IACA-WNN模型在瓦斯涌出量中预测及瓦斯防治技术研究

发布时间：2020-07-05 14:51

【摘要】：瓦斯事故可以称之为是关乎煤矿安全生产的首要难题,准确预测矿井瓦斯的涌出量,是有效地预防瓦斯灾害发生的基础。构建瓦斯涌出量预测模型,研究预测精度误差,能够有效实现煤矿瓦斯涌出量动态预测目标,对保障煤矿安全生产具有重要意义。论文以陕西澄合矿区某矿综采工作面为基础,根据5#煤层地质情况,分析瓦斯赋存影响因素的实际情况,基于灰色关联度分析方法,得到各个影响因素与瓦斯含量的关联度,得出影响该矿瓦斯含量大小的主要影响因素为煤层厚度和埋深。通过对比研究现有瓦斯涌出量预测方法现状,分析得出这些预测方法存在的不足之处,提出一种基于改进的蚁群算法和小波神经网络耦合(IACA-WNN)的瓦斯涌出量预测模型。基于2种主要影响因素,分别建立了煤层厚度和埋深综合作用下的神经网络(BP)、蚁群算法-BP神经网络(ACA-BP)、蚁群算法-小波神经网络(ACA-WNN)和IACA-WNN瓦斯涌出量预测模型,并给出了每种模型的算法编码和四种模型预测误差算法编码。通过MATLAB软件分别对4种预测模型算法进行计算,对比现场实际数据,得出IACA-WNN瓦斯涌出量预测模型的误差最小、精度最高、收敛效果最好。通过对该矿综采工作面瓦斯防治措施的分析,在现有措施的基础上结合前期的预测结果,提出了更加适合井下现场实际的综采工作面瓦斯防治技术措施和安全管理措施,通过实践证明,该措施对综采工作面的安全生产具有重要的指导意义。
【学位授予单位】：西安科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TD712.5
【图文】：

（4）基于 502 综采工作面瓦斯防治技术现状，在现有的瓦斯防治技术措施的基础上提出更加符合现场实际情况的瓦斯防治措施。1.4 研究方法及技术路线1.4.1 研究方法（1）研究传统蚁群算法的优缺点和小波神经网络的收敛性质，改进蚁群算法，研究出一种可以将二者结合起来的预测算法，并用这个算法进行小波神经网络的小波参数进行优化训练，得到收敛速度快、收敛精度高的瓦斯涌出预测模型。（2）根据构建的瓦斯涌出预测模型对 502 综采工作面瓦斯涌出量进行预测研究，并对比分析 4 种方法的瓦斯涌出量预测误差，得出误差最小的瓦斯涌出量预测方法。1.4.2 技术路线本文的技术路线如图 1.1 所示。

岩性及岩相旋回结构特征

【参考文献】

相关期刊论文 前10条

1 李靖;;遏制煤矿“第一杀手”[J];劳动保护;2015年11期

2 李树刚;赵勇;许满贵;;煤岩与瓦斯固流耦合机理研究进展[J];煤矿安全;2015年10期

3 秦跃平;刘鹏;郝永江;王健;吴建松;;巷壁瓦斯涌出的数学模型及无因次分析[J];辽宁工程技术大学学报(自然科学版);2015年10期

4 涂庆毅;程远平;王亮;张荣;;煤与瓦斯突出的动态过程研究[J];煤炭科学技术;2015年06期

5 陈伟华;闫孝Y

本文编号：2742751