基于GAPSO-RFR的矿井底板突水预测模型与应用
发布时间：2021-04-10 12:06
为了更精准地预测矿井突水灾害,对突水预测和救援提供帮助,减少水灾造成的损失,提出基于GAPSO-RFR的矿井突水预测模型。利用遗传-粒子群算法对随机森林回归模型（RFR）进行优化,选取34例样本对GAPSO-RFR模型进行迭代和训练。测试结果表明,GAPSO-RFR模型提高了预测精度,减少了泛化误差。同时利用模型对王家岭矿区部分盘区的10号煤层与2号煤层的突水风险进行预测分析,得出了突水风险较高的区域分布情况。
【文章来源】：中国矿业. 2020,29(08)北大核心
【文章页数】：6 页
【部分图文】：
GAPSO-RF算法流程
笔者依据所建立的突水预测模型，对王家岭煤矿的突水危险性进行分析。王家岭井田属于河东煤田乡宁矿区南部，地层从上到下有第四系、二叠系、石炭系、奥陶系。井田内可采煤层以2号煤层和10号煤层为主。2号煤层位于二叠系山西组中下部，煤层底板由山西组和太原组泥岩、砂质泥岩和细砂岩组成，平均隔水层厚度为48.33m，底板充水水源为奥陶系灰岩岩溶裂隙含水层和石炭系太原组灰岩岩溶裂隙含水层，含水层平均厚度为3.68m，属于薄型含水层，富水性较弱。10号煤层位于石炭系太原组K2石灰岩下，底板水源为奥陶水，底板隔水层平均厚度为32.12m，岩性以细粒砂岩、中粒砂岩和砂质泥岩为主。已发现落差大于5m的断层共20条，落差大于20m的断层共5条，主要分布于201盘区南部边界外。图3 煤层突水风险区域划分
图2 特征重要性排名根据《煤矿防治水细则》[19]进行突水风险等级的划分，划分标准见表3。利用模型和水文钻孔数据分析矿区201盘区、202盘区、203盘区的突水风险，煤层突水风险区域划分如图3所示。预测结果：10号煤层高风险和较高区域主要位于201盘区、202盘区东部和203盘区西北部，该区域底板奥灰水水压较高，隔水层厚度在22m以下，靠近南部断层。中等风险区域位于201盘区、202盘区中东部和203盘区北部，该区域属于矿压破坏带下，有一定突水风险。201盘区南部虽然靠近断层区域，但水压低，靠近断层处采掘活动少，整体风险不高。201盘区和203盘区交界处的断层在5m左右，落差较小，并且隔水层较厚，风险较低。2号煤层突水风险较高的区域集中在202盘区东北部。其余区域隔水层较厚，平均在40m以上。
【参考文献】：
期刊论文
[1]基于FOA-SVR模型的矿井底板突水量预测应用研究[J]. 刘梦杰,朱希安,王占刚. 中国矿业. 2019(05)
[2]基于提升回归树与随机森林的风电功率集成预测方法[J]. 李国,江晓东. 电力系统及其自动化学报. 2018(11)
[3]基于VMD-WA-RFR模型的BDI指数影响因素研究[J]. 武华华,匡海波,张鹏飞. 科研管理. 2018(10)
[4]改进粒子群算法优化SVM参数的遥感图像分类[J]. 于梦馨,刘波,汤恩生. 航天返回与遥感. 2018(02)
[5]一种基于粒子群算法优化的加权随机森林模型[J]. 王杰,程学新,彭金柱. 郑州大学学报(理学版). 2018(01)
[6]基于PCAFuzzyRF模型的煤层底板突水预测[J]. 温廷新,孙雪,田洪斌,孔祥博. 安全与环境学报. 2017(03)
[7]基于五图双系数法的煤层底板突水危险性评价[J]. 李建林,陈国胜,张波,崔延华. 河南理工大学学报(自然科学版). 2017(02)
[8]一种惯性权重自适应的粒子群优化算法[J]. 罗华. 电子科技. 2017(03)
[9]改进的CART算法在煤层底板突水预测中的应用[J]. 杜春蕾,张雪英,李凤莲. 工矿自动化. 2014(12)
[10]中国煤矿灾害防治技术的研究现状与发展趋势[J]. 方树林. 洁净煤技术. 2012(01)
博士论文
[1]半监督学习和数值模拟的煤层底板突水预警系统研究[D]. 刘雪艳.太原理工大学 2016
硕士论文
[1]基于PSO-SVM的煤层底板突水危险性预测研究[D]. 宰慧.山东科技大学 2017
