煤层巷道中更换、维修、回收支架时，应编制防垮落引发突出的措施。

9、机电部门落实机电防爆检查，确保井下电气设备无失爆现象。

10、各业务部门要认真执行细则第12条规定，把好防突措施的编制、审批、贯彻、执行和监督检查工作。

第四条 建立防突调度指挥系统

1、突出矿井，必须设置防突调度，配备素质高、责任心强、具有计算机操作能力的专职人员，配置通讯及计算机网络设备，建立调度管理制度及岗位责任制及计算机使用管理制度等，实行24小时不间断调度指挥，及时掌握井下防突动态。

2、出现突出预兆的矿井，根据矿井实际应配备防突专人或兼职人员。在矿井生产过程中发现突出预兆等异常情况时，要及时向瓦斯所调度汇报。

3、矿防突调度工作由防突科负责，经常检查、督促防突调度工作，抓好调度员教育培训，提高其业务能力及管理水平。

4、要抓好防突调度计算机实时监测系统的使用管理，及时处理存在问题，并每日向瓦斯所调度汇报设备运行情况，严禁随意退出监测状态进行打字和进行事物性工作。

第五条 防突调度日报签阅制度

1、集团公司由瓦斯所负责，每天编报全公司采掘工作面的防突日报，公司总经理、总工程师每天签阅批示。

2、矿由防突科负责每天编报防突日报，矿长、总工程师每天签阅批示。

3、防突调度员按领导批示意见做好上传下达工作，督促有关单位及时处理存在问题，并及时反馈处理情况。

第六条 防突工作计划、总结和报表上报制度

1、突出矿井和有突出预兆的矿井，年终必须编报当年防突工作总结和下一年防突工作计划安排，并于十二月中旬报送瓦斯所，其它单位可酌情编报。

2、突出矿井要编制季、月防突工作计划、总结，填制防突季、月报表和瓦斯地质交换图，于次月五日前报送瓦斯所。

3、重点防突工程，抽放工程及抽放量等，应列入矿生产经营计划进行考核。

第七条 其它

1、突出矿井在进行新水平、新采区设计时，必须将防突、瓦斯抽放做为一项重要内容纳入设计。巷道布置、生产布局、采掘衔接、设备选型必须满足《防突细则》和《瓦斯抽放规范》的规定。审查设计时必须有防突部门参加。组织移交验收新采区时，必须检查验收有关防突设施、防突工程、瓦斯抽放工程等是否符合《细则》和集团公司有关规定；是否符合设计要求，不合格或不符合要求的采区不能投产。

2、突出矿井按《细则》第8条编制年、季、月防突计划的基础上，计划、财务、劳动工资、供应等部门要制定相应的管理制度，确保防治突出措施按计划实施。

3、根据《细则》第19条规定，发生煤与瓦斯突出的矿井，按（91）平煤瓦字第4号文件规定内容，填写突出卡片，编制突出调查分析报告，并附有突出采区采掘工程平面图，标注清楚突出点位置。上述材料、图纸在发生突出一月内报集团公司瓦斯研究所。

第八条 瓦斯地质工作

1、矿总工程师必须把瓦斯地质工作做为防突工作的重要内容来抓。

2、突出矿井煤层分类、分级管理：

（1）突出煤层：

根据《细则》第23、24、28、29、30条规定可划为： ①突出危险区

②突出威胁区

③无突出危险区

（2）非突出煤层：

①经预测确认的非突出煤层中开采可不采取防突措施和预测预报工作，但随着开采深度 的加深，应有计划地测试不同标高的瓦斯压力和含量，煤的瓦斯压力放散初速度（ΔP）和煤的坚固性系数等进一步检验煤层的突出危险性。

②在高瓦斯采掘工作面，煤层瓦斯压力大于0.74MPa作业时严格按照《细则》26条执行，有下面三种情况必须采取防突措施和预测工作。

1）有明显动力现象，煤层软分层增厚，煤层层理紊乱，煤的破坏类型较高（Ⅲ—Ⅳ）。2）工作面地质条件复杂、构造破碎带，瓦斯异常涌出和采掘应力迭加的区段。3）工作面煤层瓦斯放散初速度ΔP>10，煤的坚固系数f<0.5的。

3、现场管理

（1）突出煤层遇到煤厚有变化地段，断层、褶曲等地质构造，必须执行“有疑必探，先探后掘“的原则，探清前方的构造或煤层赋存状况，采取针对性措施后方可生产。

（2）坚持瓦斯地质预报，突出危险工作面每进尺30米预报一次，在遇有构造地段应及时发出地质预报，并电话汇报瓦斯所，经矿总工程师审阅后三日内报瓦斯所。

（3）突出煤层的工作面每50—100米取一组煤样，化验突出参数（ΔP，f），有构造或煤层变化地段适当增加取样密度，取样规定按（93）平煤瓦字第5号文执行。

4、加强瓦斯地质内业管理，防突科（队）必须具备的4种图纸及5种表格和卡片。

（1）矿井分煤层瓦斯地质图（1：2000或1：5000）每半年填绘、修改一次，于每年1月、8月报瓦斯研究所。

（2）采区瓦斯地质交换图（1：2000）每月填绘一次，月初5号报瓦斯研究所。

（3）回采工作面瓦斯地质说明书（1：500或1：1000）回采前5—7天报瓦斯所审批。内容按（92）平煤瓦字6号文编制。

（4）突出危险工作面的重点地段防突科（队）要有1：200实测素描图。内容包括：煤全厚、煤结构、软分层厚度、构造、巷道标高及顶、底板岩性。

（5）建立有关台帐和表格

①矿井瓦斯压力测试卡片，台帐；

②矿井瓦斯含量测试台帐；

③煤的突出参数测试台帐；

④分煤层煤厚度观测试台帐；

⑤煤层断层与瓦斯突出情况表。⑥以上内容按94.2.19《有关编绘突出矿井突出煤层瓦斯地质图的通知》填绘。

第九条“四位一体”综合防突技术措施的管理

“四位一体”的综合防突措施包括突出危险性预测预报、防突技术措施、防突措施的效果检验和安全防护措施，当采掘工作面预测为突出危险工作面时，要认真执行。

（一）突出危险性预测预报：

1、突出采掘工作面按《细则》第35条和39条，由矿总工程师根据本矿和工作面具体情况，选择1—2个预测指标做为突出采掘工作面突出危险性预测指标。

2、各预测指标的临界值由矿总工程师组织防突部门积累资料，摸索研究本矿某一突出煤层的临界值，在此之前，按《细则》相应规定执行。选用超出《细则》规定的预测指标或改变预测指标的临界值必须经集团公司总工程师批准。

3、采掘工作面进行突出危险性预测的具体操作按《细则》相应规定执行，保证预测孔的数量、布孔位置、孔深等符合要求，以保证测值的准确性。

4、测试仪器使用前，应认真检查各部件的完好性，保证仪器的测定精度。

5、测试工必须经专业知识培训，并经考核合格后，报集团公司瓦斯研究所统一办理“上岗资格证”，做到持证上岗。同时要保证防突测试人员的稳定性，不得随意更换人员，并做到每年审查考核。

6、在施工队负责预测（效验）或执行防突技术措施时，防突部门必须派责任心强的人员现场监督执行。

7、按（96）平煤瓦字2号规定，防突采掘工作面开工前，配备“防突管理牌板”和“防突措施主要管理牌板”，并加强管理，如实认真填写各参数，发挥其应有作用。

8、对不认真执行预测（效验）管理制度或不认真执行防突措施者，一经发现，从重追查处理，矿安监、防突部门要切实负责，做好监督工作。

（二）防突技术措施

1、防突技术措施的选择要本着既简单易于现场掌握操作、又能有效制约突出的原则，由矿总工程师结合本矿及工作面实际选定。

2、当预测指标超标或工作面符合《细则》第31条规定时必须认真贯彻执行已批准的防突技术措施，从钻孔的布置、方位角度、孔深、孔径把好关，一达到措施均匀控制工作面前方及掘进工作面周边煤体2～4米处的要求，防止不按孔位、角度乱打等不负责任的做法，并如实认真填写“措施终孔报告单”。报矿总程师审批。

3、不同的防突技术措施及在不同突出煤层采掘工作面运用时孔数的确定，要以现场实际测定的排放半径为依据，不得随意确定。矿上在没有获得新的排放半径前，超前钻孔措施的排放半径按下页表执行。

