淮北许疃矿抽采后瓦斯含量损失影响因素分析及预测
汪吉林1
翟建廷2
秦勇1
王琳琳3
琚宜文4
1.中国矿业大学煤层气资源与成藏过程教育部重点实验室,江苏徐州221116;中国矿业大学资源与地球科学学院,江苏徐州2211162.中国矿业大学资源与地球科学学院,江苏徐州221116;淮北矿业集团许疃煤矿,安徽淮北2341113.中国矿业大学低碳能源研究院,江苏徐州,2211164.中国科学院大学地球与行星科学学院,北京,100049
摘要：抽采后残余瓦斯的存在对于矿井生产依然具有危险性,研究残余瓦斯的赋存规律及其预测是十分必要的.分析了淮北煤田许疃煤矿3233采区地质条件,通过断层分维、煤层底板构造曲率和煤层倾角等指标的计算和统计,并分别赋予0.35,0,35和0.30的权重,计算得到研究区的构造指数及其分布,根据选取的42组数据,讨论了构造指数、煤层埋深、煤厚和原煤瓦斯含量等影响因素对抽采残余瓦斯赋存的影响,运用多元线性回归方法,拟合了瓦斯含量损失与构造指数、煤层埋深、煤厚等影响因素指标之间的相关关系,运用BP人工神经网络模型研究了预测抽采后瓦斯含量损失的可行性.结果 表明:构造指数可以更精确地定量表征矿井构造复杂程度.瓦斯含量损失的主要影响因素为构造指数、煤层埋深、煤厚和原煤瓦斯含量.瓦斯含量损失总体上与构造指数呈负相关,而与其他因素的指标均呈正相关.经过数理统计的F检验,F=20.82 ＞F0.01(3,38)=4.35,故多元线性回归的结果是显著的,表明瓦斯含量损失与各影响因素指标之间具有较密切的内在联系,其中构造指数对瓦斯含量损失的影响程度最大,煤层埋深影响程度最小,煤厚的影响程度介于构造指数与煤层埋深之间.以瓦斯含量损失为输出指标,以构造指数、埋深、煤厚和原始瓦斯含量为输入指标,建立了4×10×1结构的BP人工神经网络模型,模型经过学习训练后预测精度高,相对误差为1.19％ ～ 1.34％,表明可以运用人工神经网络模型预测未采区抽采后的瓦斯含量损失,残余瓦斯含量即为原煤瓦斯含量减去瓦斯含量损失,故可以间接预测抽采后残余瓦斯含量.
关键词：残余瓦斯影响因素瓦斯含量损失构造复杂程度
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(41430317)国家自然科学基金(41702169)中国科学院战略性先导科技专项(XDA05030100)
论文发表日期：2019-01-01
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：8( 2401-2408 )
英文信息