CN114611835B - 一种坚硬顶板矿井冲击地压灾害危险性预测分析方法 - Google Patents
一种坚硬顶板矿井冲击地压灾害危险性预测分析方法 Download PDFInfo
- Publication number
- CN114611835B CN114611835B CN202210334055.0A CN202210334055A CN114611835B CN 114611835 B CN114611835 B CN 114611835B CN 202210334055 A CN202210334055 A CN 202210334055A CN 114611835 B CN114611835 B CN 114611835B
- Authority
- CN
- China
- Prior art keywords
- mine
- rock burst
- data
- risk
- hard roof
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000011435 rock Substances 0.000 title claims abstract description 119
- 238000000034 method Methods 0.000 title claims abstract description 20
- 239000013307 optical fiber Substances 0.000 claims abstract description 20
- 238000013135 deep learning Methods 0.000 claims abstract description 15
- 238000005553 drilling Methods 0.000 claims abstract description 11
- 239000002817 coal dust Substances 0.000 claims abstract description 8
- 238000005520 cutting process Methods 0.000 claims abstract description 7
- 238000000546 chi-square test Methods 0.000 claims abstract description 6
- 238000013480 data collection Methods 0.000 claims abstract description 3
- 238000005065 mining Methods 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 8
- 239000003245 coal Substances 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000009440 infrastructure construction Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 8
- 230000000052 comparative effect Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000005489 elastic deformation Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Economics (AREA)
- Mining & Mineral Resources (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Computer Hardware Design (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Marine Sciences & Fisheries (AREA)
- Primary Health Care (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Quality & Reliability (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Development Economics (AREA)
Abstract
