瓦斯涌出量参数是衡量矿井安全状态的一个重要指标。本文采用钻屑解吸指标法对山西忻州神达万鑫安平煤业有限公司5#煤层的原始瓦斯含量和残存瓦斯含量进行了测定,并分析了5#煤层的瓦斯含量赋存规律。利用线性回归
依据东大井田地勘瓦斯资料,通过分析井田内3#煤层瓦斯赋存规律,结合矿井实际生产条件,利用分源预测法对矿井生产时开采层、邻近层、掘进面等进行预测,得出投产初期矿井瓦斯涌出量,并对瓦斯主要来源进行分析。
基于瓦斯地质理论,对夏店煤矿井田地质勘探、钻孔揭煤资料进行了线性回归分析,研究了3#煤层的瓦斯风化带、瓦斯的赋存规律。结果表明,埋藏深度对井田瓦斯含量大小影响最大,并运用分源预测法对3#煤层三个开采时
针对煤矿瓦斯涌出量影响因素多、非线性、复杂性等特点,提出了学习向量量化神经网络(LVQ)与GA-BP神经网络相结合的方法。通过LVQ对诸多影响因素进行分类并选出主要影响因素,再用遗传算法(GA)优化B
矿井产能提升后,矿井瓦斯涌出量必然增加,为了避免瓦斯灾害的发生,为防治瓦斯,必须了解产能提升后矿井的最大瓦斯涌出量。根据实测的霍尔辛赫煤矿3~#煤层瓦斯含量,对矿井地勘瓦斯含量进行修正,拟合出该矿3~
将基于小波神经网络的多传感器数据融合算法应用到煤矿瓦斯涌出量的预测系统中。实验结果表明:该预测系统可以及时、有效地预测瓦斯涌出量。
煤矿瓦斯涌出量预测是矿井安全中的一个关键和热点问题。煤矿瓦斯涌出量涉及很多因素,例如日产量、日进度、煤层厚度、煤层间距、煤层深度等,瓦斯涌出量预测是一个非线性问题。径向基神经网络是目前应用非常广泛的一
测试测量技术基于ARM的煤矿瓦斯涌出量预测系统的设计随着微电子技术和计算机技术的发展,嵌入式技术得到了广阔的发展空间。特别是进入20世纪90年代以来,嵌入式技术的发展和普及更为引人注目,已经成为现代工
为更好地治理瓦斯灾害,对发耳煤矿5-3煤层的瓦斯赋存条件进行了分析,认为煤层埋深、断层和围岩性质是该煤层瓦斯赋存的主控因素。采用矿山统计法对5-3煤层的瓦斯涌出量进行了预测,得出了埋深与瓦斯涌出量的线
乌兰煤矿主采3#煤层是高瓦斯煤层,综放面的瓦斯涌出量大,严重影响着矿井的安全生产。基于分析矿井瓦斯涌出的主要影响因素,结合乌兰煤矿5343综放面的实际特点,分析了该工作面的瓦斯涌出规律,为工作面瓦斯涌