（三）防突技术措施的效果检验

1、采掘工作执行防突技术措施后，必须进行防突技术措施的效果检验，否则不准生产。

2、防突技术措施的效果检验按《细则》第43条、第44条执行，保证留有不小于2米的超前距，严防超倔超采，并填写预测（效验）报告单，报矿总工程师审批。

（四）安全防护装备的管理

1、井巷揭穿突出煤层或在突出煤层中进行采掘作业时，都必须采取安全防护措施。非突出煤层工作面由矿总工程师根据工作面情况（突出预兆、瓦斯等）确定。

2、在突出危险区中的采掘工作面必须具有独立的回风系统，其中掘进工作面要按《细则》第95条规定，建立坚固的防逆流反向风门和设置可靠的过风筒逆止阀。

序号 1 2 3 4 5 6

矿别 八矿 八矿 八矿 十矿 十二矿 十二矿

煤层 戊9—10 戊9—10 己15 戊9—10 己15 己15—17

孔径（mm）

42 42 80 75 75

排放半径(mm)

0.8 0.6 0.6 1.0 0.6 0.75 说明：本表排放半径值均为沿煤层层理方向的半径，在煤层较硬、层理明显的情况下，其沿垂直煤层层理半径参考（0.5—0.7）×半径执行

3、进入突出采面的所有工作人员必须佩带隔离式自生氧气自救器。

4、防突采掘工作面设置压风自救系统的规定：

（1）采煤工作面风巷距上出口25—40米设置1—2组压风自救袋；距上出口100—200米的范围在设一组压风自救袋；机巷放炮撒入处安设1—2组压风自救袋。机风巷安设自救袋的数量分别按工作面最多人数确定。

（2）、掘进工作面距掌子头25—40米设置1—2组压风自救袋；距掌子头200—300米处，再设1—2组压风自救袋。每处压风自救袋的数量按工作面人数最多确定。

（3）压风自救袋的安装位置必须是支架完好、无空帮空顶、地点宽敞的人行道侧。

（4）必须加强压风自救管理，及时维修移动，保持清洁、完好无损。

（5）其它要求按《细则》第97条及放炮管理有关规定执行

5、采掘工作面远距离放炮规定执行。

（1）采煤工作面放炮地点原则上为采面下出口机巷往外50—100米，工作人员躲炮在机巷压风自救袋处，严禁在工作面内部放炮。

（2）掘进工作面放炮时，放炮员、瓦检员应在避难室或防突措施批准的放炮处（要有压风自救系统）放炮外，其它人员一律撒到反向风门以外新鲜风流中。

（3）具体放炮撤人距离由矿总工程师组织编制工作面防突措施时拿出初步意见，报集团公司总工程师批准后，方可执行。

（4）其它按《细则》第96条及放炮管理有关规定执行。第十条 石门揭煤工作面的防突管理规定

1、突出煤层石门揭煤工作面的突出危险性预测必须严格执行《细则》第32、33和34条规定，揭煤前必须布孔探明煤层赋存情况，测定煤层瓦斯压力和含量。

2、石门揭穿突出煤层时，必须编制专门设计，其内容及揭煤要求按《细则》第56、58和60条规定执行，具体揭煤组织措施及技术措施可视本矿情况制定。

3、石门揭煤工作面预测为突出危险工作面时，必须采取防治突出措施，经效果检验有效后可用远距离放炮或震动放炮揭穿煤层。具体按《细则》第61、62条规定执行。

4、立井揭穿突出煤层按《细则》第63、64和65条规定执行，并参照石门揭煤有关规定进行。

第十一条 防治突出措施及其审批权限的规定

1、防突技术措施的选定，各矿总工程师可本着因地制宜、综合治理的原则，选择一种、二种或更多项措施，公司不做统一规定。但不论选用哪一种防突措施，都必须执行《细则》有关规定。

2、矿井防治煤与瓦斯突出措施、计划由矿长、总工程师负责组织编制，报集团公司总工程师审批。

3、石门揭穿突出煤层综合防突措施（包括测压预测、技术措施、组织措施、安全措施等），由矿总工程师组织编制，报集团公司总工程师审批。

4、矿井区域防突措施或采掘工作面防突措施遇有特殊情况时，由矿总工程师组织审批，报公司总工程师备案。

5、采掘工作面常规防突措施，按（94）平煤瓦字第2号文件要求内容规范化编写，由矿总工程师组织审批，报公司瓦斯研究所备案。

第十二条 突出矿井生产采区的改造及接替采区和改扩建采区设计

（一）突出矿井生产采区的改造

生产矿井开采突出煤层的采区，经区域预测划定为具有“突出危险”或“突出威胁”区域时，对采区的巷道布置、通风系统、机电设备和安全防护进行全面的分析研究，按照有关规定做必要的改造，并将其工程资金列入矿编制的计划。

（二）突出矿井突出煤层接替采区和改扩建采区设计

1、设计之前，矿防突、地质部门可在矿有关部门的配合下，收集采区有关地质构造、煤层赋存状况，煤结构破坏类型和瓦斯参数、预测参数、煤样化验数据等资料，对本采区的突出危险性进行预测。

2、经区域预测认定的突出危险采区，其巷道布置必须符合《细则》第十一条规定，并必须保证一条专用回风上（下）山（即没有任何机电设备），保证该采区每个采掘工作面的回风直接进入专用回风上（下）山，根据《细则》第10条规定，编制突出采区专用设计。集团公司总工程师审批。

3、突出采区煤层的走向长度及回采工作面的长度要考虑一旦发生突出时的安全隔离，不宜太长。

4、在突出采区内：（1）在采区系统没有形成独立的通风系统时，不准生产。（2）不得跳采布置回采工作面。

5、突出煤层中，在一个或相邻的两个采区中，同一煤层的同一阶段，在集中应力影响范围内，不得布置两个工作面相向采掘。

第十三条 突出矿井申报鉴定程序的规定

1、生产矿井在开采中，发生一次煤与瓦斯突出，该矿井必须按《细则》第5条规定，被定为突出矿井，发生突出的煤层定为突出煤层，其具体申请鉴定程序规定如下：

由矿井在发生突出后一个月内向集团公司提交鉴定申请，突出矿井报告，并附有突出情况书面材料。鉴定报告内容参考《细则》第7条规定执行，集团公司接到申请鉴定报告后，经公司研究，由瓦斯所负责办理申请鉴定具体手续，最后按批复的鉴定报告结论执行。

在鉴定报告批复文件下达之前，矿井必须暂时按《细则》有关规定执行。

2、一旦生产矿井被定为突出矿井：

（1）发生突出的采区，在没有进行区域划分确认前，必须严格按突出危险区管理。

（2）突出煤层的其它采区，按照本文第八条规定执行。

（3）矿长、总工程师必须在“突出矿井”批复文件下达后二个月内向矿务局提交“矿井防治煤与瓦斯突出的措施计划”，由公司总工程师负责组织瓦斯和有关职能处室会审批复。

第十四条 机电管理

1、按《煤矿安全规程》及集团公司有关机电管理规定执行，机电设备的选择必须符合防突的要求，保证机电设备的防暴性能。

2、突出煤层掘进工作面使用综掘机，必须编制专门的安全措施，报集团公司审判，否则不准使用。

3、突出煤层掘进工作面，严禁使用耙装机出渣。

4、突出煤层中的采掘工作面必须安设直通井上调度室的专用电话。

第十五条 矿总工程师在制定安全技措资金使用计划时（包括安全技措资金矿控部分和矿成本技措资金），应保证防突技措资金的使用。

在上报安全技措工程项目资金计划时，应列出防突专用项目资金计划报瓦斯研究所，以统一平衡列项。

第十六条 奖励

为表彰在矿井防突工作中做出贡献的有关单位和个人，按平煤集团公司颁发的“平煤集团公司防突工作奖罚条例”执行，矿总工程师负责掌握分配此类资金，使奖金发到确实为防突工作做出贡献的集体和个人起到鼓励先进，鞭策落后的作用。