本发明公开了一种坚硬顶板矿井冲击地压灾害危险性预测分析方法,步骤一:将光纤传感器均匀安装在坚硬顶板矿井中震源附近,光纤传感器按照3米的间隔进行分布,通过光纤传感器采集振动的电信号;步骤二:数据收集:对钻屑数据、微震数据以及应力数据进行收集,对选取的三项数据中的各项数据进行卡方分析,判断数据与冲击地压之间的关联性,收集的数据包括能量、轨顺、煤粉量以及矿井内部物体运动速度,将四者数据进行深度学习并建立出冲击地压危险初步模型,主观危险模型与冲击地压危险初步模型进行深度学习,从而建立出冲击地压危险模型S,再将实际矿井内部的数据带入到冲击地压危险模型S中,实现对矿井冲击地压灾害危险性预测。
Description
技术领域
本发明涉及矿井安全技术领域,尤其涉及一种坚硬顶板矿井冲击地压灾害危险性预测分析方法。
背景技术
冲击地压又称岩爆,是指井巷或工作面周围岩体,由于弹性变形能的瞬时释放而产生突然剧烈破坏的动力现象,常伴有煤岩体抛出、巨响及气浪等现象。它具有很大的破坏性,是煤矿重大灾害之一。
冲击地压可分为一般冲击地压和严重冲击地压:一般冲击地压规模较小,表现为矿体、岩体振动并产生粉尘和裂隙;严重冲击地压规模较大,表现为矿体、岩体严重破碎,发生强烈***振动。
经检索,中国专利号为CN104533443A的发明专利,公开了一种坚硬顶板矿井冲击地压灾害危险性预测分析方法,其包括:基于发生的冲击地压灾害,将获取的力学参数代入能量释放方程中,获得能量增加程度REC;依据划分的六种支护方案定量表征能量吸收程度AEC;冲击地压灾害潜力RDP=10REC/AEC,按照对采掘影响程度划分具体矿井冲击地压灾害危险预测分析框架;计算新发生的坚硬顶板裂断过程中采掘高应力区域冲击地压灾害潜力,并与已经建立的冲击地压灾害危险预测分析框架进行对比,确定其灾害程度。本发明将矿井内坚硬顶板裂断诱发的冲击地压灾害潜力进行科学量化,计算方法简单、所需的力学参数易获取,是一种简单快捷的判别坚硬顶板矿井冲击地压灾害危险性的预测分析方法。
然而上述方法仅能通过对能量的检测从而判断冲击地压灾害发生的可能性与破坏性,然而在实际操作中,仅通过对能量进行分析使得出现冲击地压灾害时留给工作人员的反应时间较短,同时仅通过能量分析无法适应与各种环境的矿井中,误差较大,因此需要一种坚硬顶板矿井冲击地压灾害危险性预测分析方法。
发明内容
本发明的目的是为了解决现有技术中存在仅通过对能量进行分析使得出现冲击地压灾害时留给工作人员的反应时间较短,同时仅通过能量分析无法适应与各种环境的矿井中,误差较大的缺点,而提出的一种坚硬顶板矿井冲击地压灾害危险性预测分析方法。
为了实现上述目的,本发明采用了如下技术方案:
一种坚硬顶板矿井冲击地压灾害危险性预测分析方法,包括以下步骤:
步骤一:将光纤传感器均匀安装在坚硬顶板矿井中震源附近,光纤传感器按照3米的间隔进行分布,通过光纤传感器采集振动的电信号;
步骤二:数据收集:对钻屑数据、微震数据以及应力数据进行收集,对选取的三项数据中的各项数据进行卡方分析,判断数据与冲击地压之间的关联性,收集的数据包括能量、轨顺、煤粉量以及矿井内部物体运动速度,将四者数据进行深度学习并建立出冲击地压危险初步模型;
步骤三:主观因素模型建立:对矿井内部的安全管理和开采技术进行评级,根据外部数据中冲击地压爆发时矿井内部的情况对现有的安全管理和开采技术进行评分,从而建立出矿井内部主观危险模型;
步骤四:模型合并:根据获取的数据并引入修正系数K,主观危险模型与冲击地压危险初步模型进行深度学习,从而建立出冲击地压危险模型S,再将实际矿井内部的数据带入到冲击地压危险模型中,从而得出危险分数T,危险分数T=S/100;
步骤五:危险性等级划分:当T<0.2时,此时坚硬顶板矿井冲击地压灾害危险性等级为四级,危险性最低;
当0.2<T<=0.37时,此时坚硬顶板矿井冲击地压灾害危险性等级为三级,危险性轻微;
当0.37<T<=0.59时,此时坚硬顶板矿井冲击地压灾害危险性等级为二级,危险性中等;
当0.59<T<=0.82时,此时坚硬顶板矿井冲击地压灾害危险性等级为一级,危险性超高;
当0.82<T<=0.99时,此时坚硬顶板矿井冲击地压灾害危险性等级为特级,矿井随时有出现冲击地压的灾害发生。
上述技术方案进一步包括:。
通过将光纤传感器将检测到的电信号转换为数字信号,对岩层的振动信息进行收集。
经过卡方检测得出能量所对应的P=0.039,其x2=11.98;轨顺的P=0.026,其x2=6.35,煤粉量的P=0.041,其x2=9.36;矿井内部物体运动速度的P=0.016,其x2=11.28。
其中矿内的微震数据通过光纤传感器处理得到的岩层的振动信息进行收集。
安全管理包括工作人员工作素质以及教育程度、安全管理力度和安全监控范围。
开采技术技术评价包括基础设施建设、采煤工艺以及巷道分布位置。
相比现有技术,本发明的有益效果为:
