一种采空区危险临界程度预判方法技术

本发明专利技术属于矿山安全生产技术领域，涉及一种采空区冒落危险临界程度预判方法。该发明专利技术首先建立采空区冒落危险的控制指标体系，将冒落危险划分为事故、隐患、临界和安全四种状态，然后根据具体采掘信息和不同地质资料，运用灰色相似关联度获得主要控制指标，通过学习和训练建立最优采空区冒落危险极限学习机模型，将待测采空区冒落危险主控指标的数据组成输入，得到采空区冒落危险等级，实现采空区冒落危险临界程度预判。该发明专利技术综合考虑了矿井采掘信息和矿体地质资料中各参数对冒落危险的影响及之间的相关联关系，保证了控制参数选取科学、可靠，为金属矿产开采和煤矿井工回采的采空区整体安全的识别预测提供判定依据及参考。

【技术实现步骤摘要】
一种采空区危险临界程度预判方法
本专利技术涉及煤矿安全生产
，更具体地，涉及一种采空区危险临界程度预判方法。
技术介绍
随着服务年限的增加和开采条件的恶化，采空区的分布日趋复杂和体积不断增大，给深部矿体开采、浅部残矿回收以及地表建筑使用等带来了日趋严重的安全隐患。当坚硬顶板采空区的面积超过一定极限时，将会引起大面积冒落，一次冒落的面积少则数千平方米，多则可达数万平方米。这样大面积顶板在极短时间内冒落下来，不仅由于重量的作用会产生严重的冲击破坏力，而且更加严重的是把已采空间的空气瞬间排出，形成巨大的暴风，破坏力极强。顶板大面积来压现象在我国很多矿区都有发生，其中以山西大同矿区最为典型和严重。这种现象都塌至地表，形成近似椭圆的塌陷区，表现出上小下大，四周断裂面与水平面的夹角为60°～90°。顶板大面积来压事由坚硬岩层大面积冒落而形成的，这些岩层直接覆盖在开采矿体上，一般为厚层整体结构，层理和节理均不发育。当矿体面积与采空面积之比小于30％时，容易形成顶板大面积来压现象。顶板大面积来压主要的危险是顶板冒落而形成的冲击载荷和暴风。采空区冒落危险临界程度预判是一项复杂的系统工程，影响该系统输出的因素很多，如围岩强度、悬露面积、节理构造、水文地质、采空体积、高垮比值等。这些因素表现出随机性、模糊性和灰色性，采空区的冒落危险等级与具体因素存在着复杂的非线性关系，难以用具体模型和准确方法来描述。国内研究集中在数值分析的基础上对采空区稳定性进行评价，但这些方法对空区模型与参数选择的准确性要求很高，实际中难以获得真实的评价结果，往往只具有指导意义和示范价值。因此，探求一种准确且便利的采空区危险临界程度预判方法具有一定的经济意义和的紧迫的现实意义。在现有技术中对采空区冒落危险的防御还仅限于监测，例如在长沙矿山研究院有限责任公司的专利技术专利“一种顶板冒落高度监测装置”(CN201520432375.5)中，使用地表或巷道底板与空区顶板之间的钻孔，线缆，电源，滑动变阻器和发光二极管；所述钻孔内按设定标高铺设多根线缆，所述线缆的两端引出地表，并依次与电源、滑动变阻器和发光二极管连接形成回路；所述发光二极管之间并联连接。通过观察发光二极管的亮灭，监测顶板距离地表或巷道的厚度，从而确定顶板的标高，有效控制出矿量，避免出空采场造成了安全隐患。此专利对危险防御起不到预判作用，只有在危险即将发生时才能有监测作用。
技术实现思路
本专利技术的目的是提供一种综合考虑了矿井采掘信息和矿体地质资料中各参数对冒落危险的影响及之间的相关联关系，通过运用相似关联度获得主要控制指标，通过学习和训练建立最优采空区冒落危险极限学习机，将待测采空区冒落危险主控指标的数据组成输入，得到采空区冒落危险等级，实现采空区冒落危险临界程度预判，(如图1)。步骤如下：步骤1：构建采空区冒落危险控制指标体系，根据矿井采掘信息和矿体地质资料，采集采空区冒落危险控制指标参数。将采空区冒落危险控制指标划分为定量、定性和定比指标三个种类，结果为：矿压强度、弹性模量、矿体倾角、采空体积、埋藏深度和悬顶面积为定量指标；高垮比值和柱面比值为定比指标；岩体结构、地质构造、采空形状、采矿扰动和相邻采空为定性指标。