煤与瓦斯突出预测论文 篇6

摘要：石板沟煤矿属煤与瓦斯突出矿井，掘进工作面在过断层防突管理方面积累了有效的方法和经验。

关键词：煤与瓦斯突出 断层 掘进 措施

中图分类号：TD823 文献标识码：B

文章编号：1673-1069（2009）01-0000-00

0 引言

长治市石板沟煤矿，属煤与瓦斯突出矿井，井田内地质构造简单，总体为一走向NE35～45°、倾向NW的单斜构造。井田倾斜中上部，存在一走向NE55°、落差13m的F1正断层，贯穿井田。以F1正断层为界，煤层瓦斯灾害存在较大差异：F1以东浅部煤层，瓦斯灾害较轻；以西深部煤层，瓦斯灾害严重。目前，3条煤层下山已从矿井浅部开采区域向下，顺煤层下山掘进800m左右，穿过F1断层及其次生断层。

1 过断层前的管理措施

1.1 生产中，对于地质部门在防突预测图上标注的断层或日常下达的地质预报出现的断层，通风队队长、防突队队长、技术科长审签后，交给防突班；防突班副班长以上人员必须签字，并贯彻到防突员，根据断层情况制定过断层安全技术措施。过断层安全技术措施必须发放到各相关施工单位，并严格执行。

1.2 在断层预计揭露位置前20m，必须执行边探边掘措施，并根据提供的断层产状，探测断层是否存在和初步判断断层实际落差；将防突钻孔资料交地质科分析，以准确判断断层的落差。

1.3 掘进工作面施工过程中，如突然出现断层或煤层异常变化（突然变厚、变薄），防突员和瓦斯检查工必须立即向矿通风调度汇报；通风队防突地质人员必须及时深入井下调查，判断断层情况。若构造复杂，及时向通风副总和调度室汇报，由调度室安排矿地质科人员下井调查，确定断层产状。

1.4 掘进工作面施工前的探孔和卸压钻孔过程中，出现的见岩等情况，防突员和瓦斯检查工必须在钻孔验收单上详细记录，说明岩石性质，并向通风调度和防突队汇报。

1.5 掘进工作面预测钻孔倾角必须严格按巷道煤层倾角要求施工。一旦钻孔出现见岩石情况，应立即向防突队和通风调度汇报；现场人员根据见岩石情况，判断是煤层顶板或底板，并及时调整钻孔倾角，尽量穿过断层，进入另一盘煤，并预测另一盘煤的瓦斯情况。

1.6 预测过程中，若钻孔内出现涌水，必须立即向防突班和通风调度汇报，并记录钻孔出水时的深度。

1.7 如预测出工作面前方有断层，必须根据钻孔探测资料，至少留5m预测钻孔，并超前（若预测孔煤孔深度小于5m，则立即停头）施工卸压钻孔。施工卸压钻孔第一班，应有地质人员跟班，确保钻孔施工到另一盘煤。如判定另一盘煤厚度小于2m，则施工一排卸压孔；若煤厚度大于2m，则施工两排卸压孔。

1.8 若工作面遇落差大于煤厚度的断层，采用风动钻机无法穿过岩层时，应立即停头，用液压钻机施工探煤钻孔，准确探清煤层层位，将钻孔资料及时交地质科分析。然后，根据地质预报的断层情况采取防突措施。一般，在距离煤层法距3m前，施工防突钻孔，并采集钻孔煤样进行分析，确定煤层的突出危险性。

1.9 过断层前施工的各类钻孔，如出现顶钻、喷孔等异常现象时，应立即向通风调度汇报，通风队长要及时到现场确认。若确实为喷孔，现场则应立即停头，施工卸压钻孔。

2 过断层期间的防突管理措施

2.1 掘进工作面在断层面内掘进时，必须严格执行边探边掘措施。每次预测时，必须探测到工作面前方2m以后的煤厚：如探测煤厚度达到2m以上，必须立即停头，施工卸压钻孔。在工作面卸压钻孔、前探钻孔、预测钻孔探测到距离断层前5m，必须立即停止掘进，采取过断层措施。

2.2 正断层另一盘煤上升，若断层落差大于1/2煤厚度且小于1倍煤厚度，则先在本盘煤层顶板0.5m左右处向另一盘煤层施工卸压钻孔（一般为8个20m深的钻孔），然后，再根据断层煤厚情况，施工一组卸压钻孔，钻孔控制到断层面后5～10m位置，钻孔间距按1.5～2m设计，每排3～4个孔。

2.3 正断层另一盘煤上升，若断层落差大于煤厚度，则应根据巷道施工的倾角变化情况，施工卸压钻孔。一般，在工作面距离断层面3 m前施工卸压钻孔，钻孔数量根据前探钻孔情况确定。

2.4 断层另一盘煤上升，若断层落差小于1/2煤厚度，则直接施工16个20m深的钻孔（分2排施工），并进行连续预测，若预测超标，继续施工16个20m深的卸压钻孔。

2.5 断层另一盘下降，若断层落差大于1/2煤厚度且小于1倍煤厚，则先在本盘煤层底板0.5m左右处向另一盘煤层施工卸压钻孔（一般为8个20m深的钻孔），然后，再根据断层煤厚情况，施工一组卸压钻孔。钻孔控制到断层面后5～10m位置，钻孔间距按2m设计，每排3～4个孔。

2.6 正断层另一盘煤上升，若断层落差大于煤厚度，则应根据巷道施工的倾角变化，施工卸压钻孔。一般，在工作面距离煤层法距3m前施工卸压钻孔，钻孔数量根据前探钻孔情况确定。

2.7 正断层另一盘煤上升，若断层落差小于1/2煤厚度，则直接施工16个20m深的钻孔（分2排施工），并进行连续预测。若预测超标，继续施工16个20m深的卸压钻孔。

2.8 施工卸压钻孔时，必须探测断层附近的煤厚：若煤层厚度大于煤层正常厚度1.5倍，必须至少增加一排卸压钻孔。

2.9 施工卸压钻孔过程中，若出现顶钻、喷孔等现象，必须在该排钻孔附近增加一定数量的卸压钻孔，直至没有喷孔现象为止。取钻孔煤样测定K1值，进行△P和f值分析。

2.10 若工作面断层情况较复杂，无法准确判断，则直接施工16个20m深的钻孔，允许掘进7m进行边探边掘。若顺煤层倾角方向深度达不到15m，则应至少留5m超前距离进行边探边掘。

3 掘进工作面遇其它异常情况时的防突管理

正常掘进过程中，掘进工作面出现下列情况时，必须立即停止掘进，探测工作面前方是否有异常情况，并施工卸压钻孔。

3.1 工作面预测过程中出现喷孔、顶钻等动力现象；

3.2 工作面出现明显的突出预兆，如有声预兆和无声预兆等；

3.3 工作面软分层突然增厚，并达到0.5m以上。煤层破坏严重，节理发育。煤层呈土糜状、鳞片状，工作面片帮、掉顶严重；

3.4 掘进工作面施工过程中，非局部通风、瓦斯探头等原因造成的工作面或回风流瓦斯浓度达到0.6%以上。

4 结束语

掘进工作面防突，必须建立包括突出危险性预测、突出防治措施、防突措施效果检验、安全防护措施等“四位一体”的综合措施体系。

煤与瓦斯突出预测论文 篇7

煤与瓦斯突出是地应力、瓦斯、煤的物理力学性质综合作用的结果,且由于不同矿井的瓦斯赋存条件及采掘工艺等存在差别,导致突出的主导因素有所不同,相同的预测指标在不同矿井预测突出危险时的敏感性也有所不同。因此,对突出预测指标敏感性进行考察非常必要。笔者利用灰色系统理论的关联分析方法优选某矿27111煤巷掘进工作面煤与瓦斯突出预测的敏感指标,通过分析和验证,取得了较好的应用效果。

1灰色关联分析

1.1原理

灰色关联分析方法是灰色系统理论的核心内容之一,是一种多因素的统计分析。在对一个抽象系统进行系统分析时,通过选择能够反映系统行为特征的映射量,确定影响系统行为的有效因素;并在量化分析过程中,对系统行为特征映射量和各有效因素的样本数据进行适当处理,并采用关联度来描述因素间关系的强弱、大小和顺序,进一步明确影响系统行为的有效因素。

