一、用数学分析法确定预测瓦斯突出指标的临界值（论文文献综述）
孙宇航[1]（2019）在《基于改进模糊支持向量机的煤与瓦斯突出预测》文中研究表明煤与瓦斯突出是在煤矿开采过程中发生的一种地质灾害,破坏性极强。如果能及时对突出做出准确地预测,可以在灾害发生前做出相应的防护措施,最大限度的保障井下工作者的生命安全。目前在煤与瓦斯突出预测方面应用最多的是支持向量机算法,具有较强的泛化能力。但是经过实际应用检验该算法仍然存在一些缺点:1.抗噪性不强,在预测过程中容易受到错误样本的误导做出错误的判断;2.受参数影响较大,盲目的选取参数会影响算法的分类效果。在突出影响因素选取方面,由于煤与瓦斯突出受多种因素共同影响且相互之间存在高度非线性关系,本文采用灰色关联度理论结合矿井突出实测数据进行计算从8种影响因素中选出5种作为主要影响因素,降低了之后预测的计算难度。在突出预测方法上面,针对以上两条支持向量机的缺点,本文提出了粒子群优化模糊支持向量机这种新型的煤与瓦斯突出预测方法。该方法首先通过模糊隶属度函数计算每个样本的模糊隶属度,降低噪声点对分类结果的影响;其次使用粒子群算法对模糊支持向量机进行参数寻优,虽然与其他常用的参数优化算法比如遗传算法、最小二乘法相比更为简洁,操作简便,但是粒子群算法仍存在容易陷入局部最优的缺点,本文中为解决这一问题对粒子群算法进行了改进:首先在粒子群算法中引入随迭代次数非线性减小的惯性权重提高算法的寻优能力,其次利用模拟退火算法使得粒子群算法中的粒子以一定的概率强行跳出局部最优陷阱。改进后的粒子群算法很大的提升了寻优效率,克服了传统分类模型中参数选取的盲目性。最后构建基于粒子群算法的模糊支持向量机预测模型,该模型首先通过对实测数据赋予相应的隶属度,减小错误样本对模型预测能力的影响;然后利用粒子群算法寻找最优参数,把参数对预测模型的影响降到最低。本文选择了粒子群优化支持向量机模型、模糊支持向量机模型、BP神经网络模型与本文模型在工作性能上进行比较,实验证明粒子群优化模糊支持向量机模型训练速度快,并且分类精度最高。利用MATLAB软件结合矿井实测突出数据对本文提出的改进的模糊支持向量机预测模型进行仿真,输出结果证明该算法相较于其他传统预测方法,训练速度最快,能够在更短的时间内对是否发生突出做出更精准的判断。该方法有效解决了传统预测方法中存在的抗噪性差、训练速度慢以及预测精度低等问题,具有较强的实用性。该论文有图19幅,表12个,参考文献86篇。
袁鑫[2]（2019）在《平顶山矿区瓦斯抽采技术分类研究》文中指出瓦斯抽采是瓦斯灾害防治的主要手段,不同采面的地质构造条件和瓦斯赋存条件都不相同,最适合使用的瓦斯抽采技术也不相同。不同瓦斯抽采技术对应的施工成本不同,为了在施工成本最低的条件下高效防治瓦斯灾害,需要对平顶山矿区各采面使用的瓦斯抽采技术进行合理分类。在使用瓦斯抽采技术防治瓦斯灾害时主要有两个目的:消除采面的瓦斯突出危险和减少采面的瓦斯涌出量,本文以这两个目的为依据对平顶山矿区各采面使用的瓦斯抽采技术进行分类。通过分析平顶山矿区主要使用的各项瓦斯抽采技术,根据不同的本煤层瓦斯抽采技术适用不同突出危险等级的采面,平顶山矿区16个收集现场资料的采面的突出危险性被划分为三个等级。通过详细分析各项煤与瓦斯突出的影响因素,本文对各项影响因素进行模糊综合评价,用层次分析法和熵权法结合得到各项因素对煤与瓦斯突出危险性的综合权重,确定了平顶山矿区煤与瓦斯突出的主要影响因素为地质构造、打钻时动力现象、瓦斯压力和瓦斯含量。最终以模糊综合评价法得到的各采面的煤与瓦斯突出危险等级为依据,对各采面的本煤层瓦斯抽采技术进行了分类,以各采面的风排瓦斯量、绝对瓦斯涌出量和回采面瓦斯抽采技术的预测瓦斯抽采量为依据,对各采面的采空区瓦斯抽采技术进行了分类。通过分别对4种本煤层瓦斯抽采模式在消除各采面的煤与瓦斯突出危险时使用的施工成本和4种采空区瓦斯抽采模式在解决各采面的瓦斯涌出量问题时使用的施工成本进行对比分析,验证了本文对平顶山矿区各采面使用的瓦斯抽采技术分类的合理性。分类结果对于在保证防治瓦斯灾害的前提下缩小施工成本,高效防治平顶山矿区的瓦斯灾害具有重要意义。该论文有图21幅,表18个,参考文献79篇。
郑晓亮[3]（2018）在《基于瓦斯含量法的煤与瓦斯突出预测关键技术研究》文中提出煤与瓦斯突出是一种严重的煤矿动力灾害,准确进行突出预测是防治煤与瓦斯突出的关键,目前国内外用于突出预测的方法很多,但这些方法有一定的局限性,预测频繁,准确性有待提高,制约了煤矿的安全高效生产。本文针对瓦斯含量计算准确性、采样方法与装备、智能预测算法等几项关键技术进行了研究,改进了现有瓦斯含量法预测煤与瓦斯突出的含量测定精度和预测效果。对6次煤与瓦斯突出事故实例的能量进行了计算,分别对煤体弹性能、游离瓦斯内能和解吸瓦斯内能在有效潜能中的占比进行了分析,得到突出能量来源主要是瓦斯内能,弹性能所占比例很小,解吸瓦斯内能占比达到53.73%,瓦斯含量的大小是解吸瓦斯内能大小的直接体现。因此,将瓦斯含量作为预测突出的主要指标。突出过程中的瓦斯解吸要配合煤体结构物理力学性质等其他参数指标才能满足突出发展的能量要求,通过分析确定将瓦斯压力、孔隙率、煤层坚固性系数和瓦斯放散初速度作为突出预测的辅助指标。结合实验,对直接法测定瓦斯含量误差产生因素进行了分析,给出了降低测定误差的对策,编制了一套瓦斯含量计算软件,操作人员仅需输入相关参数即可,操作方便,软件可实现使用煤矿的数据汇总,为将来建立煤矿安全大数据提供了技术支持。