[2]基于LSTM的煤矿底板突水预警模型研究与应用[D]. 曹超凡.西安建筑科技大学 2017
[3]RS与LSSVM在煤层底板突水预测中的应用研究[D]. 徐波.辽宁工程技术大学 2016
本文编号：3129608
【文章来源】：中国矿业. 2020,29(08)北大核心
【文章页数】：6 页
【部分图文】：
GAPSO-RF算法流程
笔者依据所建立的突水预测模型，对王家岭煤矿的突水危险性进行分析。王家岭井田属于河东煤田乡宁矿区南部，地层从上到下有第四系、二叠系、石炭系、奥陶系。井田内可采煤层以2号煤层和10号煤层为主。2号煤层位于二叠系山西组中下部，煤层底板由山西组和太原组泥岩、砂质泥岩和细砂岩组成，平均隔水层厚度为48.33m，底板充水水源为奥陶系灰岩岩溶裂隙含水层和石炭系太原组灰岩岩溶裂隙含水层，含水层平均厚度为3.68m，属于薄型含水层，富水性较弱。10号煤层位于石炭系太原组K2石灰岩下，底板水源为奥陶水，底板隔水层平均厚度为32.12m，岩性以细粒砂岩、中粒砂岩和砂质泥岩为主。已发现落差大于5m的断层共20条，落差大于20m的断层共5条，主要分布于201盘区南部边界外。图3 煤层突水风险区域划分
图2 特征重要性排名根据《煤矿防治水细则》[19]进行突水风险等级的划分，划分标准见表3。利用模型和水文钻孔数据分析矿区201盘区、202盘区、203盘区的突水风险，煤层突水风险区域划分如图3所示。预测结果：10号煤层高风险和较高区域主要位于201盘区、202盘区东部和203盘区西北部，该区域底板奥灰水水压较高，隔水层厚度在22m以下，靠近南部断层。中等风险区域位于201盘区、202盘区中东部和203盘区北部，该区域属于矿压破坏带下，有一定突水风险。201盘区南部虽然靠近断层区域，但水压低，靠近断层处采掘活动少，整体风险不高。201盘区和203盘区交界处的断层在5m左右，落差较小，并且隔水层较厚，风险较低。2号煤层突水风险较高的区域集中在202盘区东北部。其余区域隔水层较厚，平均在40m以上。
【参考文献】：
期刊论文
[1]基于FOA-SVR模型的矿井底板突水量预测应用研究[J]. 刘梦杰,朱希安,王占刚. 中国矿业. 2019(05)
[2]基于提升回归树与随机森林的风电功率集成预测方法[J]. 李国,江晓东. 电力系统及其自动化学报. 2018(11)
[3]基于VMD-WA-RFR模型的BDI指数影响因素研究[J]. 武华华,匡海波,张鹏飞. 科研管理. 2018(10)
[4]改进粒子群算法优化SVM参数的遥感图像分类[J]. 于梦馨,刘波,汤恩生. 航天返回与遥感. 2018(02)
[5]一种基于粒子群算法优化的加权随机森林模型[J]. 王杰,程学新,彭金柱. 郑州大学学报(理学版). 2018(01)
[6]基于PCAFuzzyRF模型的煤层底板突水预测[J]. 温廷新,孙雪,田洪斌,孔祥博. 安全与环境学报. 2017(03)
[7]基于五图双系数法的煤层底板突水危险性评价[J]. 李建林,陈国胜,张波,崔延华. 河南理工大学学报(自然科学版). 2017(02)
[8]一种惯性权重自适应的粒子群优化算法[J]. 罗华. 电子科技. 2017(03)
[9]改进的CART算法在煤层底板突水预测中的应用[J]. 杜春蕾,张雪英,李凤莲. 工矿自动化. 2014(12)
[10]中国煤矿灾害防治技术的研究现状与发展趋势[J]. 方树林. 洁净煤技术. 2012(01)
博士论文
[1]半监督学习和数值模拟的煤层底板突水预警系统研究[D]. 刘雪艳.太原理工大学 2016
硕士论文
[1]基于PSO-SVM的煤层底板突水危险性预测研究[D]. 宰慧.山东科技大学 2017
[2]基于LSTM的煤矿底板突水预警模型研究与应用[D]. 曹超凡.西安建筑科技大学 2017
[3]RS与LSSVM在煤层底板突水预测中的应用研究[D]. 徐波.辽宁工程技术大学 2016
本文编号：3129608
本文链接：https://www.wllwen.com/kejilunwen/anquangongcheng/3129608.html