步骤2：运用相似关联度获得主要控制指标根据步骤1获得的参数信息，得到不同指标序列与危险等级序列的始点零化像，计算两序列之间的灰色相似关联度。设采空区冒落危险控制指标体序列Xi＝(xi(1),xi(2),…,xi(n))，冒落危险等级Xj＝(xj(1),xj(2),…,xj(n))的不同始点零化像分别为由则不同指标Xi与Xj的灰色相似关联度为计算不采空区冒落危险控制指标序列与冒落危险序列的相似关联度，利用预定阈值x得到n个采空区冒落危险的主要控制指标。步骤3：训练并建立最优采空区冒落危险极限学习机预判识别模型将步骤2中得到的所述n个空区冒落危险主要控制指标的的原始数据构成总体样本，其中总体样本划分为训练样本集和检验样本集两个部分；将所述训练样本集序列组成输入矩阵，用data1表示，将所述训练样本的危险等级序列组成输出矩阵，用label1表示；建立[IW,B,LW,TF,TYPE]＝elmtrain(P,T,N,TF,TYPE)函数对极限学习机模型进行内在学习；建立Y＝elmpredict(P,IW,B,LW,TF,TYPE)函数对极限学习机模型进行结果输出，其中P表示训练样本的输入矩阵，将检验样本集指标序列组成输入矩阵，用data2表示。将训练样本的危险等级序列组成输出矩阵，用label2表示。应用Y＝elmpredict(P,IW,B,LW,TF,TYPE)函数对极限学习机模型进行结果输出。在检验过程中，P用data2代表，将Y与label2比较。分析结果，确定最优采空区冒落危险极限学习机预判识别模型；步骤4：使用步骤3中所述的最优采空区冒落危险极限学习机实现采空区危险预判将待测采空区冒落危险主控指标的数据组成输入向量P，输入最优采空区冒落危险极限学习机的elmpredict函数，就可以得出结果。如果输出结果Y为(1，1)，则采空区冒落危险等级设定为事故状态；如果输出结果Y为(1，0)，则采空区冒落危险等级设定为隐患状态；如果输出结果Y为(0，1)，则采空区冒落危险等级设定为临界状态；如果输出结果Y为(0，0)，则采空区冒落危险等级设定为安全状态。进一步的，在步骤2中所述的预定阈值x为0.1；进一步的，在步骤2中所述的n个采空区冒落危险的主要控制指标为：高垮比值、采空体积、埋藏深度、悬顶面积、柱面比值、采矿扰动和相邻采空；进一步的，步骤2中所述的总体样本划分为训练样本集和检验样本集两个部分，具体划分方法为训练样本集占总体样本的80％，检验样本集占总体样本的20％.进一步的，步骤3中所述的最优采空区冒落危险极限学习机预判识别模型，其隐含层神经元个数为250个。如本领域技术人员所能理解的，本专利技术可以用于任何危险临界程度预判相关的研究，尤其是矿山、地质等采空区危险临界程度预判相关的研究。附图说明图1为本专利技术示意图图2为采空区冒落危险控制指标体系图图3为冒落危险主要控制指标的相关系数矩阵图图4为极限学习机的体系结构图图5为隐含层神经元个数对极限学习机训练样本的性能影响图图6为隐含层神经元个数对极限学习机检验样本的性能影响图具体实施方式下面的实施例可以使本领域技术人员更全面地理解本专利技术，但不以任何方式限制本专利技术。如本文中所使用的，术语“包括”、“包括”、“具有”、“包含”、“涉及”等应该理解为开放式的，即，意指包括但不限于。除非上下文另有明确声明，本文中使用的单数形式“一”、“一个”和“这一”包括多个指示物。因此，贯穿该说明书，各个位置处的短语“在一个实施例中”或“在实施例中”的出现不必都参照相同的实施例。此外，在一个或多个实施例中，可以以任何合适的方式结合特定特征。上面概述了实施例的特征，使得本领域技术人员可以更好地理解本专利技术的方面。本领域技术人员应该理解，他们可以容易地使用本专利技术作为基础来设计或修改用于实施与本文所介绍实施例相同的目的和/或实现相同优势的方法。本领域技术人员也应该意识到，这种等同构造并不背离本专利技术的精神和范围，并且在不背离本专利技术的精神和范围的情况下，本文中他们可以做出本文档来自技高网...