灰色关联分析的基本思想[1]是根据序列曲线几何形状的相似程度来判断其联系是否紧密,曲线越接近,相应序列之间的联系就越大,反之就越小。

1.2步骤

(1)求绝对关联度。

令Xi={xi(1),xi(2),…,xi(10)},i=0,1,2,3,…。求始点零化像,得

undefined

则绝对关联度

undefined

(2)求相对关联度。

求Xi的初值像,得

undefined

求X′i的始点零化像,得

undefined

则相对关联度

undefined

(3)求综合关联度。

取θ=0.5,则综合关联度

ρ0i=θε0i+(1-θ)r0i,i=0,1,2,3,…

2现场测定

依据《防治煤与瓦斯突出规定》第77条规定[2],采用R值指标法预测煤巷掘进工作面突出危险性时,向掘进工作面前方煤体打3个直径42 mm、深8～10 m的钻孔,1个钻孔位于巷道工作面中部,并平行于掘进方向,其他钻孔的终孔点应位于巷道两侧轮廓线外2～4 m处,每钻进1 m,收集并测定该1 m段的全部钻屑量S和钻孔瓦斯涌出初速度q,且测定钻孔瓦斯涌出初速度时,测量室长度为1 m。

根据每个钻孔的最大钻屑量Smax和最大瓦斯涌出初速度qmax按下式确定各孔的R值:

R=(Smax-1.8)·(qmax-4)

式中,Smax为每个钻孔沿孔长最大钻屑量;qmax为每个钻孔沿孔长最大瓦斯涌出初速度。

该矿所在矿区日常预测目前采用R指标法。该矿区根据自身瓦斯赋存特征及多年突出预测实践经验,采用修正后的R指标法。

R=(Smax-1.8)·(qmax-4) (qmax>4)

R=Smax-1.8 (qmax≤4)

临界值取Rm=6。该矿突出预测指标及瓦斯压力实测结果见表1。

3灰色关联分析结果

瓦斯在突出的发生、发展过程中,起到破坏煤体、抛出碎煤并使之粉化、运移的作用,作为发生突出的动力因素,瓦斯梯度及瓦斯压力越大,突出危险性越大。同时,煤层瓦斯压力不仅是区域预测指标之一,也是突出煤层消突与否的重要评价指标,临界值为0.74 MPa,因此,煤层瓦斯压力的大小一定程度上代表着煤体的突出危险程度。所以,将瓦斯压力(突出危险程度)作为母因素,得系统特征序列X0={x0(1),x0(2),…,x0(10)},同时将指标q、S、R作为子因素,得相关因素行为序列Xi={xi(1),xi(2),…,xi(10)},i=1,2,3,…,分析q、S、R和瓦斯压力的关联程度。根据上述灰色关联分析步骤逐步进行计算,得到的各参数值及最终结果见表2。

将关联度由大到小依次排序,在此关联序反映各指标与煤层瓦斯压力的关联程度,即预测煤与瓦斯突出危险性的准确程度。关联序排序为:R值>钻孔瓦斯涌出初速度q>钻屑量S。因此,R指标可以更准确地反映工作面前方煤体的突出危险程度。

4突出预测指标临界值确定

将表1中实测的R值和瓦斯压力数据绘制成如图1所示的柱状,可以看出,当R≥4.8时,煤层瓦斯压力均大于0.74 MPa;当R<4.8时,煤层瓦斯压力均小于0.74 MPa。由此也可看出,R值和煤层瓦斯压力关系显著,且分区性较强。由于样本数据较少,安全起见,暂将R指标临界值定为4.5,低于《防治煤与瓦斯突出规定》给出的临界值6,同时在以后的现场实践中,随着生产的进行,不断测量收集更多数据,逐步更新数据库,并及时确定更加准确的R指标临界值。

5结论

通过灰色关联分析方法分析几种预测指标的实测数据,比较各个指标与突出危险性的关联度,优选出比较灵敏的预测指标。R指标可以更准确地反映某矿27111工作面前方煤体的危险程度,可作为其突出预测的敏感指标。由于所收集到的数据偏少,在现场生产中,还要不断跟踪收集更多数据,逐步扩大样本数据库,力求确定出更加准确的预测指标临界值,守好煤与瓦斯突出防治的第一关。

参考文献

[1]刘思峰.灰色系统理论及其应用[M].北京:科学出版社,1999.

煤与瓦斯突出预测论文 篇8

煤与瓦斯突出灾害是煤矿安全生产中最为严重的灾害之一。为了减少煤矿瓦斯灾害事故的发生, 给煤矿的安全生产提供可靠的技术支持, 采用新的技术手段已经成为煤矿安全生产的迫切需要。地理信息系统 (GIS, Geographical Information System) 是以地理空间数据库 (Geospatial Dababase) 为基础的, 它在计算机技术的支持下描述、存储、分析和输出空间信息, 采用地理模型分析方法适时提供多种空间和动态的地理信息。对于煤与瓦斯突出区域预测, 涉及数据多、信息量大, 且多数信息具有三维立体空间定位的特性, 并具有较强的时效性。将GIS应用于煤与瓦斯突出的区域性预测, 对提高煤矿的安全管理水平至关重要。目前, GIS技术在煤与瓦斯突出预测中的应用还处于初步阶段, 虽然已经开发出了一些可视化预测软件, 但对图形的绘制、空间分析和查询显示等功能还不够完善。由于SuperMap具有强大的图形绘制和空间分析能力, 煤与瓦斯突出预测管理系统易于在SuperMap实现, 因此, 笔者提出了应用SuperMap开发和设计一种煤与瓦斯突出预测管理系统的方案。该系统将GIS信息技术应用到煤与瓦斯突出预测管理中, 并采用SuperMap全组件式软件作为开发平台, 为煤与瓦斯突出的预测开辟了新的途径。

1 SuperMap全组件式地理信息系统软件

本系统开发平台选用由北京超图地理信息技术有限公司开发的SuperMap Objects 2008全组件式地理信息系统软件。该软件集成了目前国际上比较先进的GIS软件开发技术, 具有以下特点:

(1) 易于开发:SuperMap Objects 2008由一系列基于ActiveX技术标准的组件构成, 可以在Visual Basic、Visual C++、Delphi、Visual C#.NET、Visual Basic.NET、Visual C++.NET和ASP.NET等各种流行的开发语言中与OA和MIS (管理信息系统) 等系统随意集成, 相互协同, 提供完善的系统功能。

(2) 功能强大: SuperMap Objects 2008提供了11个控件、170多个可编程对象和3 000个以上的二次开发接口, 二次开发能力强大, 封装粒度适中。功能涵盖了图形与属性编辑、拓扑处理、空间分析、三维建模与分析、三维可视化、专题图制作、符号线型填充库的编辑与管理和布局打印等。

(3) 高度的可伸缩性: SuperMap Objects 2008是全组件式GIS开发平台, 各个GIS组件可以像搭积木一样灵活地分拆和组合, 既可以使用全部组件开发大型GIS项目, 也可以根据需求选择其中一部分组件来开发中小型GIS系统。

(4) GIS与CAD完美结合: SuperMap Objects 2008的数据模型同时提供了GIS和CAD两种类型, 充分发挥各自的特点和优势。同时, SuperMap Objects 2008还吸收了编辑智能捕捉等CAD技术, 大大增强了SuperMap Objects 2008的功能, 使之可与CAD软件相媲美。

(5) 面向对象与面向拓扑相结合: SuperMap Objects 2008支持以拓扑结构和面向对象2种方式组织空间数据, 兼有二者之长, 为系统中数据组织提供了更多的选择, 有利于降低系统设计开发难度。

(6) 可独立分发运行: SuperMap Objects 2008 是专门面向二次开发者设计的全组件式开发平台, 基于该平台开发的应用软件可独立分发运行, 不依赖于SuperMap GIS系列的任何其它软件, 降低了应用软件的部署复杂程度和分发成本。

SuperMap全组件式地理信息系统软件的强大功能使得基于SuperMap组件式GIS软件的煤与瓦斯突出预测管理系统成为现实。应用全组件式地理信息系统软件建立煤与瓦斯突出危险区域的预测, 可以实现煤与瓦斯突出预测的科学性、动态性以及定量化, 为煤矿企业的安全管理提供有力保障, 同时还可以预测分析, 使得煤矿事故的发生概率大大降低, 从而保证煤矿企业的安全生产。

2 系统的开发

2.1 系统开发平台

该系统的开发平台为Windows 98/2000/XP操作系统, 数据库系统采用Microsoft SQL Server 2005, 开发语言为Visual C++, 以及全组件式的SuperMap Objects 2008地理信息软件。SuperMap Objects 2008是基于Microsoft的COM组件技术标准, 以ActiveX控件的方式提供GIS功能的组件平台, 适用于用户快速开发专业GIS应用系统, 或者通过添加图形可视化、空间数据处理和数据分析等功能, 为传统MIS增加GIS功能, 从而将MIS提升到一个新的高度。由于SuperMap Objects 2008具有的强大绘图和可视化功能, 所以它为煤与瓦斯突出预测的专业应用系统开发提供了强有力的技术支持, 在实现煤与瓦斯突出预测的可视化管理方面具有很强的操作性。

