淮北许疃矿抽采后瓦斯含量损失影响因素分析及预测
TD712; 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...
Saved in:
| Published in | 煤炭学报 Vol. 44; no. 8; pp. 2401 - 2408 |
|---|---|
| Main Authors | , , , , |
| Format | Journal Article |
| Language | Chinese |
| Published |
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
01.08.2019
中国矿业大学资源与地球科学学院,江苏徐州221116%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234111%中国矿业大学低碳能源研究院,江苏徐州,221116%中国科学院大学地球与行星科学学院,北京,100049 |
| Subjects | |
| Online Access | Get full text |
| ISSN | 0253-9993 |
| DOI | 10.13225/j.cnki.jccs.KJ19.0486 |
Cover
| Abstract | TD712; 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. |
|---|---|
| AbstractList | TD712; 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. |
| Author | 汪吉林 琚宜文 王琳琳 秦勇 翟建廷 |
| AuthorAffiliation | 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221116%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234111%中国矿业大学低碳能源研究院,江苏徐州,221116%中国科学院大学地球与行星科学学院,北京,100049 |
| AuthorAffiliation_xml | – name: 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221116%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234111%中国矿业大学低碳能源研究院,江苏徐州,221116%中国科学院大学地球与行星科学学院,北京,100049 |
| Author_FL | JU Yiwen ZHAI Jianting WANG Linlin QIN Yong WANG Jilin |
| Author_FL_xml | – sequence: 1 fullname: WANG Jilin – sequence: 2 fullname: ZHAI Jianting – sequence: 3 fullname: QIN Yong – sequence: 4 fullname: WANG Linlin – sequence: 5 fullname: JU Yiwen |
| Author_xml | – sequence: 1 fullname: 汪吉林 – sequence: 2 fullname: 翟建廷 – sequence: 3 fullname: 秦勇 – sequence: 4 fullname: 王琳琳 – sequence: 5 fullname: 琚宜文 |
| BookMark | eNotjj9Lw0AcQG-oYFv9Cm6Oib-7y-Vyo5T6t-Cic7ncNWLUFIyiu2KktbZQqINgi4iLUCkouhQ_zSXmW1jQ6W3vvRIqRM2ogdASBhtTQthKaKvo8MAOlYrt7S0sbHA8t4CKQBi1hBB0HpXiOASgDnVZEVXTz7G5vf8Zf2WDy2z4nbameZKY3l3Wf0kHb6b3mifdtDM0zxMznZh-xzyMsveRublOH3um28qfrtKP9gKaC-RR3Fj8ZxntrVV3KxtWbWd9s7Jas2IMwCzhKcaJTz0OgmgsFWMO4Q0qNHEClwsptaO0yyXXs20VaCY1IxQA_MB3GadltPznPZdRIKP9etg8O4lmxfrx6YVPAAvwADP6Czd-Z1M |
| ClassificationCodes | TD712 |
| ContentType | Journal Article |
| Copyright | Copyright © Wanfang Data Co. Ltd. All Rights Reserved. |
| Copyright_xml | – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved. |
| DBID | 2B. 4A8 92I 93N PSX TCJ |
| DOI | 10.13225/j.cnki.jccs.KJ19.0486 |
| DatabaseName | Wanfang Data Journals - Hong Kong WANFANG Data Centre Wanfang Data Journals 万方数据期刊 - 香港版 China Online Journals (COJ) China Online Journals (COJ) |
| DatabaseTitleList | |
| DeliveryMethod | fulltext_linktorsrc |
| Discipline | Engineering |
| DocumentTitle_FL | Influencing factors analysis and prediction of the loss of gas content after gas drainage in Xutuan Mine of Huaibei, China |
| EndPage | 2408 |
| ExternalDocumentID | mtxb201908015 |
| GrantInformation_xml | – fundername: 国家自然科学基金资助项目; 中国科学院战略性先导科技专项资助项目 funderid: (41430317,41702169); (XDA05030100) |
| GroupedDBID | -02 2B. 4A8 5XA 5XC 92H 92I 93N ABJNI ACGFS ALMA_UNASSIGNED_HOLDINGS CCEZO CDRFL CW9 FIJ GROUPED_DOAJ IPNFZ PSX RIG TCJ TGT U1G U5L |
| ID | FETCH-LOGICAL-s1005-98c572b387092d1ac55427e39d24f679aad4cd67a7d048cfd5ad523000bfb6573 |
| ISSN | 0253-9993 |
| IngestDate | Thu May 29 04:05:49 EDT 2025 |
| IsPeerReviewed | false |
| IsScholarly | true |
| Issue | 8 |
| Keywords | 瓦斯含量损失 残余瓦斯 构造复杂程度 影响因素 |
| Language | Chinese |
| LinkModel | OpenURL |
| MergedId | FETCHMERGED-LOGICAL-s1005-98c572b387092d1ac55427e39d24f679aad4cd67a7d048cfd5ad523000bfb6573 |
| PageCount | 8 |
| ParticipantIDs | wanfang_journals_mtxb201908015 |
| PublicationCentury | 2000 |
| PublicationDate | 2019-08-01 |
| PublicationDateYYYYMMDD | 2019-08-01 |