为了降低煤样采集环节的瓦斯损失量,自主研制双管正压逆流采样装备,能够实现快速定点取样,同时完成了定点控制采样方法与装备的设计,并对其无线数据传输和采集仓门驱动电机两项关键技术进行了实验研究。针对煤与瓦斯突出事故数据缺失的问题,提出采用多重填补（MI）算法进行缺失数据填补,丰富事故数据集,提高机器学习算法预测的准确性。分别选用填补前和填补后的事故数据集进行预测算法学习,算法的识别率得到了提升,特别是对事故数据的识别率得到了大幅提升,验证了采用数据填补的可行性。选用随机森林（RF）算法对煤与瓦斯突出进行预测,通过与决策树（DT）、1K最近邻（KNN）、支持向量机（SVM）算法比较,得到RF的预测平均识别率最高。为了提高煤与瓦斯突出预测率,在现有数据集中优化选择数据,建立了事故识别率100%的预测模型。上述研究结论为基于瓦斯含量法的煤与瓦斯突出预测提供了技术支持。最后将研究成果在淮南矿业集团朱集煤矿11-2煤层进行了工程试验验证,应用效果良好。
刘硕[4]（2016）在《K1值预测突出敏感性的实验研究》文中认为解吸指标K1是目前在我国煤矿中广泛应用的突出预测指标,自使用以来大幅减少了突出事故的发生,保障了矿井的安全生产。但在使用过程中,也出现了指标的临界值不统一、不同矿井敏感性差异较大,甚至低指标突出等一系列问题。为此,本文通过实验室的模拟实验和理论分析等方法,对解吸指标K1的敏感性进行了全面、深入的研究,为K1指标更好的服务现场提供了依据和方法。研制了实验室突出煤层模拟装置,采集了4个矿井的煤样,在控制瓦斯压力作为单一变量的条件下,压制了8种不同突出危险的煤层。模拟现场打钻,测定了解吸指标K1。同时测定煤样的初始释放瓦斯膨胀能,判定了煤层的突出危险性。在此基础上得到了K1指标预测准确率为62.5%,预测不突出准确率仅为42.9%。应用待定系数法分别建立了K1指标和初始释放瓦斯膨胀能指标与瓦斯压力之间的函数关系式。并从其导函数的性质出发,研究了两指标随突出强度的变化梯度,对比分析了它们对突出的敏感性相对大小。利用K1值指标、初始释放瓦斯膨胀能指标与瓦斯压力之间的函数关系,得到临界初始释放瓦斯膨胀能所对应的K1临界值。利用新的临界值对模拟煤层的突出危险性进行重新判定时其预测准确率由62.5%提高到91.65%,预测不突出准确率由42.9%提高到83.3%。通过杨梅山煤矿现场的实践,对本论文所得到的研究结果进行了现场验证。验证结果表明,使用本文提出方法确定的临界值进行突出危险性判定时预测准确率由74%提高到了88%,与本论文的研究结果是相符的,本文为确定解吸指标K1的临界值和提高现场突出危险性预测的准确率提供了重要的方法。
高明明[5]（2015）在《煤与瓦斯突出事故预警研究》文中研究表明针对开采深度的不断增加,瓦斯含量、瓦斯压力与煤层地应力增大,以及环境、管理等诸多方面因素而导致重大瓦斯事故数量增加所造成的巨大人身伤亡及企业财产损失问题,本课题探索了煤与瓦斯突出事故预警方法,在研究了煤与瓦斯突出事故形成机理以及对煤与瓦斯突出因素风险评价基础上,建立了合理的预警评价指标体系,并构建了具有较高实用价值与预测精度的煤与瓦斯突出预警模型,研究了煤与瓦斯突出事故严重程度评估方法与事故分级标准,并制定了预警准则,提出了煤与瓦斯突出事故应急相应救援管理流程。论文主要的研究内容有以下几个方面：1.构造了事故树并采用关联分析对煤与瓦斯突出事故进行了评价,提出了基于混沌粒子群优化RBF的可拓综合评价法来进行煤与瓦斯突出可拓综合评价,再用基于混沌粒子群优化的RBF神经网络进行权重的确定。在此基础上建立了预警指标体系。2.构建了主成分分析-响应面法预警模型。首先采用主成分分析法构造出少数的影响特征指标以代替原来繁冗的多数指标,再运用响应面方法建立一种可判断多种影响因素共存时回采工作面绝对瓦斯涌出量动态预测预警模型。所建模型基本能够真实地刻画矿井煤与瓦斯瓦斯突出影响因素与突出风险实际水平之间的复杂非线性关系,因此,具有较高的应用价值。3.构建了合理遗忘选择训练样本的时序动态预警模型。为了提高时序瓦斯涌出量的预测精度,针对最小二乘支持向量机的训练样本选择问题,本研究中引入了遗忘因子概率,即对历史数据加上遗忘因子,提出一种基于合理遗忘训练样本的瓦斯涌出量时序动态预测预警模型。该模型既考虑了历史数据的影响,又突出了新数据的作用,预测仿真实验分析证明该模型具有较高的精度。4.对煤与瓦斯突出事故严重程度评估方法与事故分级标准进行了研究。本课题结合应急管理理论方法,对煤与瓦斯突出预警风险进行相应的应对对策分析,并制定了预警准则,提出煤与瓦斯突出事故应急相应救援管理流程。为煤与瓦斯突出预警的有效实施提供依据。
刘晟[6]（2013）在《综采工作面瓦斯涌出预测及其突出危险性的研究》文中提出煤炭作为我国主要的能源之一,在国民经济以及人民的生活中起到了不可替代的作用。作为煤炭资源开采大国,我国无论从开采数量还是规模上在全世界都是无出其右的。在我国每年的重特大安全生产事故中,煤矿安全事故占的比例非常的大,而在煤矿安全事故中,瓦斯灾害及其次生灾害所占比例最高。因此,研究瓦斯灾害预防机理就显得尤为重要。在煤矿开采场所,瓦斯灾害主要是瓦斯涌出和煤与瓦斯突出。在矿井中瓦斯的涌出地点称为瓦斯源,瓦斯源的数量及其涌出强度直接决定着综采工作面的瓦斯积聚量。为了治理好瓦斯必须提前预测出其瓦斯涌出量,为生产和治理探明道路。由此可见,瓦斯涌出者矿之大事,死生之地,存亡之道,不可不察也。本文对瓦斯的贮存及运移规律进行了研究,并利用抚顺煤科院所提出的分源预测法,对矿井综采工作面的瓦斯涌出进行了预测并建立起瓦斯涌出预测模型。对于不同来源的瓦斯,本文将其分为四个源头即：煤壁瓦斯涌出源,落煤瓦斯涌出源,采空区遗留煤炭涌出源以及邻近层瓦斯涌出源。结合现场数据以及其涌出强度的规律对以上四者分别建立了涌出强度随时间变化的数学模型以及累计瓦斯涌出量数学模型。该模型具有直观且适应性强等特点。后利用该模型对阳煤集团寺家庄矿进行了瓦斯涌出预测。实践证明该模型虽然还不甚完善,但具有一定的实用价值且存在较大的改进空间。对于采空区内瓦斯运移及分布情况本文利用太原理工大学的相似模拟实验设备进行了模拟。矿井突出事故,具有突然性和破坏性大的特点。本文利用综合指标法——煤层瓦斯压力（P）、瓦斯放散初速度指标（△p）、煤的坚固性系数（f）和煤的破坏类型对寺家庄矿的9、11、12、13、14号煤层的突出危险性进行了预测。