2.2 系统的开发流程

基于SuperMap的煤与瓦斯突出预测管理系统开发步骤如下:

(1) 对煤与瓦斯突出预测管理系统进行功能和需求分析, 在此基础上进行系统开发, 建立系统模块结构图和数据库。

(2) 收集用于煤与瓦斯突出的各种基本信息、各类属性信息、采掘工程平面图以及瓦斯预测图等资料, 对收集来的资料进行归类整理。

(3) 在Microsoft SQL Server 2005数据库的支持下, 实现基础地理数据的导入, 建立数据库的管理结构。

(4) 在Visual C++开发环境下, 结合SuperMap Objects 2008对象和标准控件, 以及Visual C++的各个对象属性, 完成GIS的基本功能。

在经过以上各步骤后, 设计建立良好的人机交互界面, 通过对系统的调试与纠错, 完成基于SuperMap的煤与瓦斯突出预测管理系统的开发与设计。

基于SuperMap的煤与瓦斯突出预测管理系统的开发流程如图1所示。

3 系统功能模块设计

基于SuperMap的煤与瓦斯突出预测管理系统功能模块包括基本数据管理、矢量矿图管理和突出预测管理3个部分, 如图2所示。

(1) 基本数据管理模块

基本数据管理模块包括用于煤与瓦斯突出预测管理系统所需的全部数据, 具有维护和管理数据库的功能, 可以增加、修改、删除以及修改各类数据, 还可自行对数据进行更新和查询, 对数据库进行实时维护, 为煤与瓦斯突出预测提供准确、及时、可靠的数据。

(2) 矢量矿图管理模块

矢量矿图管理模块中的一些基本图件如煤层采掘工程图, 首先通过选取线条清楚、色调分明的图件, 然后对其进行修复清理, 使画面干净, 最后进行扫描图件, 完成栅格数据到矢量数据的转化。将扫描后的图件调入AutoCAD进行图件的矢量化, 通过SuperMap的强大功能便可读取CAD矢量矿图, 并进行编辑处理。矢量矿图将为煤与瓦斯突出的区域性预测提供二维和三维可视化, 为突出的定点预测提供技术支持。

(3) 突出预测管理模块

突出预测管理模块是煤与瓦斯突出预测管理系统中的核心, 当需要进行突出预测时, 通过人机交互界面, 系统首先进入矢量矿图管理模块对预测区域的采掘工程图进行定位, 定位后系统进入基本数据管理模块搜索出该区域的煤层基本信息, 并结合相关区域的瓦斯地质图和预测图, 应用数学原理进行预测, 最终根据预测结果的危险性大小给出合理的防突技术措施和应急预案, 从而对煤与瓦斯突出进行预测, 实现煤与瓦斯突出的可视化管理, 保障煤矿的安全生产。

4 结语

基于SuperMap的煤与瓦斯突出预测管理系统是在防治高瓦斯矿井煤与瓦斯突出问题的思路下进行开发的, 对于不同的矿井, 根据其实际情况对基本数据进行更新和合理的处理, 就可实现对其它煤矿的突出预测管理。该系统将GIS信息技术应用到煤与瓦斯突出预测管理中, 并采用SuperMap全组件式软件作为开发平台, 为煤与瓦斯突出的预测开辟了新的途径, 不但提高了煤与瓦斯突出预测的准确性和可靠性, 而且实现了煤与瓦斯突出预测的动态化管理, 并能为煤与瓦斯突出事故提供防治措施和应急预案。该系统的成功研制将对降低煤矿安全事故概率、保障煤矿企业的安全生产起到重要作用, 尤其是对于贵州众多瓦斯含量高的煤矿更具有指导性。

参考文献

[1]邬伦, 刘瑜, 张晶, 等.地理信息系统——原理、方法和应用[M].北京:科学出版社, 2001.

[2]刘明举, 郝富昌, 刘亮.GIS技术在瓦斯区域预测中的应用[J].河南理工大学学报:自然科学版, 2005 (1) .

[3]李希建, 苏恒瑜.基于Super Map的瓦斯预测管理系统设计与开发[J].煤炭科学技术, 2008, 36 (9) .

煤与瓦斯突出预测论文 篇9

我国是世界上煤与瓦斯突出灾害发生最严重的国家之一。煤与瓦斯突出严重影响了煤矿开采, 给国家经济发展带来重大损失, 并极大地危害着采煤工人的生命安全, 特别是2004年10月20日郑煤集团大平煤矿发生的特大瓦斯爆炸事故造成147人死亡, 2009年2月22日西山煤电屯兰矿发生的瓦斯爆炸事故造成78人死亡。因此, 研究煤与瓦斯突出预测问题对于保障煤矿安全生产、职工生命安全至关重要。目前, 有关煤与瓦斯突出的预测方法有很多, 在煤与瓦斯突出预测实际应用中的D、K指标和钻销量指标等均属单指标法或简单综合指标[1], 所考虑的影响煤与瓦斯突出的因素较少。事实上, 影响煤与瓦斯突出的因素很多, 且错综复杂:既有地质的因素, 又有人为的因素;既有区域因素, 又有局部因素;既有确定性因素, 又有不确定性因素。同时, 随着各种技术, 特别是有关煤与瓦斯突出监测技术的不断发展, 各种监测传感器从多方位、多角度提供大量的数据信息, 所考虑的影响煤与瓦斯突出的指标也逐渐增多, 给准确预测煤与瓦斯突出提供了更多的信息资料, 但同时也带来了新的问题。如何筛选这些信息, 有效提取其特征以提高预测的准确性, 就成了本文要解决的问题。本文首先根据以往煤与瓦斯突出预测方法中的分析指标, 加入顶板岩性、底板岩性等几个指标, 然后通过运用ICA (独立成分分析) 法, 对所选指标属性进行特征提取, 将噪音数据影响降到最小, 最后利用SVM (支持向量机模型) 对煤与瓦斯突出进行评估预测。

1影响煤与瓦斯突出的指标属性选取

煤与瓦斯突出是发生在煤矿井下的复杂的地质灾害, 影响煤与瓦斯突出的因素主要有瓦斯放散初速度、构造煤类型、软分层煤厚、煤层瓦斯压力、围岩透气性等。笔者选取以下16个指标分析预测[2]。

煤层瓦斯压力:原始瓦斯压力越高、煤体内的瓦斯含量越大, 煤体破裂时单位面积裂隙上涌出的瓦斯量就越多, 裂隙中就越可能积聚起较高的瓦斯压力, 从而越可能撕裂煤体, 并将撕裂形成的球盖状煤壳抛向巷道。

围岩的透气性系数:围岩的透气性系数越大, 越有利于煤层中瓦斯的泄漏。

构造煤的类型:构造煤是煤与瓦斯突出的必要条件, 不同类型构造煤有不同的突出危险性。

瓦斯放散初速度:煤样放散瓦斯快慢的程度用ΔP值表示, 其大小与微孔隙结构、孔隙表面性质和孔隙大小有关, 且随构造煤类型的增高而增大。

软分层煤厚:当突出阵面沿软分层发展时, 在垂直煤层方向上有:

式中:H为软分层煤厚;Ri为煤壳曲率半径;Φi为煤壳所对的中心角。

从式 (1) 可看出, 软分层煤厚越小, 煤体撕裂后形成的球盖状煤壳在沿垂直煤层方向上的曲率半径及所对中心角越小, 煤壳越不容易失稳抛出, 煤与瓦斯突出灾害也越不容易发生。

此外, 笔者还选取了巷道类型、开采垂深、作业方式、测井视电阻率、测井咖吗咖吗值、测井咖吗值、测井曲线识别的物理分层数、煤层厚度、煤层倾角、顶板岩性、底板岩性等与煤与瓦斯突出有关的因素, 限于篇幅, 本文不再一一详述。

