基于GAPSO-RFR的礦井底板突水預測模型與應用
發(fā)布時間：2021-04-10 12:06
為了更精準地預測礦井突水災害,對突水預測和救援提供幫助,減少水災造成的損失,提出基于GAPSO-RFR的礦井突水預測模型。利用遺傳-粒子群算法對隨機森林回歸模型（RFR）進行優(yōu)化,選取34例樣本對GAPSO-RFR模型進行迭代和訓練。測試結果表明,GAPSO-RFR模型提高了預測精度,減少了泛化誤差。同時利用模型對王家?guī)X礦區(qū)部分盤區(qū)的10號煤層與2號煤層的突水風險進行預測分析,得出了突水風險較高的區(qū)域分布情況。
【文章來源】：中國礦業(yè). 2020,29(08)北大核心
【文章頁數(shù)】：6 頁
【部分圖文】：
GAPSO-RF算法流程
筆者依據(jù)所建立的突水預測模型，對王家?guī)X煤礦的突水危險性進行分析。王家?guī)X井田屬于河東煤田鄉(xiāng)寧礦區(qū)南部，地層從上到下有第四系、二疊系、石炭系、奧陶系。井田內(nèi)可采煤層以2號煤層和10號煤層為主。2號煤層位于二疊系山西組中下部，煤層底板由山西組和太原組泥巖、砂質(zhì)泥巖和細砂巖組成，平均隔水層厚度為48.33m，底板充水水源為奧陶系灰?guī)r巖溶裂隙含水層和石炭系太原組灰?guī)r巖溶裂隙含水層，含水層平均厚度為3.68m，屬于薄型含水層，富水性較弱。10號煤層位于石炭系太原組K2石灰?guī)r下，底板水源為奧陶水，底板隔水層平均厚度為32.12m，巖性以細粒砂巖、中粒砂巖和砂質(zhì)泥巖為主。已發(fā)現(xiàn)落差大于5m的斷層共20條，落差大于20m的斷層共5條，主要分布于201盤區(qū)南部邊界外。圖3 煤層突水風險區(qū)域劃分
圖2 特征重要性排名根據(jù)《煤礦防治水細則》[19]進行突水風險等級的劃分，劃分標準見表3。利用模型和水文鉆孔數(shù)據(jù)分析礦區(qū)201盤區(qū)、202盤區(qū)、203盤區(qū)的突水風險，煤層突水風險區(qū)域劃分如圖3所示。預測結果：10號煤層高風險和較高區(qū)域主要位于201盤區(qū)、202盤區(qū)東部和203盤區(qū)西北部，該區(qū)域底板奧灰水水壓較高，隔水層厚度在22m以下，靠近南部斷層。中等風險區(qū)域位于201盤區(qū)、202盤區(qū)中東部和203盤區(qū)北部，該區(qū)域?qū)儆诘V壓破壞帶下，有一定突水風險。201盤區(qū)南部雖然靠近斷層區(qū)域，但水壓低，靠近斷層處采掘活動少，整體風險不高。201盤區(qū)和203盤區(qū)交界處的斷層在5m左右，落差較小，并且隔水層較厚，風險較低。2號煤層突水風險較高的區(qū)域集中在202盤區(qū)東北部。其余區(qū)域隔水層較厚，平均在40m以上。
【參考文獻】：
期刊論文
[1]基于FOA-SVR模型的礦井底板突水量預測應用研究[J]. 劉夢杰,朱希安,王占剛. 中國礦業(yè). 2019(05)
[2]基于提升回歸樹與隨機森林的風電功率集成預測方法[J]. 李國,江曉東. 電力系統(tǒng)及其自動化學報. 2018(11)
[3]基于VMD-WA-RFR模型的BDI指數(shù)影響因素研究[J]. 武華華,匡海波,張鵬飛. 科研管理. 2018(10)
[4]改進粒子群算法優(yōu)化SVM參數(shù)的遙感圖像分類[J]. 于夢馨,劉波,湯恩生. 航天返回與遙感. 2018(02)
[5]一種基于粒子群算法優(yōu)化的加權隨機森林模型[J]. 王杰,程學新,彭金柱. 鄭州大學學報(理學版). 2018(01)
[6]基于PCAFuzzyRF模型的煤層底板突水預測[J]. 溫廷新,孫雪,田洪斌,孔祥博. 安全與環(huán)境學報. 2017(03)
[7]基于五圖雙系數(shù)法的煤層底板突水危險性評價[J]. 李建林,陳國勝,張波,崔延華. 河南理工大學學報(自然科學版). 2017(02)
[8]一種慣性權重自適應的粒子群優(yōu)化算法[J]. 羅華. 電子科技. 2017(03)
[9]改進的CART算法在煤層底板突水預測中的應用[J]. 杜春蕾,張雪英,李鳳蓮. 工礦自動化. 2014(12)
[10]中國煤礦災害防治技術的研究現(xiàn)狀與發(fā)展趨勢[J]. 方樹林. 潔凈煤技術. 2012(01)
博士論文
[1]半監(jiān)督學習和數(shù)值模擬的煤層底板突水預警系統(tǒng)研究[D]. 劉雪艷.太原理工大學 2016
碩士論文
[1]基于PSO-SVM的煤層底板突水危險性預測研究[D]. 宰慧.山東科技大學 2017
