煤矿采场瓦斯分布与分布场重构技术研究

摘要

瓦斯事故是煤矿最严重的事故形式,往往造成大量的人员伤亡和重大的经济损失。煤矿瓦斯爆炸事故中,绝大多数发生在回采掘进区域。回采掘进区域巷道是主要的瓦斯涌出区域,容易发生瓦斯积聚。对采掘巷道风流内的瓦斯分布主要采用计算机数值模拟,能够认识瓦斯的分布规律,优化通风设计,但无法根据现场瓦斯浓度对瓦斯涌出及积聚区域做出判断及预测,不能根据煤矿实测瓦斯浓度数据对采场的瓦斯分布做出有效分析。利用现场瓦斯浓度监测数据进行瓦斯分布场的重构,可以实现对采场瓦斯分布的定量化认识,实现快速确定瓦斯涌出与积聚区域。因此,本文主要就采场瓦斯分布规律进行理论和试验分析、瓦斯分布场重构技术进行研究。
　　论文完成的主要工作有:
　　(1)建立回采工作面巷道中通风物理模型和风流紊流流动的数学模型。根据现有湍流理论,基于CFD分析软件计算平台,对井下巷道内风流运移过程进行了数值模拟分析,掌握了采场巷道内的风流流场和瓦斯分布的一般规律,为重构瓦斯分布场提供了理论依据。研究显示采煤机机头截割部和上隅角是容易发生瓦斯积聚区域,应加强该区域的瓦斯浓度监测。
　　(2)对采掘工作面瓦斯监测的基本要求做了介绍,阐述了采场瓦斯监测网络的实现,提出通过改进单元法对采场瓦斯浓度的分布进行测定,对测量获得的瓦斯浓度进行了趋势面拟合和数学插值分析。通过对现场瓦斯监测数据的分析研究,结果显示采场瓦斯分布的现实规律与理论仿真分析一致,为重构瓦斯分布场提供了现实依据。
　　(3)提出基于空间信息统计方法的采场瓦斯分布场的重构技术。传统插值方法由于自身的缺点难以实现稀疏数据下的瓦斯分布场的重构。空间信息统计方法以区域化变量理论为基础,以变异函数为基本工具,对研究具有随机性和结构相关性的数据可以实现最佳无偏内插估计。论文通过对测量数据的实验变异函数计算及对采用多种模型拟合结果的交叉验证比较分析,确定采用幂函数模型拟合进行克里金插值的瓦斯分布场重构方法。
　　(4)提出基于神经网络算法的瓦斯分布场重构技术。神经网络插值具有良好的非线性逼近能力,介绍了神经网络的基本理论,通过对实测数据分别利用BF网络算法和RBF网络算法进行训练,结果显示,广义回归神经网络方法重构的瓦斯分布场具有最好的重构特性,重构瓦斯分布场光滑连续性好,且具有理想的拟合精度。
　　(5)完成了对上述两种重构技术的实践和数据适应性的比较分析。两种瓦斯重构方法均具有扎实的理论基础和应用案例,因此通过对一组采场实测的瓦斯浓度监测数据进行了重构比较分析,并通过逐渐减少参加重构的样本数据的方式,检验两种重构方法的数据适应性及预测性能。结果显示基于神经网络算法的重建技术需要较多的样本数据来保证重建精度,而基于空间信息统计方法的重建技术则在样本数量变化较大的情况下具有相对较好的重建精度,重建效果稳定性好。
　　该论文有图63幅,表13个,参考文献169篇。

目录

封面

声明

论文审阅认定书

致谢

中文摘要

英文摘要

目录

图清单

表清单

变量注释表

1 绪论

1.1课题背景及选题意义（Background and Significance of This Dissertation）

1.2 国内外研究现状（Research Status）

1.3 当前煤矿采场瓦斯分布研究存在的问题（Main Problems of Gas distribution Research in Coal Stope）

1.4 本论文的主要研究工作（Main Works）

2 基于ANSYS的采场瓦斯分布数值分析

2.1 采掘工作面的瓦斯来源（Gas Source of Coal Mining and Tunneling Face）

2.2 采场瓦斯运移方式分析（Analysis of Stope Gas Transport Mode）

2.3 采煤工作面瓦斯分布的数值分析（Numerical Analysis of Gas Distribution in Coal face）

2.4模型边界条件与数值模拟（Model Boundary Conditions and Numerical Simulation）

2.5 采场巷道瓦斯积聚分析（Gas Accumulation Analysis of Stope Tunnel）

2.6 本章小结（Chapter Summary）

3 采场瓦斯浓度监测与分布分析

3.1 工作面瓦斯监测的基本要求（Basic Requirements of Face Gas Monitoring ）

3.2 采场瓦斯浓度分布数据的监测（Data Monitoring of Gas Concentration Distribution in Stope）

3.3 工作面瓦斯浓度分布的测量与分析（Measurement and Analysis of Gas Concentration Distribution in Mine Face）

3.4 瓦斯分布的趋势面分析(Trend Surface Analysis of Gas Distribution)

3.6 基于最小二乘法的双立方空间外插（Bicubic Spatial Extrapolation Based on Least Squares Method）

3.7 本章小结（Chapter Summary）

4 基于空间信息统计学的采场瓦斯分布场重构

4.1 空间内插方法(Spatial Interpolation Methods)

4.2 空间信息统计学（Spatial Information Statistics）[103-108]

4.3 空间信息统计学的基本假设及理论（Basic Assumptions and Theory of Spatial Information Statistics）

4.4 变异函数及变异曲线（Variogram and Variogram Curve）

4.5 普通克里格法（Ordinary Kriging）[104-108] 4.5.1概述

4.6 工作面瓦斯分布的插值比较分析（Comparative Analysis of Interpolation of Face Gas Distribution）

4.7 本章小结（Chapter Summary）

5 基于神经网络的瓦斯分布场重构

5.1 引言（Introduction）[144-146]

5.2 神经网络的基本概念（Basic Concepts of Neural Network）[145] 5.2.1 神经元模型

5.3 基于神经网络的瓦斯分布场重建（Reconstruction of Gas Distribution Field Based on Neural Network）

5.4 本章小结（Chapter Summary）

6 有限稀疏数据下瓦斯分布场重构性能与分析

6.1 采煤工作面的现场测量数据（Measured Data of Coal Face）

6.2 重构性能对比分析（Comparative Analysis of Reconstruction Performance）

6.3 本章小结（Chapter Summary）

7 结论

参考文献

作者简历

学位论文原创性声明

学位论文数据集