董矿分公司二水平二采区瓦斯涌出量预测及防治技术研究

发布时间：2020-12-15 03:26

　　瓦斯事故是煤矿开采过程中最严重的灾害之一。对瓦斯赋存规律的研究,为预防瓦斯事故和保障井下生产的安全提供了指导性的依据,对积极采取瓦斯防治措施具有一定的参考价值。董矿分公司二水平二采区518综采工作面在生产过程中存在瓦斯异常涌出现象,为解决该矿因为瓦斯而产生的不安全隐患,该论文进行了瓦斯赋存规律研究和采取相应的防治技术措施的研究。本文在通过分析瓦斯涌出规律、预测研究现状的基础上,采用灰色关联理论得出了影响该矿瓦斯含量主控因素是埋深。运用IACA和BP神经网络,构建了适应该矿的基于IACA-BP的瓦斯涌出量预测模型,并且通过进行BP模型、ACA-BP模型和IACA-BP模型预测误差的对比,得出了 IACA-BP的预测精度在三种模型中最高,误差最小。针对518综采工作面瓦斯涌出量大的现状,采用了井下移动瓦斯抽采设备对本煤层、顶板和采空区进行了瓦斯抽采,取得了很好的效果;又采取一定的辅助技术措施强化瓦斯预防,主要是通过对瓦斯防治重点区域、合理通风和监测监控等方面进行预防瓦斯;通过对518综采工作面“人机料法环”的分析,确定了建立5个方面的安全管理措施预防瓦斯事故。 

【文章来源】：西安科技大学陕西省

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

董矿分公司交通位置图

BP神经网络结构图

图 3.2 真实蚁群觅食过程示意图蚁群算法就是仿效上面所述真实蚂蚁出去觅食时的群体合作寻找最优路径的出来的。在人工蚁群算法中，将真实蚂蚁释放出来的信息素换成数字信息量息记录了蚂蚁当前的和以前的解的性能状态，并且能够被经过的其他人工蚂读。人工蚂蚁在所经过的路径上会储存一定量度的数字信息，随着时间的推

【参考文献】：
期刊论文
[1]基于改进万有引力算法的KELM瓦斯涌出量预测[J]. 王居尧,王凯君.  煤. 2020(05)
[2]基于灰色理论-BP神经网络预测瓦斯含量[J]. 温建强,张岩,高帅帅,高望.  能源技术与管理. 2020(01)
[3]基于BP神经网络的未采区瓦斯含量预测[J]. 高望,张岩,高帅帅.  陕西煤炭. 2020(01)



本文编号：2917564