索长兴[7]（2012）在《工作面大直径钻孔煤与瓦斯突出预测方法研究》文中进行了进一步梳理我国煤与瓦斯突出预测分为区域预测和工作面预测，目前普遍采用Φ42mm钻孔预测煤与瓦斯突出。Φ42mm钻孔预测煤与瓦斯突出好处在于安全可靠，然而不足之处是效率低。这种情况对于平顶山矿区来说尤为严重。针对这一现象，论文对平顶山矿区煤巷掘进工作面大直径Φ89mm钻孔突出预测方法展开研究。论文以平煤股份八矿为试验区，对其煤与瓦斯突出特征及影响因素进行分析，由始突瓦斯深度得出始突瓦斯含量和压力，为建立敏感指标与瓦斯含量和压力的关系提供支持；分析了煤与瓦斯突出机理与预测指标的内在联系，提出了能够反映煤层瓦斯初始解吸特征的指标Q3，根据研究区突出的主控因素初步确定了大直径钻孔突出预测指标Q3、△h2、钻屑量S；在实验室中模拟测定了研究区内煤样钻屑瓦斯解吸指标，分析了大量各解吸指标随瓦斯压力和瓦斯含量的关系，试验结果和现场测试均表明，钻屑瓦斯解吸指标Q3更能反映煤层卸压后瓦斯初始解吸量的特征，适合作为工作面的预测指标，可以通过瓦斯压力和瓦斯含量来确定其临界值，在实验室研究和现场研究相结合的基础上初步得出了部分预测指标的理论临界值；利用主成分分析方法确定了Q3、S为大孔径钻孔条件下工作面突出危险性预测敏感指标；结合实验室研究、现场跟踪观测和三率法确定了大直径钻孔突出预测敏感指标的临界值：钻屑瓦斯解吸指标Q3（八矿己组和戊组煤层钻屑瓦斯解吸指标Q3的临界值分别为31mL/100g和35mL/100g），钻屑量S（八矿己组和戊组煤层钻屑量S的临界值同定为9Kg/m）。根据确定的敏感指标及其临界值进行了工业性试验应用，结果表明突出预测指标敏感、临界值可靠。初步建立了大直径钻孔突出预测体系。
凡海东[8]（2012）在《赵各庄矿突出预测敏感指标确定数学模型研究》文中指出我国是世界上第一煤炭大国，也是煤与瓦斯突出灾害最为严重的国家。尤其是近年来，随着煤矿开采深度的加深和开采强度增大，煤矿突出事故频发，突出强度增大，恶性煤与瓦斯突出伤亡事故时有发生，这已经严重威胁着煤矿工人的生命和国家财产安全，制约着我国煤矿安全高效开采和煤炭行业健康发展。因此，有效、科学预测煤层突出危险性是防突的第一关键技术环节，开展突出预测敏感指标理论研究十分必要。在系统综述了煤与瓦斯突出，敏感指标确定研究的国内外理论研究现状和分析了存在问题的前提下，理论研究了赵各庄煤矿煤与瓦斯突出瓦斯地质控制因素和煤与瓦斯突出规律；现场跟踪煤巷掘进工作面，实测了9煤层h2、S、q值等各项突出预测指标，获得419组数据，并采用临界值化、均值化、标准差化和极差化对原始数据进行了数学处理，使其更具有可比性。采用灰色关联分析和因子分析方法，分别建立数学模型定量分析9煤层各项预测指标的关联度和主成分值，得出了适用的突出预测敏感指标。通过上述研究，得到以下初步结论：基于h2、S、q等预测指标，建立煤与瓦斯突出映射量和敏感指标关联分析数学模型；基于q、△p、△h2、S、R、f、K等7指标，建立了因子分析的数学模型；并应用建立的数学模型，对跟踪测定的数据进行了分析计算。理论研究、关联分析、因子分析得出压扭性地质构造是赵各庄矿9煤层煤与瓦斯突出的主控因素，突出常发生在构造煤发育的地质构造带附近，呈明显的区域分布；钻屑解吸指标△h2和钻屑量S为9煤层突出预测敏感指标。确定的敏感指标在赵各庄矿实际应用表明，△h2和S很好地反映了9煤层的煤与瓦斯突出危险性，建立的数学模型正确，分析结果可靠，提高了突出预测的可靠性和准确性，很好地指导了矿井煤与瓦斯突出防治工作，保证了9煤层的安全开采。
翟培杰[9]（2012）在《薛村矿2号煤层瓦斯突出预测指标研究》文中提出瓦斯突出危险性预测是预防煤与瓦斯突出的重要手段，而突出危险性预测的核心是敏感指标及其临界值的建立。薛村矿2号煤层属于突出煤层，在进行采掘作业时，有明显的突出动力现象发生。针对这一问题，本文确定了对薛村矿2号煤层预测敏感指标体系进行研究。本文研究了薛村井田的地质构造特征与演化规律，初步得出了薛村矿2号煤层瓦斯赋存规律和煤与突出的基本特征；对薛村矿瓦斯赋存规律的研究表明，瓦斯含量分布的主控因素为煤层埋藏深度。围岩岩性、陷落柱、水文地质、断层与褶皱等对瓦斯赋存有一定影响；瓦斯突出特征的分析，得出瓦斯因素为突出主导因素。以瓦斯地质规律、现场考察测试为基础，采用灰色系统理论与主成分分析法定量分析了预测指标的敏感性。综合以上研究，初步得出了薛村矿2号煤层预测敏感指标是钻屑解析指标△h2和残余瓦斯含量W。现场采集薛村矿2号煤层不同破坏类型的煤样，研究实验室煤层瓦斯放散规律、瓦斯吸附规律，确定煤层瓦斯含量（压力）等突出危险性参数之间的相关性；在对预测指标临界值含义分析的基础上运用瓦斯参数法与“三率”法确定了预测指标的临界值。综上所述，最终确定了薛村矿2号煤层的预测敏感指标及其临界值：钻屑瓦斯解析指标△h2，其临界值为190Pa；预测指标残余瓦斯含量W，其临界值为8m3/t。最后，经过现场试验检验考察结果是可靠的。
