System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及煤矿安全,具体而言,涉及一种近距离突出煤层群开采多场耦合致灾预警方法及系统。
技术介绍
1、在煤矿工作面前方,超前支承压力和瓦斯压力的近似变化趋势源于地质构造和矿体力学的相互作用。在煤层开采过程中,巷道和采空区的支撑结构承受地质应力的重新分布,导致前方地层压力的调整。这种调整可能会影响超前支承和瓦斯分布,使其呈现相似的趋势。然而,需要注意的是,支承体在承受压力的过程中,其剪应力并非是决定性因素,更为关键的是支承体的变形和位移特性。由于煤层中瓦斯的运移受到煤体裂隙等地质因素的影响,这些特殊地质区域的认知对于瓦斯的积聚和释放具有重要的意义。而在矿山压力对煤层瓦斯的影响中,垂直应力在三轴应力中起主导作用。这种垂直应力可能导致煤体内部的裂隙扩展和瓦斯的释放。在回采过程中,工作面前方的煤壁和采空区中的裂隙扩展等是瓦斯积聚的主要区域之一。这些地方的裂隙和剪应力较大,从而使得工作面周边区域可以被划分为卸压区、应力集中区和原岩应力区。
2、此外不同的地质条件也会导致瓦斯压力的差异,地层构造、煤层性质和地质构造等因素都可能影响瓦斯的生成和迁移,从而影响瓦斯压力的分布。因此,煤层瓦斯突出的研究背景意义在于提高对瓦斯运移和积聚机理的理解,以制定更有效的瓦斯防治策略。近距离煤层瓦斯突出的研究关注工作面附近的瓦斯积聚机制,为提前预警和防范瓦斯事故提供科学依据。
技术实现思路
1、为解决传统瓦斯突出预警方法的部分参数或者环境变量较难准确的界定,从而影响到风险性的判定的问题,本专利技术
2、第一方面,本专利技术提供了一种近距离突出煤层群开采多场耦合致灾预警方法,包括:
3、使用设置于采煤工作面前方的应力传感器获取超前支承压力,使用设置于采煤工作面前方的距离传感器获取顶底板位移,使用微震传感器获取能量信息,使用瓦斯传感器获得采煤工作面前方的瓦斯信息,所述瓦斯信息包括瓦斯压力、瓦斯涌出速度和瓦斯涌出量;
4、将瓦斯信息和超前支承压力作为第一处理网络的输入,确定采煤工作面前方的煤层透气性的第一参考分布;
5、将瓦斯信息和顶底板位移作为第二处理网络的输入,确定采煤工作面前方的煤层透气性的第二参考分布;
6、将煤层透气性第一参考分布和第二参考分布作为第三处理网络的输入,确定采煤工作面前方的风险性划分;
7、将采煤工作面前方的风险性划分、能量分布和瓦斯信息作为第四处理网络的输入,确定采煤工作面前方的危险性分布,根据危险性分布确定煤层的突出危险性。
8、在一些实施例中,所述第一处理网络为lstm神经网络,所述第一处理网络的输入包括第一时间周期内距离采煤工作面的不同位置的瓦斯信息均值、瓦斯信息变化值和超前支承压力信息典型值,所述第一处理网络的输出包括距离采煤工作面的不同位置的煤层透气性分布的参考值;
9、所述第二处理网络为lstm神经网络,所述第二处理网络的输入包括第二时间周期内距离采煤工作面的不同位置的瓦斯信息均值、瓦斯信息变化值和顶底板位移变化值,所述第二处理网络的输出包括距离采煤工作面的不同位置的煤层透气性分布的参考值;
10、所述第一时间周期为0.5h~1d,所述第二时间周期1~5d。
11、在一些实施例中,所述第三处理网络为卷积神经网络,所述卷积神经网络的输入层包括若干个对应按照时间对齐的第一参考分布和第二参考分布,所述卷积神经网络的输出包括距离采煤工作面的不同位置的煤层透气性分布的参考值和对应的瓦斯泄露类型的划分。
12、在一些实施例中,卷积神经网络的卷积核尺寸为1×1。
13、在一些实施例中,所述第三处理网络为lstm网络,卷积神经网络的输入层包括若干个对应按照时间对齐的第一参考分布和第二参考分布,所述卷积神经网络的输出包括距离采煤工作面的不同位置的煤层透气性分布的参考值和对应的瓦斯泄露类型的划分。
14、在一些实施例中,基于第一参考分布和第二参考分布的差异获得不同位置和时间的煤层透气性时空关联性的差异;
15、基于时空关联性的差异,以及响第一参考分布和第二参考分布中煤层透气性的孰低值和第一参考分布和第二参考分布的对应关系,确定采煤工作面前方的风险性划分;
16、所述风险性划分为煤层透气性和理论值的偏离。
17、在一些实施例中,所述第四处理网络为lstm网络,所述第四处理网络的输出为预测的煤层瓦斯的泄露速度和顶底板位移量,根据预测的煤层瓦斯泄露速度确定是否为正常式的瓦斯涌出或瓦斯异常涌出;
