为了推动智能瓦斯抽采技术发展，提高煤矿安全保障能力，从瓦斯抽采全过程少人化或无人化角度，阐述了智能瓦斯抽采的精准感知、自决策、自执行、自适应、自学习等5个方面特征,提出了包含功能和技术2个维度的智能瓦斯抽采体系结构，功能维度上涵盖瓦斯抽采所有环节，技术维度上包含单机智能、机组智能和集成智能3个层次，体现了智能瓦斯抽采技术的发展迭代过程；设计了智能瓦斯抽采总体架构，由感知控制层、传输层、数据层、应用层等4个层面和信息标准、信息安全等2个体系构成；最后，从动态透明瓦斯地质、抽采钻孔智能设计、打钻-增透-封孔机器人、抽采系统智能调控与诊断、抽采达标自动评判等5个方面对智能瓦斯抽采关键支撑技术进行了探讨，分析了关键技术向精准、高效、智能方向发展的趋势，提出了抽采钻孔差异化智能设计和抽采达标多层递进动态评判等解决策略，并给出了谢桥煤矿“三人五台一组”自动钻机集中控制协同作业、霍尔辛赫煤矿抽采管网自动调控、新元煤矿抽采达标在线评判等典型应用案例，为煤矿智能瓦斯抽采技术研究和建设实践提供了有益参考。

煤矿设计和开采受瓦斯涌出量的影响。由于地质条件不同,瓦斯涌出量也各有不同,传统方法预测瓦斯涌出量精确性很低。文章首先对灰色神经网络预测的现状做出介绍,然后分别介绍了灰色系统和神经网络的模型,最后结合灰色神经网络模型对煤矿瓦斯涌出量的应用实例做出分析。研究表明,灰色神经网络算法有很大的应用前景和推广价值。

(MTT692—1997)煤矿瓦斯抽放技术规范.doc

黑龙江省煤矿瓦斯治理标准.docx

以PIC16F877A单片机为控制核心,使用IIC方式利用远程控制芯片P82B96实现远程监测,前端通过CAT9555进行I/O口扩展,同时使用MH-740红外线传感器采集工业现场CH4浓度并且在前端液晶显示器NOKIA5110上显示。定时读取现场数据,若发现浓度过高,及时控制CAT9555的I/O口实现对声光报警器的控制。

为了提高煤矿安全生产的事故预防能力,针对瓦斯爆炸风险,应用熵权法和二维云理论建立煤矿瓦斯爆炸的安全评价模型,并提出相近度的计算方法,用来表示实际安全等级与标准安全等级的相近程度。应用上述方法对某煤矿的瓦斯爆炸风险进行安全评价,结果表明:基于熵权二维云模型的煤矿瓦斯爆炸安全评价方法合理可行系统准确,为该类事故的安全评价研究提供了科学依据。

国赛建模题目

煤矿瓦斯浓度的精准预测是矿井瓦斯防治的关键。为了准确可靠地预测工作面瓦斯浓度，提出了一种基于门控循环单元方法的工作面瓦斯浓度预测模型。采用邻近均值法对数据缺失值和异常值进行补全，采用MinMaxScaler方法对实验数据进行归一化处理，为了提高模型精度和稳定性，采用粒子群算法和Adam算法对GRU超参数进行优化，从而构建了基于PSO-Adam-GRU的工作面瓦斯浓度预测模型。以崔家沟煤矿生产监测数据为样本数据进行模型训练，采用平均绝对误差、均方根误差、运行时间3种评价指标对预测模型性能进行评估，并将预测结果与BPNN和LSTM进行对比。结果表明：PSO-Adam-GRU较BPNN和LSTM具有更高的精度和稳定性，在预测过程中MAE可降低到0.058，RMSE可降低到0.005.结果表明，基于PSO-Adam-GRU的瓦斯浓度预测模型和参数优选方法可有效预测出瓦斯浓度，该模型在瓦斯浓度时间序列预测方面具有更高的准确性和鲁棒性，可为矿井瓦斯治理提供一定指导意见。

该数据集是 IJCRS’15 Data Challenge: Mining Data from Coal Mines（用于机器学习、深度学习测试），包括瓦斯，风速等煤矿用传感器数据。

在分析影响煤矿瓦斯浓度的各种因素具有非线性特征的基础之上,采用BP算法构建煤矿瓦斯浓度预测模型,实现对各种因素进行非线性映射,进而达到对煤矿瓦斯浓度进行预测的目的。MATLAB仿真结果表明,该模型具有预测精度较高、预测速度快、预测效果好等优点。