2基于ICA的特征提取

ICA方法是近几年才发展起来的一种新方法[3]。该方法的基本思路是以非高斯信号为研究对象, 在独立性假设的前提下, 对多路观测信号进行盲源分离。在满足一定的条件下, 该方法能够从多路观测信号中较好地分离出隐含的独立源信号, 其目的是将观察到的数据进行某种线性分解, 使其分解成统计独立的成分。最早提出ICA概念的是法国学者HERAUL J和JUTTER C, 当时他们对ICA给出了一种相当简单的描述, 认为ICA 是从线性混合信号里恢复出一些基本的源信号的方法。

引理1 (数据处理不等式) :假设x和c分别代表输入特征和输出类别的随机变量, 对于任意关于x的确定的函数T (x) , T (x) 与输出类c之间的互信息为x和c之间的互信息的上界:

假设有N维标准输入特征向量x=[x1, …, xN]T和二元类c∈{-1, 1}。进行特征提取的目的就是从包含最大类信息的x中提取出M (≤N) 维新特征向量fa=[f1, …, fM]T, 如图1所示。其中选取出的新特征向量fa与输出类c之间的互信息为I (fa;c) , 与表示原始特征x和输出类c之间的互信息I (x;c) 紧密相关。

然后将输入特征空间x分散到2个线性子空间:一个由包含类标签c的最大化信息的fa=[f1, …, fM]T界定, 另一个则由尽可能独立c的fb=[fM+1, …, fN]T界定, 从而达到特征提取的目的。

3煤与瓦斯突出预测的SVM模型

SVM方法是从线性可分情况下的最优分类超平面 (Optimal Hyper-plane) 提出的[4]。假定N个训练样本集D={ (xi, yi) }${}_{i=1}^{{\rm N}}$, xi∈Rn是第i个输入数据, yi∈{-1, +1}是第i个输入数据的所属类别。如果yi能被一个超平面wTx+b=0无错误地分开, 并且距离超平面最近的向量与超平面之间的距离是最大的, 则这个向量集合被这个最优超平面分开, 如图2 所示。

没有错误的分开可保证经验风险最小 (为 0) , 使 Margin (分类间隔) 的距离最大。要求分类超平面对所有样本能正确分类, 必须满足:

式 (3) 可由式 (4) 表示:

容易验证, 最优分类超平面就是满足式 (3) 并且使得Φ (w) =‖w‖2最小化的超平面。两类样本中离分类面最近的点且平行于最优超平面的训练样本, 也就是使Φ (w) =‖w‖2等号成立的那些样本称为支持向量 (Support Vectors, SV) 。

由于支持向量机基本理论只考虑二类分类问题, 而煤与瓦斯突出区域并没有绝对界线, 因此, 需要采用一对多分类方法[5], 即构造多个二类分类器并组合起来完成多类分类, 其中的每一个分类器都把其中的一类同其余的各类划分开来, 然后据此推断某个输入x的归属[6]。一对多分类方法对于x类问题需要构造k个支持向量机二类分类器, 第i个SVM用第i类中的训练样本作为正的训练样本, 而将其它样本作为负的训练样本, 分类时将待分类样本划分到具有最大分类函数值的那类, 从而将样本分类为突出区域、不突出区域及危险区域。

4应用实例

笔者共选取山西省20个高度危险的煤与瓦斯突出矿井进行分析预测, 将其中12个矿井作为训练样本, 剩余8个矿井作为作为预测样本, 共分为突出、危险和不突出3类来对SVM模型进行验证。分析因素为前文提出的16个指标属性, 通过对数据的预处理, 去掉不相关或弱相关的属性, 并进行属性概化, 根据上面给出的算法, 选择核函数K (x, y) =exp (-‖x-y‖2/σ2) [7], 通过实验设定σ值, 由条件属性集的协方差矩阵, 计算得到不同数量的特征属性。当σ=3, 6, 7时, 得到的属性个数依次为6、7、10, 其方差贡献率分别为94.7%, 92.1%, 87.6%。特征提取后的指标属性及预测结果如表1所示。

表1为运用独立成分分析法进行特征提取后所得的预测结果, 将其余未经过特征提取而直接运用支持向量机进行分类后的预测结果作比较, 结果如表2所示。

5结语

本文从多个因素对煤与瓦斯突出进行预测研究, 考虑到其影响因素的多样性、复杂性及非线性, 笔者首先运用ICA法对指标属性进行特征提取、属性约减, 以减少噪声数据对预测效果的影响, 然后运用SVM的一对多方法对样本分类训练, 并对所得预测模型进行验证。从预测结果可看出, 经过ICA对指标属性进行特征提取后, 其预测的准确率达到87.5%, 明显高于未经特征提取而直接进行分类的方法所得到的准确率62.5%, 且该方法运算速度快, 识别分类能力强, 具有很大的推广应用价值。

摘要：影响煤与瓦斯突出的因素很多且错综复杂, 而现有的煤与瓦斯突出预测方法所考虑的影响煤与瓦斯突出的因素较少, 针对大量指标属性时无法进行有效的分析处理。针对该问题, 文章提出了一种基于ICA-SVM的煤与瓦斯突出预测方法。该方法首先通过独立成分分析方法对所选指标属性进行特征提取, 然后利用支持向量机模型对煤与瓦斯突出进行预测分析。预测结果表明, 基于ICA-SVM的煤与瓦斯突出预测方法的预测准确率高, 且运算速度快, 识别分类能力强, 效果较好。

关键词：煤与瓦斯突出,预测,独立成分分析,支持向量机,特征提取

参考文献

[1]林柏泉, 崔恒信.矿井瓦斯防治理论与技术[M].徐州:中国矿业大学出版社, 1998.

[2]胡千庭.高效防治煤与瓦斯突出技术的研究[J].淮南工业学院学报, 2002, 22 (4) :11-14.

[3]谷雨, 郑锦辉, 孙剑, 等.基于独立成分分析和支持向量机的入侵检测方法[J].西安交通大学学报, 2005 (8) .

[4]房瑞明.支持向量机理论及应用[J].系统工程, 2006 (4) .

[5]安金龙, 王正欧.一种新的支持向量机多类分类方法[J].信息与控制, 2004 (3) .

[6]张冰, 孔锐.一种支持向量机的组合核函数[J].计算机应用, 2007, 27 (1) .

煤与瓦斯突出预测论文 篇10

近年来, 我国煤炭安全生产形势严峻, 重特大事故频繁发生。且在这些煤矿煤岩体灾害中, 危害性最大的是煤与瓦斯突出。在如此严峻的形势下, 对煤与瓦斯突出预测与防治的研究具有巨大而深远的意义, 并已经引起了我国政府和国内外学术界的高度重视。

近年来, 世界上主要产煤国家都加强了煤与瓦斯突出危险性的研究, 国内外研究者已经陆续提出多种关于煤与瓦斯突出预测的方法。Paul、Noack和王佑安等学者根据含瓦斯媒体性质及其赋存条件的某些量化指标, 如瓦斯指标、煤层性质指标等, 提出了单项指标法。抚顺分院矿务局提出综合指标法, 用综合指标K与D来预测煤与瓦斯的突出危险性。随着现代数学理论的发展, 一些综合评价法如层次分析法 ( AHP) 、模糊综合评价法、灰色综合评价法、人工神经网络评价法以及相关的集成方法通过对煤与瓦斯突出性指标进行一些数学处理而得到一般结论, 取得不错的效果。例如冯占文应用层次分析法- 模糊综合评价法进行煤与瓦斯突出危险性的预测[1], 胡广青应用灰色综合评价法和神经网络法进行煤与瓦斯突出预测分析[2,3]。由于AHP法和模糊综合评价法带有一定的主观性, 人工神经网络算法的复杂性和由此导致的迭代过程震荡和过拟合问题加上煤矿生产系统自身的复杂性、影响因素的多变性及矿难灾变的非线性以及数据样本的有限性等, 使得上述评价方法在实际运用中遇到很大的限制[4]。

随着统计学习理论的不断成熟和发展, Cortes和Vapnik在1995 年提出了一种基于结构风险最小化原理的新模式识别方法- 支持向量机 ( 简称SVM) , 它通过选取合适的核函数在解决非线性、小样本数据及多维度的识别问题中表现出诸多优势。如孙玉峰建立的煤与瓦斯突出预测的SVM模型[5]。之后一些改进的SVM模型不断涌现, 如BSVM, LSSVM, V - SVM等, 这些改进的SVM模型不仅优化了算法, 而且在某些方面提高了分类精度。如王志辉将改进的支持向量机用于煤矿安全评价系统中[6], Liu提出的基于模式识别RS - SVM模型的煤与瓦斯突出危险分析[7], Zhao将LSSVM模型用于煤与瓦斯的预警研究中[8]等等。SVM的最大优点是它的最终决策函数只由少数支持向量所决定, 但是如果煤与瓦斯突出样本中个别样本相对于其他样本是孤立点时, SVM的精确度将大大下降。

