基于半监督学习的煤层钻孔预抽瓦斯状态评价方法
晏立1
文虎2
王振平2
金永飞1
1.西安科技大学安全科学与工程学院,陕西西安 710054;西安天河矿业科技有限责任公司,陕西西安 7100542.西安科技大学安全科学与工程学院,陕西西安 710054;西安科技大学西部矿井开采及灾害防治教育部重点实验室,陕西西安 710054
摘要：目前单一钻孔抽采状态评价方法通常依赖于瓦斯抽采浓度,而忽视了煤层瓦斯赋存的多样性.监督学习模型依赖于样本的特征标记,在样本量较大时,人工标注的成本较高;无监督学习模型缺乏样本标记,无法实现定性评价.针对上述问题,提出一种基于半监督学习的煤层钻孔预抽瓦斯状态评价方法.构建了包含甲烷浓度、抽采负压、环境温度等8项指标的多维度评价体系,采用层次分析法(AHP)与模糊评价法(FEM)结合的权重赋值方法,建立抽采效果等级划分标准.在此基础上,提出基于高斯混合模型(GMM)与K-Means算法的半监督学习模型(SSGMM/SSK-Means),通过融合少量人工标注样本与大量未标注数据,实现单一钻孔抽采状态的动态分类.SSGMM聚集度更好,SSK-Means效率更高,形成"精度-效率"的互补关系.在陕西黄陵二号煤矿215工作面的应用结果表明:SSGMM和SSK-Means的最大聚集度(MVCR)和修正Rand指数(AR1)分别达82.64％和85.83％,显著优于传统聚类方法;通过动态反馈机制优化后,原等级为"差"的钻孔抽采效率提升5.26％～5.80％,补差率达100％.
关键词：煤层瓦斯抽采效果评价半监督学习层次分析法模糊评价法高斯混合模型K-Means算法
分类号：TD712(矿山安全与劳动保护)
资助基金：国家自然科学基金(52274227)
论文发表日期：2025-03-31
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 113-121 )
英文信息