[2]基于LSTM的煤礦底板突水預警模型研究與應用[D]. 曹超凡.西安建筑科技大學 2017
[3]RS與LSSVM在煤層底板突水預測中的應用研究[D]. 徐波.遼寧工程技術大學 2016
本文編號：3129608
【文章來源】：中國礦業(yè). 2020,29(08)北大核心
【文章頁數(shù)】：6 頁
【部分圖文】：
GAPSO-RF算法流程
筆者依據(jù)所建立的突水預測模型，對王家?guī)X煤礦的突水危險性進行分析。王家?guī)X井田屬于河東煤田鄉(xiāng)寧礦區(qū)南部，地層從上到下有第四系、二疊系、石炭系、奧陶系。井田內(nèi)可采煤層以2號煤層和10號煤層為主。2號煤層位于二疊系山西組中下部，煤層底板由山西組和太原組泥巖、砂質(zhì)泥巖和細砂巖組成，平均隔水層厚度為48.33m，底板充水水源為奧陶系灰?guī)r巖溶裂隙含水層和石炭系太原組灰?guī)r巖溶裂隙含水層，含水層平均厚度為3.68m，屬于薄型含水層，富水性較弱。10號煤層位于石炭系太原組K2石灰?guī)r下，底板水源為奧陶水，底板隔水層平均厚度為32.12m，巖性以細粒砂巖、中粒砂巖和砂質(zhì)泥巖為主。已發(fā)現(xiàn)落差大于5m的斷層共20條，落差大于20m的斷層共5條，主要分布于201盤區(qū)南部邊界外。圖3 煤層突水風險區(qū)域劃分
圖2 特征重要性排名根據(jù)《煤礦防治水細則》[19]進行突水風險等級的劃分，劃分標準見表3。利用模型和水文鉆孔數(shù)據(jù)分析礦區(qū)201盤區(qū)、202盤區(qū)、203盤區(qū)的突水風險，煤層突水風險區(qū)域劃分如圖3所示。預測結果：10號煤層高風險和較高區(qū)域主要位于201盤區(qū)、202盤區(qū)東部和203盤區(qū)西北部，該區(qū)域底板奧灰水水壓較高，隔水層厚度在22m以下，靠近南部斷層。中等風險區(qū)域位于201盤區(qū)、202盤區(qū)中東部和203盤區(qū)北部，該區(qū)域?qū)儆诘V壓破壞帶下，有一定突水風險。201盤區(qū)南部雖然靠近斷層區(qū)域，但水壓低，靠近斷層處采掘活動少，整體風險不高。201盤區(qū)和203盤區(qū)交界處的斷層在5m左右，落差較小，并且隔水層較厚，風險較低。2號煤層突水風險較高的區(qū)域集中在202盤區(qū)東北部。其余區(qū)域隔水層較厚，平均在40m以上。
【參考文獻】：
期刊論文
[1]基于FOA-SVR模型的礦井底板突水量預測應用研究[J]. 劉夢杰,朱希安,王占剛. 中國礦業(yè). 2019(05)
[2]基于提升回歸樹與隨機森林的風電功率集成預測方法[J]. 李國,江曉東. 電力系統(tǒng)及其自動化學報. 2018(11)
[3]基于VMD-WA-RFR模型的BDI指數(shù)影響因素研究[J]. 武華華,匡海波,張鵬飛. 科研管理. 2018(10)
[4]改進粒子群算法優(yōu)化SVM參數(shù)的遙感圖像分類[J]. 于夢馨,劉波,湯恩生. 航天返回與遙感. 2018(02)
[5]一種基于粒子群算法優(yōu)化的加權隨機森林模型[J]. 王杰,程學新,彭金柱. 鄭州大學學報(理學版). 2018(01)
[6]基于PCAFuzzyRF模型的煤層底板突水預測[J]. 溫廷新,孫雪,田洪斌,孔祥博. 安全與環(huán)境學報. 2017(03)
[7]基于五圖雙系數(shù)法的煤層底板突水危險性評價[J]. 李建林,陳國勝,張波,崔延華. 河南理工大學學報(自然科學版). 2017(02)
[8]一種慣性權重自適應的粒子群優(yōu)化算法[J]. 羅華. 電子科技. 2017(03)
[9]改進的CART算法在煤層底板突水預測中的應用[J]. 杜春蕾,張雪英,李鳳蓮. 工礦自動化. 2014(12)
[10]中國煤礦災害防治技術的研究現(xiàn)狀與發(fā)展趨勢[J]. 方樹林. 潔凈煤技術. 2012(01)
博士論文
[1]半監(jiān)督學習和數(shù)值模擬的煤層底板突水預警系統(tǒng)研究[D]. 劉雪艷.太原理工大學 2016
碩士論文
[1]基于PSO-SVM的煤層底板突水危險性預測研究[D]. 宰慧.山東科技大學 2017
[2]基于LSTM的煤礦底板突水預警模型研究與應用[D]. 曹超凡.西安建筑科技大學 2017
[3]RS與LSSVM在煤層底板突水預測中的應用研究[D]. 徐波.遼寧工程技術大學 2016
本文編號：3129608
本文鏈接：http://www.sikaile.net/kejilunwen/anquangongcheng/3129608.html
最近更新
教材專著