2002 年台湾大学的Chunfu Lin和Shengde Wang提出了模糊支持向量机 ( 简称FSVM) 。FSVM在继承SVM在小样本情况下具有较强识别能力的特点, 并通过对每个样本赋予一个隶属度值, 使得构造目标函数时不同的样本有不同的贡献, 达到最大限度的消除噪声或者孤立点的效果, 比SVM拥有更好地精确度和更广泛的使用领域[9,10,11]。根据更近一步的研究表明, 通过对隶属度函数的优化设计以及样本数据的优化处理而构建的一系列改进的模糊支持向量机, 如去边缘模糊支持向量机[12], 基于模糊C - 均值聚类算法的模糊支持向量机[13]等拥有了更优越的特性, 无论训练样本的时间还是分类精度都得到了显著的提高。本文运用了灰色关联分析法对煤与瓦斯突出指标进行提取, 引入了一个合适的模糊隶属度函数, 并在此基础上提出了基于FSVM的煤与瓦斯突出预测的模型, 通过实际数据证明了FSVM模型能够满足煤与瓦斯突出预测的要求, 相比较传统SVM拥有更高的精确度。

1 灰色关联度分析和模糊支持向量机

1. 1 灰色关联度分析

首先将原始数据列进行规范化处理, 设经过处理后的参考数据列x0={x0 (1) , x0 (2) , …, x0 (n) }, 关联分析中被比较数列xi={xi (1) , xi (2) , …, xi (n) }, i=1, 2, …, m

式中, ξi ( k) 称为xi对x0在k时刻的关联系数。取 σ 为分辨系数, 且 σ ∈ [0, 1] 。将各个时刻的关联系数求平均值得到绝对关联度的一般表达式:

这里根据煤与瓦斯数据的特点, 采用功效系数法进行数据规范化, 以下是规范化公式:

式中, a , b是常量, 本文选取a值为0. 05, b值为0. 90, 这样就可以把原始数据规范化到一特定区间[0. 05, 0. 95]内; xmax, xmin是某个矿井瓦斯突出主控影响因素样本向量的最大、最小值; xi, x'i表示为用改进的数据规范化方法处理前和处理后的新值。

1. 2 模糊支持向量机

设训练样本集为S = { ( x1, y1, s1) , … , ( xl, yl, sl) } , 其中, 输入xj∈ Rn, 输出yj∈ { - 1, 1} , 对于线性问题, 求最优分类超平面问题转化为求解以下二次规划问题, 即

其中, C>0是惩罚参数, 0

对于非线性问题, 引入核函数K ( xi, xj) , 用拉格朗日函数法求得下列二次规划:

最终可得到模糊最优分类函数为:

1. 3 模糊隶属度的确定

根据煤与瓦斯样本的特点, 这里选取一种简单的基于线性距离的隶属度函数, 这样既可以区分不同样本的贡献度, 提高去噪声和孤立点的能力, 而且也降低了隶属度函数算法的复杂度, 提高了运算效率。该方法将样本的隶属度看作特征空间中样本与其所在类中心之间距离的线性函数, 样本离类中心越近, 隶属度越大, 反之则越小。对于Rn上的一类点{ x1, …, xl} , 记x0为类中心点, r为类半径:

根据距离确定隶属度时, 类中心个样本的隶属度为

2 算法

整个算法的基本步骤可描述如下:

1) 根据式 ( 3 ) 将原始样本数据进行规范化处理。

2) 根据式 ( 1) 和式 ( 2 ) 将求出的各指标的相关度进行排序, 提出主要指标。

3) 根据式 ( 7) 求出样本集合的类中心x0和类半径r, 根据式 ( 8) 得出隶属度函数sj。

4) 确定模糊训练集: S = { ( x1, y1, s1) , … , (xl, yl, sl) } , 选定训练样本和测试样本。

5) 不失一般性可考虑选用Gauss径向基核函数; K (x, x') = exp (-x - y2/σ2) , 用cross - validation方法优化并确定惩罚参数C与Gauss径向基核函数的参数 σ。

6) 运用最佳惩罚参数C与Gauss径向基核函数的参数 σ , 通过式 ( 6) 对训练样本集进行学习, 建立FSVM模型。

7) 用测试样本进行预测, 将测试结果与原数据结果比较, 检验FSVM模型的准确性。

3 模糊支持向量机在煤与瓦斯突出预测中的实际应用

3. 1 煤与瓦斯突出影响指标的选取与灰色关联分析

煤与瓦斯突出是地应力、瓦斯和煤的物理力学性质3 个因素综合作用的结果, 经过理论和实践分析[14], 本文选取典型的煤与瓦斯突出实例的7 个因素作为指标进行原始数据采集:

1) 煤层瓦斯压力 ( P) : 瓦斯压力的大小是媒体含瓦斯压缩能高低的重要标志。

2) 瓦斯放散初速度 ( ΔP ) : 瓦斯放散初速度与煤的微空隙结构, 空隙表面性质和空隙大小有关。

3) 煤的破坏类型 ( D) : 煤的破坏类型分为非破坏煤、破坏煤、强烈破坏煤、粉碎煤和全粉煤5 种类型, 分别对应于表1 中的1、2、3、4、5。

4) 煤的坚固性系数 ( F) : 在相同的瓦斯压力和地应条件下, 煤的坚固性系数越大, 越不容易发生突出。

5) 开采深度 ( H) : 随着开采深度的增加, 煤层突出强度会增加。

6) 软分层媒体厚度 ( T) : 煤的软分层越厚, 瓦斯突出越频繁。

7) 煤层瓦斯含量 ( C) : 煤层的瓦斯含量越高, 瓦斯突出的威胁越大。

根据以上指标分析, 本文选取了具有代表性的8 组突出矿的实测数据作为样本集, 进行灰色关联度分析[13], 见表1。

根据本文3 中算法第一步, 将表1 中的数据规范化处理得表2。

根据本文3 中算法第二步, 求出关联度排序结果为r1> r6> r5> r3> r2> r7> r4, 表明放散初速度  开采深度  媒体破坏类型  瓦斯压力 坚固性系数  瓦斯含量  软分层厚度。所以本文提取前5 个向量: 散初速度、开采深度、媒体破坏类型、瓦斯压力和坚固性系数作为煤与瓦斯突出预测的指标。

3. 2 煤与瓦斯突出的原始数据的采集

本文收集了我国矿井煤与瓦斯突出的17 组典型数据作为样本进行研究, 见表3。

3. 3 对训练样本进行训练

选取表3 中前12 个样本作为训练样本, 其余5个样本作为测试样本, 将12 个训练样本通过本文2. 4 中的算法进行训练, 这里取C = 100, σ = 10, FSVM计算值为- 1 表示该矿井有可能发生煤与瓦斯突出, 计算值为1 表示该矿井此时无煤与瓦斯突出。训练后的结果见表4。

3. 4 用训练好的FSVM模型预测煤与瓦斯的突出

用上面12 组训练样本训练好的FSVM预测煤与瓦斯的突出, 此外笔者采用了单项指标法, 综合指标法[12]和一般SVM方法对同样的5 组测试样本进行预测, 测试结果见表5。

从表5 可以看出单项指标法和综合指标法得到的评价结果与实际情况不一致, 不能精确的预测我国矿井煤与瓦斯突出的危险性。除了第15 组样本外, 一般SVM和FSVM都能得到准确的预测结果, 而在预测第15 组数据时, 一般SVM得到的结果有错误, 与实际情况不符合, FSVM方法仍然可以得出正确的预测结果。这是因为训练样本中第5 组和第12 组数据比较特殊, 他们相比其他同类样本 ( 突出类) 有很大的差异性, 即样本点比较孤立, 偏离样本中心较远。由于小样本问题的约束性, 很少的孤立点就能使SVM分类超平面向着孤立点的方向偏移, 这会使得一些比较敏感的样本点, 即分类超平面附近的点很容易被错误的分类, 降低了分类准确度。这里就是因为负类样本 ( 突出类) 中孤立点的存在, 使得分类超平面向着负类方向 ( 突出类) 偏移, 使得原来在分类超平面附近偏正类 ( 无突出) 的样本点被错误的分在了负类的一侧, 这也是为什么一般SVM把第15 组数据得到的结果错误的划分为无突出类的原因。基于FSVM的方法由于模糊隶属度的存在, 给孤立点赋予了一个小的隶属度, 降低了他在构造分类超平面中的作用, 而给支持向量赋予较大的隶属度, 从而使得分类超平面没有因为孤立点的存在而有较大的偏移, 所以能正确的划分分类超平面附近的样本点, 得到更准确的结果。由此可见, 基于FSVM的模型能更好的满足煤与瓦斯突出预测的要求。