王燕杰[10]（2011）在《基于模糊物元分析的煤与瓦斯突出预测》文中研究表明煤炭占我国一次能源消费的70%以上,随着我国经济快速发展,对能源需求也在不断的增大,煤炭在未来一定时期内仍是主要能源。而矿井瓦斯灾害作为矿井五大灾害之首,一直制约着煤矿生产效率的提高,严重威胁日常生产和井下工人的生命安全,因此做好煤矿的瓦斯防治工作十分重要。煤与瓦斯突出预测作为瓦斯防治的第一步,在整个瓦斯防治过程中的地位尤为重要,做好预测工作不仅具有重大的经济效益和社会效益,其带来的安全效益更是无法估量。本文在充分认识瓦斯灾害的严重性和煤与瓦斯突出预测重要意义的前提之下,首次将模糊物元分析方法应用于煤与瓦斯突出预测模型的建立。首先对现有的突出预测方法、煤与瓦斯突出机理研究现状、突出发生的条件、影响突出的因素以及突出的一般规律进行了总结以及研究分析；在深入学习模糊物元分析理论的基础上,陈述了一些论文中会使用的关于物元的基本概念、物元的类型和处理数据的方法；充分利用瓦斯突出的模糊性和单因素预测的不相容性以及熵权法可避免传统专家打分赋予权重的主观性的优点,以模糊物元模型理论为基础,并且结合熵权法确定各影响突出因素的权值,选取影响突出指标,建立综合指标预测体系。这也是本文的创新点所在。在实例应用方面,选用采集于晋煤集团寺河矿的指标数据进行计算分析,通过与实际情况比对取得良好的结果,证明该方法的可行性；最后将该方法应用于潞安集团余吾煤业的煤与瓦斯突出预测实践中,并选取钻屑解吸指标（K1）、瓦斯放散初速度（△p）、煤的坚固性系数（f）和测定地点瓦斯量（Q）这四个基本指标建立综合指标预测体系,最终得出该矿综合指标的临界值,结果显示：在保证安全的前提下,与传统的单一指标K1值预测相比,使用本方法可以有效减少使该矿的防突工作量。由于突出过程的复杂性,各个煤矿的地质构造、煤质、地应力等因素不同,影响突出的主控因素也不相同,运用本方法建立的综合指标预测体系,可以尽可能全面的考虑突出影响因素,使预测更加合理可靠。通过实例证明模糊物元分析法在实际应用中具有可靠性和可操作性,为煤与瓦斯突出预测提供一条新的思路和方法,对减轻和防止煤矿瓦斯突出自然灾害具有重要意义。
二、用数学分析法确定预测瓦斯突出指标的临界值（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、用数学分析法确定预测瓦斯突出指标的临界值（论文提纲范文）
（1）基于改进模糊支持向量机的煤与瓦斯突出预测（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 选题背景 |
| 1.2 课题研究意义 |
| 1.3 国内外研究现状 |
| 1.4 本文研究内容和论文结构 |
| 2 基于统计学理论的支持向量机 |
| 2.1 机器学习与统计学习理论 |
| 2.2 支持向量机理论 |
| 2.3 模糊支持向量机 |
| 2.4 本章小结 |
| 3 基于灰色理论的煤与瓦斯突出预测指标的选取 |
| 3.1 煤与瓦斯突出发生的原因 |
| 3.2 煤与瓦斯突出强度分类 |
| 3.3 煤与瓦斯突出的定律 |
| 3.4 煤与瓦斯突出影响因素分析 |
| 3.5 基于灰色关联度分析的突出预测指标选取 |
| 3.6 本章小结 |
| 4 粒子群算法的改进及与模糊支持向量机的结合 |
| 4.1 标准粒子群算法 |
| 4.2 改进的粒子群算法 |
| 4.3 结合改进粒子群算法的模糊支持向量机 |
| 4.4 本章小结 |
| 5 基于粒子群优化模糊支持向量机的煤与瓦斯突出预测 |
| 5.1 改进模糊支持向量机仿真流程 |
| 5.2 PSO-FSVM与 FSVM预测结果的比较 |
| 5.3 PSO-FSVM与 PSO-SVM预测结果的比较 |
| 5.4 PSO-FSVM与 BP神级网络预测结果的比较 |
| 5.5 训练指标分析 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 本文总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简介 |
| 学位论文数据集 |
（2）平顶山矿区瓦斯抽采技术分类研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容 |
| 1.4 技术路线 |
| 2 平顶山矿区瓦斯抽采技术及煤与瓦斯突出影响因素分析 |
| 2.1 平顶山矿区瓦斯抽采技术分析 |
| 2.2 平顶山矿区瓦斯抽采技术分类研究 |
| 2.3 平顶山矿区煤与瓦斯突出的影响因素分析 |
| 2.4 本章小结 |
| 3 平顶山矿区煤与瓦斯突出危险性模糊综合评价 |
| 3.1 模糊综合评价法 |
| 3.2 模糊综合评价中权重的确定 |
| 3.3 模糊综合评价中隶属度的确定 |
| 3.4 煤与瓦斯突出危险性模糊综合评价 |
| 3.5 本章小结 |
| 4 平顶山矿区瓦斯抽采技术分类 |
| 4.1 瓦斯抽采技术分类原则 |
| 4.2 瓦斯抽采技术逐级分类 |
| 4.3 本章小结 |
| 5 平顶山矿区瓦斯抽采技术分类模式对比分析 |
| 5.1 本煤层瓦斯抽采技术分类模式对比分析 |
| 5.2 采空区瓦斯抽采技术分类模式对比分析 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录 |