| PublicationDate_xml | – month: 08 year: 2019 text: 2019-08-01 day: 01 |
| PublicationDecade | 2010 |
| PublicationTitle | 煤炭学报 |
| PublicationTitle_FL | Journal of China Coal Society |
| PublicationYear | 2019 |
| Publisher | 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221116%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234111%中国矿业大学低碳能源研究院,江苏徐州,221116%中国科学院大学地球与行星科学学院,北京,100049 |
| Publisher_xml | – name: 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 – name: 中国矿业大学资源与地球科学学院,江苏徐州221116%中国矿业大学资源与地球科学学院,江苏徐州221116 – name: 淮北矿业集团许疃煤矿,安徽淮北234111%中国矿业大学低碳能源研究院,江苏徐州,221116%中国科学院大学地球与行星科学学院,北京,100049 |
| SSID | ssj0034365 ssib048394982 ssib023167597 ssib012291397 ssib051374103 ssib001105247 ssib046784615 |
| Score | 2.28716 |
| Snippet | TD712; 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... |
| SourceID | wanfang |
| SourceType | Aggregation Database |
| StartPage | 2401 |
| Title | 淮北许疃矿抽采后瓦斯含量损失影响因素分析及预测 |
| URI | https://d.wanfangdata.com.cn/periodical/mtxb201908015 |
| Volume | 44 |
| hasFullText | 1 |
| inHoldings | 1 |
| isFullTextHit | |
| isPrint | |
| journalDatabaseRights | – providerCode: PRVAON databaseName: DOAJ Directory of Open Access Journals issn: 0253-9993 databaseCode: DOA dateStart: 20100101 customDbUrl: isFulltext: true dateEnd: 99991231 titleUrlDefault: https://www.doaj.org/ omitProxy: true ssIdentifier: ssj0034365 providerName: Directory of Open Access Journals |
| link | http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnV1LaxRBEB5CvOhBfOIz5GAfd53p6Z7uPnYns4SInhLILcxjxxesYJJLroqRaEwgEA-CCSJehEhA0Uvw18yu-RdW9TwDAR-wDDX9qKn6qmeqana71nFuRVE_4-BpOlkW8w4TcEvF0u13AjdhjDPIoH3c73z3XjAzz2YX-MLY-NnWr5ZWluNusnrivpL_sSq0gV1xl-w_WLZmCg1Ag33hCBaG41_ZmIQBMYLokIScyCmiBAklnhpJQkFUQKRviR4xPRwsNTHTJFRECvzALOUSGdoxPtEBjoFZuld2aVMNLqZPIyvo0owYDwngVhAwHXqRMES7yNAwS4BgksiCc4g8saWHkgBnTYlkVgtoNO1AGTlIeyEkKNGWORwLIWG65tVisQw8onWlkKquJpohAiEopDeGGF0Rx4ZoYfmjMEQe6wGQoA1xconxa6L90gT3acn2SxMSMrSErnBB6Gtj2C6lSzS1aKlXa85RLVAe9XOJYmhdRKqATFs0LR80YYBAY4vEdYAGk3ghNDNoJa34gApIorAL2Bpqretjb2nm6RJuo6w8IaKIdtK4vIoWEIxOlZArexUEqwC2MjAsShVSyPqLHa6lp6Hc70Cm4LfdYlGWs7z9ZdvHsRLJfnUqT_TF6CqsM04Gjx92HyXJUvfOrKe6WOSxiT7q34TC3RWjqSCFwaIRpyi4abf1jsTG95AN0Cb_9SjFqrb1OcWyDrw5hyAAwusm3mWQDTDVFHPing8BtVuHbj7z7X_P1niUJQVQk9sn6mG3-g2yaHC_FZXOnXPOlunkpC6eDeedsdUHF5wzrSKjF51w-H0_f_321_6P0c6z0e7P4frh0dpavvVmtP1puPMl3_p8tLY53NjNPx7khwf59kb-bm_0dS9_-WL4fivfXD_68Hz47dUlZ74Xzk3NdMo_T-kseVhdWMmECxr74I8VTb0ogbyBir6vUsqyQKgoSlmSBiISKSiSZCmPUvyGyHXjLA648C8744Mng_4VZ5KqIIYGSKwizkQWx0EkokRgnSgW8SS96kyUICyWD8elxWPWvPanAded081desMZX3660r8Jwf5yPGEXwG8MDbtr |
| linkProvider | Directory of Open Access Journals |
| openUrl | ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E6%B7%AE%E5%8C%97%E8%AE%B8%E7%96%83%E7%9F%BF%E6%8A%BD%E9%87%87%E5%90%8E%E7%93%A6%E6%96%AF%E5%90%AB%E9%87%8F%E6%8D%9F%E5%A4%B1%E5%BD%B1%E5%93%8D%E5%9B%A0%E7%B4%A0%E5%88%86%E6%9E%90%E5%8F%8A%E9%A2%84%E6%B5%8B&rft.jtitle=%E7%85%A4%E7%82%AD%E5%AD%A6%E6%8A%A5&rft.au=%E6%B1%AA%E5%90%89%E6%9E%97&rft.au=%E7%BF%9F%E5%BB%BA%E5%BB%B7&rft.au=%E7%A7%A6%E5%8B%87&rft.au=%E7%8E%8B%E7%90%B3%E7%90%B3&rft.date=2019-08-01&rft.pub=%E4%B8%AD%E5%9B%BD%E7%9F%BF%E4%B8%9A%E5%A4%A7%E5%AD%A6%E7%85%A4%E5%B1%82%E6%B0%94%E8%B5%84%E6%BA%90%E4%B8%8E%E6%88%90%E8%97%8F%E8%BF%87%E7%A8%8B%E6%95%99%E8%82%B2%E9%83%A8%E9%87%8D%E7%82%B9%E5%AE%9E%E9%AA%8C%E5%AE%A4%2C%E6%B1%9F%E8%8B%8F%E5%BE%90%E5%B7%9E221116&rft.issn=0253-9993&rft.volume=44&rft.issue=8&rft.spage=2401&rft.epage=2408&rft_id=info:doi/10.13225%2Fj.cnki.jccs.KJ19.0486&rft.externalDocID=mtxb201908015 |
| thumbnail_s | http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fmtxb%2Fmtxb.jpg |