4 结论

1) 本文运用灰色关联分析法对煤与瓦斯突出的影响因素进行分析, 选取合适的指标, 并建立了基于模糊支持向量机的煤与瓦斯突出预测的模型, 通过对17 组实际数据样本的训练结果表明该模型能够正确的用来预测矿井煤与瓦斯突出的危险性。通过单项指标法、多项指标法和一般支持向量机方法的比较, 可以得出基于模糊支持向量机的煤与瓦斯突出预测的模型拥有更准确的预测结果。

煤与瓦斯突出预测论文 篇11

煤与瓦斯突出是煤矿井下的一种自然灾害,严重威胁着煤矿的安全生产。预测煤与瓦斯突出的传统方法有静态不连续方法、动态连续方法等,这些方法的预测准确度不高。支持向量机(SVM)是基于统计学习理论提出的一种机器学习方法,可以解决小样本、多维数问题,而且不会出现局部极值[1]。但是SVM是纯粹的监督学习,它需要的数据必须是已标记样本,而在实际工作中,在训练前得到完全标记好的数据非常困难。因此,本文引入半监督学习,将半监督学习与SVM结合起来,充分利用未标记样本不断补充信息,更新训练集标记样本,改善分类器的精度。

1 SVM预测方法

1.1 预测流程

SVM基本思路:通过一个非线性变换将输入空间变换到高维空间,在高维空间中求广义最优分类面[4,5]。引入核函数,通过原空间的函数实现高维空间的内积运算。

采用SVM预测煤与瓦斯突出的步骤:(1) 收集合适的数据集;(2) 对数据进行归一化处理;(3) 选择高斯径向基核函数;(4) 采用交叉验证的方法优化核参数σ和惩罚因子C,设定两个参数的范围分别为1≤C≤10 000,0.01≤σ≤500;(5) 得到最优参数组合后,训练数据集,获得SVM预测模型。

预测流程如图1所示。

1.2 输入向量选择

煤与瓦斯突出主要是地应力、瓦斯和煤的物理力学性质这3个因素综合作用的结果,下面列举其中比较主要的几个影响因素:(1) 瓦斯放散初速度。它是煤体自身力学强度的一种相对指标,能充分反映煤的物理性质。(2) 煤的坚固性系数。它是煤颗粒本身力学强度的一种相对指标,煤的坚固性系数越大,突出危险性越小。(3) 瓦斯压力。瓦斯压力可以破坏煤体和煤层,煤层的透气性越差,瓦斯压力越高,突出危险性越大。(4) 软分层煤体厚度。煤层厚度和软分层厚度的增加会导致突出的次数和强度增加。(5) 煤体破坏类型。煤体破坏类型一般分为5类,I为非破坏煤,II为破坏煤,III为强烈破坏煤,IV为粉碎煤,V为全粉煤。(6) 开采深度。开采越深越容易发生煤与瓦斯突出。(7) 煤层瓦斯含量。煤层瓦斯含量越高,瓦斯灾害发生的可能性也越大。

影响煤与瓦斯突出的因素还有很多,如果都作为SVM输入向量,则预测模型会很复杂。本文通过灰关联分析得到突出影响因素的主次关系:瓦斯压力>放散初速度>开采深度>煤体破坏类型>坚固性系数>煤层瓦斯含量>软分层厚度,并选择前5个作为SVM输入向量。

2 半监督学习及其协同训练算法改进

2.1 半监督学习

半监督学习与监督学习、无监督学习不一样,它可以不用知道全部计算机样本的类别,先利用少量已标记样本训练一个分类器,然后利用大量未标记样本来提高分类器的精度。半监督学习的形式描述:整个样本集合表示为D=U+L={(x1,y1),(x2,y2)…(x|L|,y|L|),(x′1,y′1)…(x′|U|,y′|U|)},其中y为文本x的标签,|L|和|U|分别表示标注样本集和未标注样本集所包含的样本数[6]。整个样本集可以看成是一部分数据集合x′1,x′2…x′|L|的标签信息y′1,y′2…y′|U|缺失的不完整数据集。半监督学习的目的是在整个样本集D上寻找最优样本。

2.2 协同训练算法及其改进

协同训练是半监督学习的一种分类算法。半监督学习利用数据分布上的模型假设建立学习器,对未标注的样本进行标注。最初的协同训练算法假设数据集有2个充分冗余视图,即满足以下条件的属性集:(1) 特征能够分成2个集合;(2) 每一个子特征集足够训练成一个好的分类器;(3) 2个集合对给定的类是条件独立的[7]。该算法在相互独立的2个子集上,利用已标记数据训练出2个不同的分类器。这2个分类器分别对未标记数据进行分类,每次标记一部分自认为置信度高的数据给对方,然后重新训练,使模型得以更新,进一步迭代直到没有合适的未标记数据加入。该算法隐含地利用了聚类假设或流形假设。

协同训练要求有2个独立视图,而在实际问题中很难满足此要求,所以本文提出一种改进算法:在同一属性集上训练2个不同分类器,然后将2个分类器标记一致的样本加入训练集。分类器选用SVM和KNN(K最邻近结点算法),这2个分类器差异较大,对未标记样本标记一致的置信度较大。改进的协同训练算法流程如图2所示。

3 测试分析

已标记样本比例不同,得到的分类准确率也不一样,分类准确率与标记样本比例的关系如图3所示。可见,随着已标记样本比例的增加,分类准确率也跟着增大,但是当标记样本比例达到40%左右之后,分类准确率基本上趋于稳定,所以本文取已标记样本比例为40%,作为训练样本集。

采用多个矿的典型突出数据作为训练样本,取80个数据集,其中已标记样本的40%作为训练样本集,其余60%作为测试样本集。输入向量包括瓦斯压力、放散初速度、开采深度、煤体破坏类型、坚固性系数,对数据进行归一化处理。选用高斯径向基核函数,交叉验证取得的核参数σ=0.93,C=1,10个预测样本的预测结果见表1。其中0表示无突出,1表示小型突出,2表示中型突出,3表示大型突出。

从表1可以看出,改进算法预测突出的准确率较高。这是因为它能充分地利用未标记样本来不断补充信息,在对未标记样本标注的同时不断更新训练集标记样本,达到强化训练集的目的,且未标记样本的分布信息能帮助分类器学习;而单独的SVM预测方法只是根据已有的标记样本来训练一个分类器,接着再标记未标记样本,分类精度明显比改进的协同SVM精度低。

4 结语

介绍了采用SVM预测煤与瓦斯突出的流程和输入向量的选择,对半监督学习中的协同训练算法进行了改进,提出在同一属性集上训练2个不同分类器,然后将2个分类器标记一致的样本加入训练集。测试结果表明,改进后的算法比单独的SVM预测方法准确率更高。

参考文献

[1]陈祖云,张桂珍,邬长福,等.基于支持向量机的煤与瓦斯突出预测研究[J].工业安全与环保,2010,36(5):33-36.

[2]张福德.影响爆破效果因素的灰关联分析[D].武汉:武汉理工大学,2011.

[3]贺晓春.基于灰关联分析方法[J].微计算机信息,2011,27(1):285-287.

[4]师旭超,韩阳.煤与瓦斯突出预测的支持向量机(SVM)模型[J].中国安全科学学2009,19(7):26-30.

[5]OSUNA E,FREUND R,GIROSI F.An ImprovedTraining Algorithm for Support Vector Machines[C]//Neural Networks for Signal Processing[1997]VII.Proceedings of the 1997IEEE Workshop,1997,Amelia Island:276-285.

[6]骆学荣.基于半监督的SVM-KNN及其在入侵检测中的应用[D].保定:河北大学,2010.