基于瓦斯含量法的煤與瓦斯突出預測關鍵技術研究.pdf

1、煤與瓦斯突出是一種嚴重的煤礦動力災害，準確進行突出預測是防治煤與瓦斯突出的關鍵，目前國內外用于突出預測的方法很多，但這些方法有一定的局限性，預測頻繁，準確性有待提高，制約了煤礦的安全高效生產。本文針對瓦斯含量計算準確性、采樣方法與裝備、智能預測算法等幾項關鍵技術進行了研究，改進了現有瓦斯含量法預測煤與瓦斯突出的含量測定精度和預測效果。
　　對6次煤與瓦斯突出事故實例的能量進行了計算，分別對煤體彈性能、游離瓦斯內能和解吸瓦斯內能在有

2、效潛能中的占比進行了分析，得到突出能量來源主要是瓦斯內能，彈性能所占比例很小，解吸瓦斯內能占比達到53.73％，瓦斯含量的大小是解吸瓦斯內能大小的直接體現。因此，將瓦斯含量作為預測突出的主要指標。突出過程中的瓦斯解吸要配合煤體結構物理力學性質等其他參數指標才能滿足突出發(fā)展的能量要求，通過分析確定將瓦斯壓力、孔隙率、煤層堅固性系數和瓦斯放散初速度作為突出預測的輔助指標。
　　結合實驗，對直接法測定瓦斯含量誤差產生因素進行了分析，給出

3、了降低測定誤差的對策，編制了一套瓦斯含量計算軟件，操作人員僅需輸入相關參數即可，操作方便，軟件可實現使用煤礦的數據匯總，為將來建立煤礦安全大數據提供了技術支持。為了降低煤樣采集環(huán)節(jié)的瓦斯損失量，自主研制雙管正壓逆流采樣裝備，能夠實現快速定點取樣，同時完成了定點控制采樣方法與裝備的設計，并對其無線數據傳輸和采集倉門驅動電機兩項關鍵技術進行了實驗研究。
　　針對煤與瓦斯突出事故數據缺失的問題，提出采用多重填補(MI)算法進行缺失數據填

4、補，豐富事故數據集，提高機器學習算法預測的準確性。分別選用填補前和填補后的事故數據集進行預測算法學習，算法的識別率得到了提升，特別是對事故數據的識別率得到了大幅提升，驗證了采用數據填補的可行性。選用隨機森林(RF)算法對煤與瓦斯突出進行預測，通過與決策樹(DT)、K最近鄰(KNN)、支持向量機(SVM)算法比較，得到RF的預測平均識別率最高。為了提高煤與瓦斯突出預測率，在現有數據集中優(yōu)化，選擇數據，建立了事故識別率100％的預測模型。<