【技术保护点】
一种采空区冒落危险临界程度预判方法，其特征在于，步骤如下：步骤1：构建采空区冒落危险控制指标体系，根据矿井采掘信息和矿体地质资料，采集采空区冒落危险控制指标参数。将采空区冒落危险控制指标划分为定量、定性和定比指标三个种类，结果为：矿压强度、弹性模量、矿体倾角、采空体积、埋藏深度和悬顶面积为定量指标；高垮比值和柱面比值为定比指标；岩体结构、地质构造、采空形状、采矿扰动和相邻采空为定性指标。步骤2：运用相似关联度获得主要控制指标根据步骤1获得的参数信息，得到不同指标序列与危险等级序列的始点零化像，计算两序列之间的灰色相似关联度。设采空区冒落危险控制指标体序列Xi＝(xi(1),xi(2),…,xi(n))，冒落危险等级Xj＝(xj(1),xj(2),…,xj(n))的不同始点零化像分别为

【技术特征摘要】
1.一种采空区冒落危险临界程度预判方法，其特征在于，步骤如下：步骤1：构建采空区冒落危险控制指标体系，根据矿井采掘信息和矿体地质资料，采集采空区冒落危险控制指标参数。将采空区冒落危险控制指标划分为定量、定性和定比指标三个种类，结果为：矿压强度、弹性模量、矿体倾角、采空体积、埋藏深度和悬顶面积为定量指标；高垮比值和柱面比值为定比指标；岩体结构、地质构造、采空形状、采矿扰动和相邻采空为定性指标。步骤2：运用相似关联度获得主要控制指标根据步骤1获得的参数信息，得到不同指标序列与危险等级序列的始点零化像，计算两序列之间的灰色相似关联度。设采空区冒落危险控制指标体序列Xi＝(xi(1),xi(2),…,xi(n))，冒落危险等级Xj＝(xj(1),xj(2),…,xj(n))的不同始点零化像分别为由则不同指标Xi与Xj的灰色相似关联度为计算不采空区冒落危险控制指标序列与冒落危险序列的相似关联度，利用预定阈值x得到n个采空区冒落危险的主要控制指标。步骤3：训练并建立最优采空区冒落危险极限学习机预判识别模型将步骤2中得到的所述n个空区冒落危险主要控制指标的的原始数据构成总体样本，其中总体样本划分为训练样本集和检验样本集两个部分；将所述训练样本集序列组成输入矩阵，用data1表示，将所述训练样本的危险等级序列组成输出矩阵，用label1表示；建立[IW,B,LW,TF,TYPE]＝elmtrain(P,T,N,TF,TYPE)函数对极限学习机模型进行内在学习；建立Y＝elmpredict(P,IW,B,LW,TF,TYPE)函数对极限学习机模型进行结果输出，其中P表示训练样本的输入矩阵，将检验样本集指标...

【专利技术属性】
技术研发人员：孙明，郑文翔，段晓博，
申请(专利权)人：内蒙古科技大学，
类型：发明
国别省市：内蒙古,15