为了解决矿井涌水量预测难题,在Grid-Search_PSO优化SVM参数的基础上,采用SVM非线性回归预测法,对大海则煤矿1999~2008年7月份的矿井涌水量进行了预测。分析对比SVM回归预测法和ARIMA时间序列预测法预测结果的数据误差,发现SVM回归法预测值与实测值之间的偏差比ARIMA时间序列法要小很多。可见在影响矿井涌水量各种因素值具备的情况下,SVM非线性回归预测所建立的模型能够更准确地预测矿井的涌水量,在矿井安全生产中具有很大的应用价值。

龙门煤矿矿区位于河南省偃龙煤田西段,属佛光(偃师市)—龙门(洛阳市)水文地质亚单元的一部分。根据地层厚度、岩性、富水性及渗透性等特征,将矿区地层划分为6个含水层和5个隔水层;矿井充水条件主要分为充水水源、充水通道和影响充水强度因素;采用"大井法"和"比拟法"对矿井涌水量进行预测,得出:未来生产矿井的最大涌水量按正常涌水量的1.13倍计算。根据矿井水文地质类型划分依据判断,洛阳龙门煤业有限公司龙门煤矿水文地质类型划分为极复杂类型。

南北方许多复杂矿井特别是深部采煤矿井,其矿井涌水动态复杂,常呈不同程度的混沌效应,常规方法难以预测。文章针对该情况,研究探讨了复杂矿井混沌效应出现的机理。指出采矿作用下,地下水系统结构变化,矿井涌水水源的多来源性以及矿井地下水系统自身演化为复杂非线性耗散系统等导致了混沌效应的发生。在此基础上,通过实例,运用考虑混沌效应的RBF神经网络方法和基于Lyapunov指数的相空间重构方法对矿井涌水量动态进行了预测。结果表明,运用上述混沌时间序列方法进行短期预测是非常有效的,可为煤矿水害防治决策等提供科学依据。

提出了一种相空间重构与贝叶斯框架下的LS-SVM预测矿井涌水量的方法,矿井涌水量具有混沌特征,利用相空间重构,找出矿井涌水量时间序列隐藏的演化规律,作为输入参量,将贝叶斯证据框架理论用于最小二乘支持向量机模型参数的优选,运用LS-SVM将非线性问题转化为高维特征空间的线性问题进行求解。利用典型的Lorenz生成的时间序列进行仿真,选择2004年8月-2005年2月的矿井涌水量数据进行验证,结果表明该方法可行并具有较高的精度。

孟加拉巴拉普库利亚煤矿位于孟加拉国西北部,为一独立的半断陷冈瓦纳群含煤盆地。该矿主采的Ⅵ煤层为特厚煤层,煤层均厚36m。受矿井水文地质条件等因素影响,目前仅在南翼采区进行开采。根据煤矿Ⅵ煤一分层开采2000-2012年的涌水量实测资料,建立灰色理论模型并进行模型精度检验。在此基础上,利用灰色理论的预测方法,基于Matlab软件编程计算,对2013-2018年的矿井涌水量动态变化进行预测,并将模型预测值与实测资料进行对比。结果表明,所建立的灰色系统模型具有可靠性和适用性,涌水量预测成果可为矿井排水系统的设计提供依据。

基于矿井涌水量序列具有明显的随机性和灰色特征,建立涌水量GM(1,2)预测模型,以克服灰色GM(1,1)模型对于随机波动大的长序列预测效果差的缺点。以王行庄煤矿为例,针对2012年7月至2013年12月王行庄煤矿18个月的涌水量资料,考虑与之密切相关的L7-8灰岩含水层水位降深,建立了矿井涌水量GM(1,2)预测模型;预测了2014年1—4月的涌水量;并与GM(1,1)预测模型进行模型精度与预测精度的比较。结果表明:GM(1,2)模型的预测精度达到了97.44%,GM(1,1)模型的预测精度为92.60%,GM(1,2)模型明显提高了矿井涌水量的预测精度。

针对矿井涌水量时间序列的分形与灰色特征,采用重标极差分析法(R/S分析法)确定涌水量时间序列的Hurst指数和平均循环周期,在一个周期内建立等维灰数递补动态GM(1,1)预测模型。充分利用最新信息,提高模型预测精度。运用基于R/S分析法的GM(1,1)模型对陕北某矿矿井涌水量进行分析预测,结果表明,模型拟合程度好,预测精度高,能够为矿井安全生产提供决策依据。

矿井涌水量的准确预测对预防矿山透水事故的发生至关重要,提出利用GA优化的SVM模型(GA-SVM)来实现矿井涌水量的短期准确预测。该方法利用GA的自动寻优功能寻找SVM的最佳参数,提高了预测的准确率。首先,利用微熵率法求矿井涌水量时间序列的最佳嵌入维数和延迟时间,进行相空间重构。其次,采集义煤集团千秋煤矿2011—2015年实际涌水量的时间序列,利用GA-SVM模型对最后12组数据进行预测,其预测平均绝对百分比误差仅为0.92%,最大相对误差为2.62%。最后,与PSO-SVM和BP神经网络预测进行对比,结果表明GA-SVM优化模型适用于矿井涌水量的预测并且预测精度较高。

为对矿井涌水量进行准确预测,以矿井涌水量历史时序数据为基础,提出一种综合自回归移动平均模型.建模时首先需要对涌水量时间序列进行平稳化处理,根据拖尾、截尾情况及BIC数值初步确定一个模型,进行参数估计、假设检验,并作出必要调整,反复循环,直至获得较为满意的ARIMA模型.以东欢坨矿1991年1月到2014年4月月度涌水量进行实验分析,最终建立了ARIMA(1,1,1)预测模型,利用该模型进行预测,最大误差为2.1829%,最小误差仅为0.2885%,模型精度较高,能够很好地满足实际工程需要.研究结果表明:ARIMA模型对矿井涌水量短期预测是可行的.