18、在确定为瓦斯异常涌出时,基于顶底板位移量确定是否为突出式的瓦斯涌出。
19、第二方面,本专利技术提供一种近距离突出煤层群开采多场耦合致灾预警系统,包括:
20、第一处理网络,根据第一时间周期内的瓦斯信息和超前支承压力,确定采煤工作面前方的煤层透气性的第一参考分布;
21、第二处理网络,根据第二时间周期内瓦斯信息和顶底板位移,确定采煤工作面前方的煤层透气性的第二参考分布;
22、第三处理网络,根据煤层透气性第一参考分布和第二参考分布,确定采煤工作面前方的风险性划分;
23、第四处理网络,根据采煤工作面前方的风险性划分、能量分布和瓦斯信息,确定采煤工作面前方的危险性分布,根据危险性分布确定煤层的突出危险性。
24、在一些实施例中,所述第一时间周期为0.5h~1d,所述第二时间周期1~5d。
25、为解决传统瓦斯突出预警方法的部分参数或者环境变量较难准确的界定,从而影响到风险性的判定的问题,本专利技术有以下优点:
26、该方法和系统结合了多种传感器获取的数据,包括应力、位移、微震和瓦斯信息,综合分析了多种参数,提高了对煤层情况的全面监测和预警能力;使用了多层处理网络,包括lstm和卷积神经网络,能够更精确地对煤层透气性进行预测和判断;通过对煤层透气性的时空关联性进行分析,可以更准确地确定采煤工作面前方的风险性划分,提高了对突出煤层的预警效果。
本文档来自技高网...【技术保护点】
1.近距离突出煤层群开采多场耦合致灾预警方法,其特征在于,包括:
2.如权利要求1所述的近距离突出煤层群开采多场耦合致灾预警方法,其特征在于,
3.如权利要求1所述的近距离突出煤层群开采多场耦合致灾预警方法,其特征在于,所述第三处理网络为卷积神经网络,所述卷积神经网络的输入层包括若干个对应按照时间对齐的第一参考分布和第二参考分布,所述卷积神经网络的输出包括距离采煤工作面的不同位置的煤层透气性分布的参考值和对应的瓦斯泄露类型的划分。
4.如权利要求3所述的近距离突出煤层群开采多场耦合致灾预警方法,其特征在于,卷积神经网络的卷积核尺寸为1×1。
5.如权利要求1所述的近距离突出煤层群开采多场耦合致灾预警方法,其特征在于,所述第三处理网络为LSTM网络,卷积神经网络的输入层包括若干个对应按照时间对齐的第一参考分布和第二参考分布,所述卷积神经网络的输出包括距离采煤工作面的不同位置的煤层透气性分布的参考值和对应的瓦斯泄露类型的划分。
6.如权利要求5所述的近距离突出煤层群开采多场耦合致灾预警方法,其特征在于,基于第一参考分布和第二
7.如权利要求1所述的近距离突出煤层群开采多场耦合致灾预警方法,其特征在于,所述第四处理网络为LSTM网络,所述第四处理网络的输出为预测的煤层瓦斯的泄露速度和顶底板位移量,根据预测的煤层瓦斯泄露速度确定是否为正常式的瓦斯涌出或瓦斯异常涌出;
8.近距离突出煤层群开采多场耦合致灾预警系统,其特征在于,包括:
9.如权利要求8所述的近距离突出煤层群开采多场耦合致灾预警系统,其特征在于,所述第一时间周期为0.5h~1d,所述第二时间周期1~5d。
...【技术特征摘要】
1.近距离突出煤层群开采多场耦合致灾预警方法,其特征在于,包括:
2.如权利要求1所述的近距离突出煤层群开采多场耦合致灾预警方法,其特征在于,
3.如权利要求1所述的近距离突出煤层群开采多场耦合致灾预警方法,其特征在于,所述第三处理网络为卷积神经网络,所述卷积神经网络的输入层包括若干个对应按照时间对齐的第一参考分布和第二参考分布,所述卷积神经网络的输出包括距离采煤工作面的不同位置的煤层透气性分布的参考值和对应的瓦斯泄露类型的划分。
4.如权利要求3所述的近距离突出煤层群开采多场耦合致灾预警方法,其特征在于,卷积神经网络的卷积核尺寸为1×1。
5.如权利要求1所述的近距离突出煤层群开采多场耦合致灾预警方法,其特征在于,所述第三处理网络为lstm网络,卷积神经网络的输入层包括若干个对应按照时间对齐的第一参考分布和第二...
【专利技术属性】
技术研发人员:丁自伟,贾金兑,唐青豹,高成登,张超凡,刘江,张文星,陈洋洋,王耀声,
申请(专利权)人:西安科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。