| 作者简历 |
| 学位论文数据集 |
（3）基于瓦斯含量法的煤与瓦斯突出预测关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 煤与瓦斯突出预测技术现状 |
| 1.2.2 直接法瓦斯含量测定技术的研究现状 |
| 1.3 瓦斯含量法预测煤与瓦斯突出技术存在的问题 |
| 1.4 研究内容和思路 |
| 1.4.1 研究内容 |
| 1.4.2 研究思路 |
| 2 煤与瓦斯突出的能量分析 |
| 2.1 煤与瓦斯突出过程的能量转换 |
| 2.1.1 煤体弹性能 |
| 2.1.2 煤体中的游离瓦斯内能 |
| 2.1.3 煤体中的解吸瓦斯内能 |
| 2.1.4 破碎功 |
| 2.1.5 移动功 |
| 2.1.6 突出能量平衡方程式 |
| 2.2 突出事故的能量计算分析 |
| 2.2.1 突出事故的能量计算 |
| 2.2.2 突出事故的能量分析 |
| 2.3 煤与瓦斯突出的能量释放过程 |
| 2.4 本章小结 |
| 3 瓦斯含量测定误差分析 |
| 3.1 影响瓦斯含量测定准确性的因素 |
| 3.2 降低瓦斯含量测定误差的对策 |
| 3.3 瓦斯含量计算软件 |
| 3.4 本章小结 |
| 4 中软煤层深部采样技术研究 |
| 4.1 采样技术方案设计 |
| 4.2 双管正压逆流采样法装备与技术 |
| 4.2.1 双管正压逆流采样法装备 |
| 4.2.2 现场试验研究 |
| 4.3 定点控制采样法装备与技术 |
| 4.3.1 定点控制采样法设计 |
| 4.3.2 电磁感应传输信道实验研究 |
| 4.3.3 采集仓控制电机实验 |
| 4.4 本章小结 |
| 5 煤与瓦斯突出智能预测方法 |
| 5.1 煤与瓦斯突出预测参数选择 |
| 5.2 MI+RF煤与瓦斯突出预测算法 |
| 5.2.1 数据多重填补算法 |
| 5.2.2 基础参数缺失值填补 |
| 5.2.3 随机森林算法 |
| 5.2.4 煤与瓦斯突出的RF预测 |
| 5.2.5 随机森林和其他算法在突出预测中的对比 |
| 5.2.6 100%事故预测准确率模型 |
| 5.3 本章小结 |
| 6 煤与瓦斯突出预测技术现场应用 |
| 6.1 现场应用煤层概况 |
| 6.2 11-2煤层的煤与瓦斯突出危险性分析 |
| 6.3 11-2煤层瓦斯含量测定 |
| 6.4 瓦斯含量临界值的确定 |
| 6.5 MI+RF煤与瓦斯突出预测算法应用 |
| 6.6 各种预测方法比较 |
| 6.7 本章小结 |
| 7 主要结论及展望 |
| 7.1 主要结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 致谢 |
| 作者简介及读博期间主要科研成果 |
（4）K1值预测突出敏感性的实验研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 煤与瓦斯突出机理的研究现状 |
| 1.3 解吸指标的研究现状 |
| 1.4 突出预测指标敏感性研究方法存在的问题 |
| 1.5 研究意义与研究内容 |
| 1.6 技术路线 |
| 2 K_1指标敏感性研究的理论基础 |
| 2.1 指标敏感性定义及K_1指标的理论分析 |
| 2.2 膨胀能指标作为K_1指标敏感性研究参照的可行性分析 |
| 2.3 本章小结 |
| 3 实验室测定试验 |
| 3.1 煤样的采集与制备 |
| 3.2 煤层模拟装置 |
| 3.3 煤层模拟实验以及K_1值、初始释放瓦斯膨胀能测定 |
| 3.4 实验过程分析 |
| 3.5 本章小结 |
| 4 实验结果分析 |
| 4.1 K_1指标预测突出准确率 |
| 4.2 K_1指标与初始释放瓦斯膨胀能指标敏感度对比分析 |
| 4.3 K_1指标新临界值的确定 |
| 5 研究成果的现场验证 |
| 5.1 矿井概述 |
| 5.2 现场验证 |
| 6 结论、创新点及展望 |
| 6.1 主要结论 |
| 6.2 论文创新点 |
| 6.3 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（5）煤与瓦斯突出事故预警研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 问题的提出 |
| 1.4 主要内容和技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线与研究方法 |
| 1.4.3 创新点 |
| 2 煤与瓦斯突出事故形成机理 |
| 2.1 煤与瓦斯突出驱动机制 |
| 2.2 煤与瓦斯突出影响因素 |
| 3 煤与瓦斯突出的影响因素分析 |
| 3.1 预测和基础指标预警等级划分与辨识 |
| 3.2 基于灰色关联分析的煤与瓦斯突出第一类危险源评价 |
| 3.3 基于事故树的煤与瓦斯突出第二类危险源评价 |
| 3.4 基于混沌粒子群优化RBF的可拓综合评价 |
| 3.4.1 可拓综合评价法 |
| 3.4.2 基于混沌粒子群优化的RBF神经网络权重确定算法 |
| 3.4.3 煤与瓦斯突出的可拓综合评价方法 |
| 3.5 预警指标体系建立 |
| 4 主成分分析—响应面法煤与瓦斯突出预警模型 |
| 4.1 预警逻辑模型建立 |
| 4.1.1 煤与瓦斯事故预警的内涵和特点 |
