深部煤与瓦斯突出特征及鉴定判识方法
王恩元
张国锐
中国矿业大学 煤矿灾害防控全国重点实验室,江苏 徐州 221116;中国矿业大学 安全工程学院,江苏 徐州 221116
摘要：随着煤矿开采深度的增加,受地应力、瓦斯增大及多因素复杂耦合的影响,近年来低参数、低指标突出事故时有发生.传统有危险与无危险的"二分类"突出鉴定判识方法存在一定不确定性,特别是在临界值附近的突出危险难以判定,不能满足现场防突需求.针对此问题,提出并研究了突出危险鉴定的"三分类"(危险、威胁、无风险)智能判识方法.分析了深部历史典型突出事故特征,结合煤层埋深、瓦斯压力、坚固性系数等18 类鉴定判识指标,构建1378 组煤层突出危险性样本数据库.采用特征信息挖掘(离散型类别、缺失值和指标筛选)预处理数据,以降低高维、小样本规模对鉴定判识方法建模的影响.搭建了不同机器学习判识模型,并结合优化算法进行超参数寻优.结果表明,集成学习BO-LightGBM模型的"三分类"判识性能明显优于基础机器学习模型.通过案例验证,该方法"无突出风险-Ⅰ"判识准确率为100％,"突出威胁-Ⅱ"及"突出危险-Ⅲ"的整体判识准确率为88.9％,实现了突出危险性数据的可靠准确判识,为突出危险性鉴定提供了一种有效的智能化判识方法.
关键词：煤与瓦斯突出临界判定小样本挖掘BO-LightGBM模型低参数灾害
分类号：TD713(矿山安全与劳动保护)TP391(计算技术、计算机技术)
资助基金：国家重大科研仪器研制项目(52227901)
论文发表日期：2026-02-28
在线出版日期：2026-03-12（本平台首次上网日期，不代表文献的发表时间）
页数：11( 18-28 )
英文信息