煤矿瓦斯赋存机理及智能预警研究_袁媛著_9787312055348

本书以煤的孔隙结构研究为切入点，着力研究煤的瓦斯赋存特征及其影响因素对突出风险的作用机理，系统地分析了不同煤阶煤样的孔裂隙发育规律并进行分形研究，探索了煤的变质程度、工业组分、孔径分布、分形维数等内在因素及压力、温度等外在因素对煤的瓦斯吸附、解吸特性的影响，构建煤的瓦斯赋存特征因素数学分析模型，设计并编程完成瓦斯突出风险的深度学习型智能预警系统，现场运行验证该系统可以成功运用于工程实践。

煤炭是我国的支柱性能源材料。煤赋存瓦斯是瓦斯突出风险事故发生的物质基础，煤的瓦斯赋存能力失衡是瓦斯风险事故发生的直接原因。风险事故严重威胁智慧化矿山建设，如何有效应对此类风险成为自然科学研究的重点课题。基于微观结构特征研究煤矿瓦斯赋存机理对瓦斯风险的精准判识和智能预警具有重要的理论意义和实践价值。
　　本书以煤的孔隙结构研究为切入点，着力讨论煤的瓦斯赋存特征对瓦斯赋存能力的影响程度和影响机制，并采用实验室试验的方法，系统地分析了不同煤阶煤样的孔裂隙发育规律，对此进行了分形表征，探索了煤的工业组分、□质程度、孔径分布、分形维数等内在因素及压力、温度等外部因素对煤的瓦斯吸附、解吸特性的影响，构建了煤的瓦斯赋存影响因素灰色分析模型，设计了瓦斯突出风险深度学习型智能预警系统。本书的研究为智能预警提供了必要的理论支撑，主要研究成果如下：
　　（1）系统揭示了不同□质程度煤的孔径分布、比表面积、孔体积、孔隙结构类型、孔连通性及分形维数的分布规律。研究发现：微孔对比表面积贡献率□□，大孔及裂隙对孔体积贡献率□□。随着煤阶的增高，平均孔径逐渐减小，孔体积逐渐减小，孔隙连通性逐渐□差。不同表层特征的煤具有不同的孔隙结构类型，中阶暗淡型煤的孔隙结构以两端开放的圆筒形孔为主，中阶暗淡间亮型煤的孔隙结构以小孔和粗颈墨水瓶状微孔为主，高阶间亮型煤的孔隙结构以细颈墨水瓶状微孔为主，高阶光亮型煤的孔隙结构以圆筒形微孔和尖劈形微孔为主。创新性地使用了栅栏法对孔隙分形维数进行区间评价，发现中高阶煤的微孔孔隙分形维数高于中小孔的孔隙分形维数，高阶煤的微孔分形程度□□。
　　（2）科学探索了煤孔隙结构中瓦斯赋存机理，通过对不同□质程度的煤样微观孔隙结构的定量分析，运用微孔填充理论、单分子层吸附理论和多分子层吸附理论，研究煤中瓦斯极限吸附平衡状态，建立表征煤样瓦斯吸附能力的量化方法，获得瓦斯气体分子在煤储层不同尺度孔隙结构中的赋存特征。研究表明：瓦斯气体分子在煤孔隙结构的赋存方式以吸附态为主；吸附态赋存中又以微孔填充方式为主，多分子层吸附方式为辅，并存在一定量的单分子层吸附方式。
　　（3）细致研究了煤的工业组分、□质程度、孔隙特征、分形维数等内在因素及压力、温度等外部因素对煤的瓦斯赋存特性的影响。研究发现：煤样的固定碳含量、□质程度、总比表面积、微孔比表面积、微孔分形维数、压力的□化方向和煤样瓦斯极限赋存量□化方向呈正向相关关系，煤样的灰分含量、挥发分含量、水分含量、温度、粒径□化方向和煤样瓦斯极限赋存量□化方向呈反向相关关系。采用适用于小样本贫信息系统的灰色关联法对各因素影响效果进行数学建模计算，各因素和极限吸附量的关联系数按值的大小顺序排列。
　　根据理论研究成果，采用人工智能的设计方法，构建了煤矿瓦斯突出风险深度学习型智能预警系统。类神经处理单元使智能BP人工神经网络模型具有自学习、自训练、自纠错的显著优点。引入动量因子和采用批量处理方法对模型进行算法优化，利用灰色关联分析法得到关键影响因素对模型进行指标优化。双重优化后，将通过实地测选获取的煤矿瓦斯赋存特征数据和瓦斯突出风险致因数据分别输入智能预警系统。深度学习型智能预警系统能够根据样本数据进行智能学习和训练，运行结果证明，使用瓦斯赋存特征数据作为输入层指标和使用瓦斯突出风险致因数据作为输入层指标的两个突出风险预警系统具有近似的预警正确率和预警完成时间，成功验证了瓦斯赋存特征指标系统可以作为突出风险预警的有益衡量技术。

你还可能感兴趣

我要评论