| 4.1.2 煤与瓦斯突出事故预警的对象、内容 |
| 4.1.3 煤与瓦斯突出事故系统耗散结构的负熵实现过程 |
| 4.1.4 煤与瓦斯突出事故系统预警逻辑模型 |
| 4.2 主成分分析—响应面法的预警模型 |
| 4.2.1 主成分分析方法概述 |
| 4.2.2 响应面方法概述 |
| 4.2.3 主成分分析-响应面法预警模型应用 |
| 5 煤与瓦斯突出时序动态预警模型 |
| 5.1 最小二乘支持向量机概述 |
| 5.2 基于合理遗忘选择训练样本的预警模型 |
| 5.3 预警模型应用 |
| 6 预警风险管理 |
| 6.1 煤与瓦斯突出事故严重程度评估 |
| 6.2 煤与瓦斯突出事故分级 |
| 6.3 预警风险应对对策 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
| 附件 |
（6）综采工作面瓦斯涌出预测及其突出危险性的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 研究现状 |
| 1.2.1 国内外瓦斯涌出量的研究现状 |
| 1.2.2 煤与瓦斯突出研究现状 |
| 1.3 主要研究手段及内容 |
| 1.3.1 主要研究方法 |
| 1.3.2 研究内容 |
| 1.4 创新方面 |
| 第二章 煤层瓦斯流动与赋存流动理论 |
| 2.1 煤矿煤层瓦斯赋存状态与垂向分带 |
| 2.1.1 瓦斯在煤中的贮存 |
| 2.1.2 煤矿煤层瓦斯的垂向分带 |
| 2.2 煤的孔隙特性 |
| 2.3 煤中瓦斯的含量 |
| 2.4 瓦斯在煤层中的流动 |
| 第三章 煤与瓦斯突出的种类特点及其原因分析 |
| 3.1 煤与瓦斯突出的种类特点 |
| 3.1.1 按突出的能源分类 |
| 3.1.2 按突出危险程度分类 |
| 3.2 煤与瓦斯突出的原因 |
| 3.3 突出的过程 |
| 第四章 瓦斯涌出预测 |
| 4.1 井田概况 |
| 4.2 瓦斯来源分析 |
| 4.3 工作面瓦斯分布规律 |
| 4.4 采空区瓦斯分布及漏风规律 |
| 4.5 瓦斯参数的测定 |
| 4.6 抚顺煤科院分源瓦斯涌出量预测方法 |
| 4.7 模型的建立 |
| 4.8 开采条件及预测参数 |
| 4.9 寺家庄矿瓦斯涌出预测结果 |
| 第五章 突出危险性预测 |
| 5.1 瓦斯突出危险性参数测定与整理 |
| 5.2 预测结果 |
| 5.3 工作面突出危险性预测 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 附录 |
（7）工作面大直径钻孔煤与瓦斯突出预测方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 目录 |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状综述 |
| 1.2.1 突出危险性预测研究现状 |
| 1.2.2 突出预测敏感指标及其临界值研究现状 |
| 1.3 论文研究内容和研究方法 |
| 1.4 技术线路 |
| 1.5 本章小结 |
| 2 试验区矿井概况及突出影响因素分析 |
| 2.1 概况 |
| 2.2 煤层赋存特征 |
| 2.3 煤与瓦斯突出特征分析 |
| 2.4 始突深度与始突瓦斯压力、含量 |
| 2.5 突出影响因素分析 |
| 2.5.1 地质构造对突出的影响分析 |
| 2.5.2 煤层因素对突出的影响分析 |
| 2.5.3 煤层赋存深度对突出的影响分析 |
| 2.5.4 高压瓦斯对突出的影响分析 |
| 2.5.5 地应力对突出的影响分析 |
| 2.6 本章小结 |
| 3 预测指标分析 |
| 3.1 瓦斯解吸指标 Q3及Δh2 |
| 3.2 钻屑量 S |
| 3.3 钻屑温度 T |
| 3.4 本章小结 |
| 4 钻屑瓦斯解吸指标的实验室及现场研究 |
| 4.1 钻屑瓦斯解吸指标 |
| 4.2 实验研究内容 |
| 4.3 实验设备和步骤 |
| 4.3.1 实验设备 |
| 4.3.2 实验步骤 |
| 4.4 实验结果分析 |
| 4.4.1 构造软煤和硬煤不同瓦斯压力下△h2变化特征 |
| 4.4.2 实验基础参数统计 |
| 4.4.3 瓦斯放散特征分析 |
| 4.4.4 预测指标与瓦斯含量、压力之间的关系 |
| 4.5 现场研究思路与步骤 |
| 4.5.1 基本思路 |
| 4.5.2 预测步骤 |
| 4.6 现场试验 |
| 4.6.1 试验地点概况 |
| 4.6.2 预测结果分析 |
| 4.7 本章小结 |
| 5 预测指标敏感性分析和临界值确定 |
| 5.1 预测指标敏感性分析 |
| 5.2 预测敏感指标的确定 |
| 5.3 预测指标临界值的确定 |
| 5.4 本章小结 |
| 6 工业性试验 |
| 6.1 预测指标与预测方法 |
| 6.2 预测指标的跟踪观察 |
| 6.2.1 试验地点 |
| 6.2.2 预测指标随孔深变化考察 |
| 6.2.3 不同孔径预测指标对比分析 |
| 6.3 结果分析 |
| 6.4 本章小结 |
| 7 大直径钻孔突出预测体系的建立 |
| 7.1 不同孔径预测指标的相关性分析 |
| 7.2 试验区大直径预测方法的初步确定 |
| 7.2.1 适用范围 |
| 7.2.2 编写依据 |
| 7.2.3 预测指标及其临界值 |
| 7.2.4 测定仪表、工具、人员 |
