【《煤与瓦斯突出预测指标及指标数据预处理分析案例》2400字】

煤与瓦斯突出预测指标及指标数据预处理分析案例目录TOC\o"1-3"\h\u20893煤与瓦斯突出预测指标及指标数据预处理分析案例 1321591.1预测指标 144871.1.1瓦斯压力指标 1279581.1.2地质构造指标 1139271.1.3瓦斯放散初速度 278821.1.4煤种类别指标 2204031.2煤与瓦斯突出指标数据获取与预处理 31.1预测指标随着近年来深度的研究，人们发现复杂多变的煤矿环境很难用单一指标法全面解释煤与瓦斯突出机理，煤与瓦斯突出的研究更偏向于是多个指标因素共同作用的结果。由于与煤与瓦斯突出相关的影响因素众多，并且各个因素指标之间存在着某些联系，现在普遍运用的方法是综合多种因素共同作用预测煤与瓦斯突出危险级别，被称作综合作用法。遵循国家煤矿安全局颁布的防突细则一文中所规定的，如果煤矿环境下想要在没有出现或不能笃定煤与瓦斯突出动力学现象前预测煤与瓦斯突出事件，应遴选瓦斯压力、地质构造等指标之间的数学联系，预测煤与瓦斯突出事故。1.1.1瓦斯压力指标依照2014年唐巨鹏等人通过深部的瓦斯突出实验研究[46]。研究发现随着煤矿开采深度的加深，瓦斯压力对突出的作用程度会相应的变化。瓦斯压力试验研究验证了在煤与瓦斯突出预测过程中瓦斯压力是一个不可或缺的指标。煤与瓦斯突出发生的最小压力能利用下式估算：Pmin=A(0.1式中：Pmin--煤与瓦斯突出发生的最小瓦斯压力值，MPaf--坚固系数；V--灰化分含量，%；A,B--统计常数，A=5,B=0.0170。1.1.2地质构造指标就像瓦斯主导作用假说中讲述的，地质构造应力在瓦斯突出事件发生的预测中起着很大的作用。如2012年，董国伟在文献[47]中对隔档式褶皱在瓦斯突出方面进行了研究分析，得出煤矿井下不同的地质构造所造成瓦斯富集，容易产生瓦斯突出灾害发生。2013年张春华等人通过对封闭性地质构造诱发的力学特性进行模拟试验[48]。实验结果得出不同的地质构造与煤与瓦斯突出的发生有着重要的联系。地质构造不仅在构造应力上与瓦斯突出存有不可替代的关联，而且不同的地质构造类型也对煤与瓦斯突出存有至关重大的作用。例如董国伟，通过分析水城矿区的隔档式褶皱对瓦斯突出的影响机理和特征，证明了不同地质环境对煤与瓦斯突出的影响方式不同。隔档式褶皱对背斜区的作用是瓦斯的匮乏，而对向斜区的作用是瓦斯集结，瓦斯压力激增，增加产生瓦斯突出发生危险。1.1.3瓦斯放散初速度瓦斯放散初速度可以实时监控煤层中瓦斯放散的状态，检测如果发生突发事件所造成的不确定性因素变化。张开加在瓦斯放散单个指标的瓦斯突出实验中发现，煤体在吸附瓦斯后，煤层强度会发生一定程度的变化[49]。从实验结果可以看出瓦斯放散初速度是预测煤体瓦斯突出状态的重要指标。1.1.4煤种类别指标为了综合煤与瓦斯突出相关指标的数学联系，本文提出将煤矿实时开采过程中的煤炭种类应用在煤与瓦斯突出危险性预测上。在此之前有多种文献论述了不同种类的煤炭在煤与瓦斯突出、瓦斯放散初速度、孔隙的变化过程中扮演着重要的角色。例如2009年郭晓华考察不同类别的煤炭种类的孔隙特征[50]。通过实验发现不同煤种的微空隙特征对煤与瓦斯突出的影响不同，例如中等变质程度的烟煤中容易发生煤与瓦斯突出，且突出具有一定的特性，煤中的微孔形状和数量随着煤变质程度的改变而变化。2013年，贾东旭研究了不同变质程度的煤体对瓦斯突出的影响[51]。贾东旭通过实验验证了瓦斯变质程度可以从瓦斯放散初速度水平得到一定程度的反应等。2017年，程波通过分析煤的挥发分、孔隙等特征对瓦斯放散初速度的影响[52]。实验发现挥发分、灰分等特征对煤与瓦斯初速度之间存在明显的数学关系。2019年周西华研究了不同煤种吸附瓦斯的特性及机理[53]。研究发现，焦煤、贫煤与无烟煤的吸附瓦斯常数随着含水量的增加而减少。由此可以看出不同种类的煤在煤与瓦斯突出过程中的作用不同，因此本文将煤种类别指标加入预测煤与瓦斯突出危险性指标中。常见的煤炭种类划分如下表：表1.1煤炭种类划分指标Table1.1Indicatorsofcoalclassification类别符号分类指标Vdaf%PM%无烟煤WY<10.0烟煤YM>10.0褐煤HM>37.0<50本文将煤种类别划分为无烟煤、烟煤、褐煤和煤矸石四种类别。另外，随着煤炭开采深度和煤层普氏系数的变化，影响瓦斯突出的权重系数可能会改变，因此本文增加一个开采深度指标和煤层普氏系数指标，使训练出来的模型更具有说服力，提高预测瓦斯突出危险等级的准确性。1.2煤与瓦斯突出指标数据获取与预处理本文利用瓦斯压力、瓦斯放散初速度、煤层普氏系数、地质构造、开采深度和煤种类别指标，进行煤与瓦斯突出预测研究。对各个指标数据获取与预处理如图1.1所示。图1.1煤与瓦斯突出预测指标数据预处理Fig.1.1Preprocessingofcoalandgasoutburstpredictionindexdata（1）对于煤层普氏系数、地质构造、开采深度进行离线检测的方式获取。由于煤层普氏系数、地质构造和煤层开采深度三种指标变化缓慢，短期内不会有大的变动因此本文在这三种指标的采集上选择运用离线检测的方式检测指标数值。（2）对于瓦斯压力、瓦斯放散初速度采用多传感器在线检测方式获取。起初利用多个传感器获取瓦斯压力、瓦斯放散初速度的多传感器实时更新检测到的压力，初速度数值，再使用均衡多批次的融合方法进行多传感器数据融合处理。基于均值的多批次融合方法如下：本文以瓦斯放散初速度传感器为例，按照接收数据信号顺序进行划分，基于分批估计融合方法得到一组数据。将每个传感器中的个检测数据分为6组。其中第组数据为Xk1,Xk2,…, X=1计算得到X对应方差如式(1.3) σXk然后根据均值分批估计计算最佳值如式(1.4)。 X=(σ传感器数据融合后的公式如(1.5)所示。 σ2=（3）煤种类别指标数据采用图像识别的方式获取。起初利用SJM-200CCCD相机定期对煤矿井下采掘到的煤炭进行图片（1204*768像素）采集；然后，将采集到的图片压缩为224*224大小的RGB图片；最后，利用图像识别煤种类别。SJM-200CCCD相机具有体积小、重量轻、不受磁场影响、具有抗震动和撞击等特性。SJM-200C相机的参数如表1.2所示。SJM-200C相机外形图片如图1.2所示。表1.2SJM-200C型号工业相机参数Tab.1.2Parametersofsjm-200cindustrialcamera型号SJM-200C帧数15/s@1600*1200,30/s@1024*768清晰度200万像素运用场地室内/室外视频输出接口VGA最低照度0.001LUX/F1.2工作电