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。

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。

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。