| 7.2.5 钻孔布置与测试方法 |
| 7.3 本章小结 |
| 8 结论和展望 |
| 8.1 结论 |
| 8.2 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（8）赵各庄矿突出预测敏感指标确定数学模型研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 目录 |
| 1 引言 |
| 1.1 问题的提出、研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容 |
| 1.4 主要创新点 |
| 1.5 技术路线 |
| 1.6 本章小结 |
| 2 煤与瓦斯突出理论研究 |
| 2.1 国内外对煤与瓦斯突出研究现状 |
| 2.1.1 国外煤与瓦斯突出机理的研究 |
| 2.1.2 国内煤与瓦斯突出机理的研究 |
| 2.2 煤与瓦斯突出危险性预测研究现状 |
| 2.2.1 国外煤与瓦斯突出危险性预测概况 |
| 2.2.2 国内煤与瓦斯突出危险性预测概况 |
| 2.3 “四位一体”防突措施中主要预测指标分析 |
| 2.3.1 钻屑量指标 S |
| 2.3.2 煤的瓦斯放散初速度指标△p |
| 2.3.3 钻屑解吸指标△h_2和 K_1 |
| 2.3.4 钻孔瓦斯涌出初速度指标 q |
| 2.3.5 煤的坚固性系数 f |
| 2.3.6 综合指标 R、D 和 K |
| 2.4 本章小结 |
| 3 赵各庄矿煤与瓦斯突出概况 |
| 3.1 矿井概况 |
| 3.1.1 矿井开拓及采煤方法 |
| 3.1.2 煤系地层及煤质 |
| 3.1.3 矿区地质构造 |
| 3.1.4 矿井通风和瓦斯 |
| 3.1.5 矿井水文地质情况 |
| 3.2 煤与瓦斯突出危险性参数测定及统计 |
| 3.2.1 煤层瓦斯含量 W 和压力 P |
| 3.2.2 煤的瓦斯放散初速度△p、煤的破坏类型、f 值以及综合指标 K |
| 3.2.3 钻屑瓦斯解吸指标△h_2、钻屑量 S 以及钻孔瓦斯涌出初速度 q |
| 3.3 赵各庄矿煤与瓦斯突出主控因素和突出规律分析 |
| 3.3.1 地质构造对突出的影响分析 |
| 3.3.2 构造煤对突出的影响分析 |
| 3.3.3 煤层厚度和倾角对突出的影响分析 |
| 3.3.4 顶底板岩性对突出的影响分析 |
| 3.3.5 埋藏深度对突出的影响分析 |
| 3.3.6 煤的变质类型对突出的影响分析 |
| 3.4 矿井瓦斯涌出及煤与瓦斯突出特征 |
| 3.5 本章小结 |
| 4 赵各庄矿 9 煤层突出预测敏感指标确定 |
| 4.1 煤与瓦斯突出预测指标跟踪测定 |
| 4.1.1 技术方案 |
| 4.1.2 技术思路及试验地点选择 |
| 4.1.3 突出预测指标测定以及效果检验方法 |
| 4.1.4 地质构造、煤层产状、瓦斯动力现象观察 |
| 4.2 突出预测敏感指标灰色关联分析方法 |
| 4.2.1 系统映射量的建立 |
| 4.2.2 数据的无量纲化处理 |
| 4.2.3 突出预测指标灰色关联分析 |
| 4.2.4 突出预测敏感指标综合分析确定方法 |
| 4.3 突出预测敏感指标因子分析方法 |
| 4.3.1 因子分析的基本思想 |
| 4.3.2 因子分析的数学模型的建立 |
| 4.3.3 因子分析的计算步骤 |
| 4.3.4 突出预测敏感指标因子分析确定方法 |
| 4.4 赵各庄矿突出预测敏感指标确定 |
| 4.4.1 利用灰色关联分析对赵各庄矿 9 煤层敏感指标的确定 |
| 4.4.2 利用因子分析对赵各庄矿 9 煤层预测敏感指标的确定 |
| 4.5 效果检验和验证 |
| 4.6 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 作者简历 |
| 一、基本情况 |
| 二、学术论文 |
| 三、发明专利 |
| 四、获奖情况 |
| 五、研究项目 |
| 学位论文数据集 |
（9）薛村矿2号煤层瓦斯突出预测指标研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 目录 |
| 1 引言 |
| 1.1 问题的提出 |
| 1.2 预测指标研究现状及存在问题 |
| 1.2.1 煤与瓦斯突出的基本特征 |
| 1.2.2 国外突出预测指标研究状况 |
| 1.2.3 国内突出预测指标研究状况 |
| 1.3 突出预测敏感指标研究现状和问题 |
| 1.3.1 敏感指标及临界值的含义 |
| 1.3.2 预测敏感指标及临界值的研究成果 |
| 1.3.3 预测敏感指标及临界值在研究中的问题 |
| 1.4 主要研究工作 |
| 1.4.1 研究的内容 |
| 1.4.2 研究的线路 |
| 1.4.3 特色点 |
| 2 瓦斯赋存规律与突出特征分析 |
| 2.1 煤层赋存与瓦斯概况 |
| 2.1.1 煤层赋存 |
| 2.1.2 矿井瓦斯概况 |
| 2.2 矿井瓦斯地质规律研究 |
| 2.2.1 矿区构造演化与分布特征 |
| 2.2.2 矿井构造演化特征 |
| 2.2.3. 构造对矿井瓦斯赋存的控制 |
| 2.3 矿井瓦斯涌出量预测 |
| 2.4 煤层瓦斯突出特征分析 |
| 2.4.1 突出类型 |
| 2.4.2 突出控制因素 |
| 2.4.3 突出相关参数统计 |
| 2.5 本章小结 |
| 3 薛村矿突出预测指标的选定 |
| 3.1 预测指标现场跟踪测定 |
| 3.1.1 考察对象的选定 |
| 3.1.2 预测指标跟踪观测 |
| 3.1.3 预测指标考察结果研究 |
| 3.2 定性分析预测指标的敏感性 |
| 3.2.1 预测指标影响因素和突出因素相关性分析 |
| 3.2.2 预测指标测值分析 |
| 3.3 定量分析预测指标的敏感性 |
| 3.3.1 灰色关联理论 |
| 3.3.2 主成分分析法 |
| 3.4 本章小结 |
| 4 实验室突出预测指标及其临界值研究 |
| 4.1 实验器材和步骤 |
| 4.1.1 实验装置 |
| 4.1.2 实验步骤 |
| 4.2 实验室瓦斯放散特征分析 |
| 4.2.1 不同平衡压力下的瓦斯解吸量规律 |
| 4.2.2 不同破坏程度煤样的瓦斯放散规律研究 |
| 4.3 钻屑瓦斯解吸指标ΔH_2与瓦斯参数关系研究 |
| 4.3.1 实验室确定钻屑瓦斯解吸指标△h_2的临界值 |
| 4.3.2 钻屑瓦斯解吸指标△h_2与瓦斯含量 W 的关系 |
| 4.4. 实验室瓦斯含量 W 临界值的确定 |
| 4.5 本章小结 |
| 5 预测指标临界值的确定 |
| 5.1 预测指标临界值范围的分析 |
| 5.1.1 临界值的含义 |
| 5.1.2 预测指标临界值的确定方法 |
| 5.2 预测指标临界值确定 |
| 5.2.1 瓦斯含量 W 临界值的确定 |
| 5.2.2 钻屑解吸指标 △h2临界值的确定 |
| 5.3 预测敏感指标的现场试验 |
| 5.4 本章小结 |
| 6 研究结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（10）基于模糊物元分析的煤与瓦斯突出预测（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 煤与瓦斯突出概况及研究意义 |
| 1.3 突出危险性预测研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 模糊物元理论的应用现状 |
| 1.5 论文主要研究内容及架构 |
| 1.5.1 论文主要研究内容 |
| 1.5.2 论文架构 |
| 第二章 煤与瓦斯突出机理的研究 |
| 2.1 煤与瓦斯突出机理研究现状 |
| 2.2 煤与瓦斯突出发生条件 |
| 2.3 煤与瓦斯突出的一般规律 |
| 2.4 影响突出因素分析 |
| 2.4.1 概述 |
| 2.4.2 自然因素 |
| 2.4.3 人为因素 |
| 2.5 本章小结 |
| 第三章 基于模糊物元分析的理论基础 |
| 3.1 物元分析的基础 |
| 3.1.1 物元分析的基本概念 |
| 3.1.2 物元分析的基本变化 |
| 3.1.3 物元分析的数据变化 |
| 3.2 模糊物元分析基础 |
| 3.2.1 模糊物元的概念 |
| 3.2.2 模糊物元的类型 |
| 3.2.3 权重复合物元 |
| 3.2.4 数据优化原则 |
| 3.3 本章小结 |
| 第四章 煤与瓦斯突出预测的模糊物元分析步骤 |
| 4.1 模糊物元分析法的基本原则 |
| 4.2 模糊物元分析的步骤 |
| 4.2.1 评价方案的建立 |
| 4.2.2 隶属度的确定 |
| 4.2.3 关联数的确定 |
| 4.2.4 模糊物元的建立 |
| 4.2.5 运用熵权法确定权重 |
| 4.2.6 突出临界值的确定原则 |
| 4.3 本章小结 |
| 第五章 实例应用 |
| 5.1 模糊物元分析预测及测试 |
| 5.2 余吾煤业矿井概况 |
| 5.3 余吾煤业矿井地质概况 |
| 5.3.1 地质构造 |
| 5.3.2 煤层 |
| 5.3.3 瓦斯 |
| 5.4 煤与瓦斯突出预测指标测定 |
| 5.4.1 钻屑解吸指标(K_1) |
| 5.4.2 瓦斯放散初速度(△p) |
| 5.4.3 煤的坚固性系数(f) |
| 5.4.4 瓦斯浓度及风量 |
| 5.5 数据处理及临界值的确定 |
| 5.5.1 数据处理 |
| 5.5.2 临界值的确定 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
四、用数学分析法确定预测瓦斯突出指标的临界值（论文参考文献）
- [1]基于改进模糊支持向量机的煤与瓦斯突出预测[D]. 孙宇航. 中国矿业大学, 2019(04)
- [2]平顶山矿区瓦斯抽采技术分类研究[D]. 袁鑫. 辽宁工程技术大学, 2019(07)
- [3]基于瓦斯含量法的煤与瓦斯突出预测关键技术研究[D]. 郑晓亮. 安徽理工大学, 2018(12)
- [4]K1值预测突出敏感性的实验研究[D]. 刘硕. 中国矿业大学, 2016(02)
- [5]煤与瓦斯突出事故预警研究[D]. 高明明. 辽宁工程技术大学, 2015(02)
- [6]综采工作面瓦斯涌出预测及其突出危险性的研究[D]. 刘晟. 太原理工大学, 2013(02)
- [7]工作面大直径钻孔煤与瓦斯突出预测方法研究[D]. 索长兴. 河南理工大学, 2012(01)
- [8]赵各庄矿突出预测敏感指标确定数学模型研究[D]. 凡海东. 河南理工大学, 2012(01)
- [9]薛村矿2号煤层瓦斯突出预测指标研究[D]. 翟培杰. 河南理工大学, 2012(01)
- [10]基于模糊物元分析的煤与瓦斯突出预测[D]. 王燕杰. 太原理工大学, 2011(08)