本发明中,使用时,通过光纤传感器实现对检测矿井微震数据数据的采集,并且根据外部数据中钻屑数据、微震数据以及应力数据的卡方分析,从而根据三者数据中的寻找出与冲击地压高关联性的四部分数据;
根据能量、轨顺、煤粉量以及矿井内部物体运动速度进行深度学习,从而得出冲击地压危险初步模型,再通过建立出矿井内部主观危险模型,主观危险模型与冲击地压危险初步模型进行深度学习,从而建立出冲击地压危险模型S,再将实际矿井内部的数据带入到冲击地压危险模型S中,实现对矿井冲击地压灾害危险性预测。
具体实施方式
实施例一
第一步,将光纤传感器均匀安装在坚硬顶板矿井中震源附近,光纤传感器按照3米的间隔进行分布,通过光纤传感器采集振动的电信号;
第二步,相获取外部的数据,对获取到的数据中对钻屑数据、微震数据以及应力数据进行收集,对选取的三项数据中的各项数据进行卡方分析,判断数据与冲击地压之间的关联性,收集的数据包括能量、轨顺、煤粉量以及矿井内部物体运动速度,将四者数据进行深度学习并建立出冲击地压危险初步模型;
第三步,对矿井内部的安全管理和开采技术进行评级,根据外部数据中冲击地压爆发时矿井内部的情况对现有的安全管理和开采技术进行评分,从而建立出矿井内部主观危险模型;
开采技术技术评价包括基础设施建设、采煤工艺以及巷道分布位置;
安全管理包括工作人员工作素质以及教育程度、安全管理力度和安全监控范围;
第四步,根据获取的数据并引入修正系数K,主观危险模型与冲击地压危险初步模型进行深度学习,从而建立出冲击地压危险模型S,再将实际矿井内部的数据带入到冲击地压危险模型中,从而得出危险分数T,危险分数T=S/100;
第五步,进行危险性等级划分,当T<0.2时,此时坚硬顶板矿井冲击地压灾害危险性等级为四级,危险性最低;
当0.2<T<=0.37时,此时坚硬顶板矿井冲击地压灾害危险性等级为三级,危险性轻微;
当0.37<T<=0.59时,此时坚硬顶板矿井冲击地压灾害危险性等级为二级,危险性中等;
当0.59<T<=0.82时,此时坚硬顶板矿井冲击地压灾害危险性等级为一级,危险性超高;
当0.82<T<=0.99时,此时坚硬顶板矿井冲击地压灾害危险性等级为特级,矿井随时有出现冲击地压的灾害发生。
基于上述实施例,在使用时,先根据外部数据中钻屑数据、微震数据以及应力数据的卡方分析,从而根据三者数据中的寻找出与冲击地压高关联性的四部分数据;
再根据能量、轨顺、煤粉量以及矿井内部物体运动速度进行深度学习,从而得出冲击地压危险初步模型,再通过建立出矿井内部主观危险模型,主观危险模型与冲击地压危险初步模型进行深度学习,从而建立出冲击地压危险模型S,再将实际矿井内部的数据带入到冲击地压危险模型S中,实现对矿井冲击地压灾害危险性预测;
再将检测出的五组矿井数据带入到冲击地压危险模型S中,经过检测:矿井1:T1=0.32,坚硬顶板矿井冲击地压灾害危险性等级为三级,危险性轻微;
矿井2:T2=0.17,此时坚硬顶板矿井冲击地压灾害危险性等级为四级,危险性最低;
矿井3:T3=0.41,此时坚硬顶板矿井冲击地压灾害危险性等级为二级,危险性中等;
矿井4:T4=0.63,此时坚硬顶板矿井冲击地压灾害危险性等级为一级,危险性超高;
矿井5:T5=0.45,此时坚硬顶板矿井冲击地压灾害危险性等级为二级,危险性中等,经过对比检测得出基于上述实施例检测出的矿井冲击地压灾害危险性吻合率为94.3%。
实施例二
第一步,将光纤传感器均匀安装在坚硬顶板矿井中震源附近,光纤传感器按照3米的间隔进行分布,通过光纤传感器采集振动的电信号;
第二步,相获取外部的数据,对获取到的数据中对钻屑数据、微震数据以及应力数据进行收集,对选取的三项数据中的各项数据进行卡方分析,判断数据与冲击地压之间的关联性,收集的数据包括能量、轨顺、煤粉量以及矿井内部物体运动速度,将四者数据进行深度学习进行建立出冲击地压危险模型;
第三步,再将实际矿井内部的数据带入到冲击地压危险模型中,从而得出危险分数T,危险分数T=S/100;
第四步,进行危险性等级划分,当T<0.2时,此时坚硬顶板矿井冲击地压灾害危险性等级为四级,危险性最低;
当0.2<T<=0.37时,此时坚硬顶板矿井冲击地压灾害危险性等级为三级,危险性轻微;
当0.37<T<=0.59时,此时坚硬顶板矿井冲击地压灾害危险性等级为二级,危险性中等;
当0.59<T<=0.82时,此时坚硬顶板矿井冲击地压灾害危险性等级为一级,危险性超高;
当0.82<T<=0.99时,此时坚硬顶板矿井冲击地压灾害危险性等级为特级,矿井随时有出现冲击地压的灾害发生。
基于上述实施例,在使用时,先根据外部数据中钻屑数据、微震数据以及应力数据的卡方分析,从而根据三者数据中的寻找出与冲击地压高关联性的四部分数据;
再根据能量、轨顺、煤粉量以及矿井内部物体运动速度进行深度学习,从而得出冲击地压危险初步模型,再通过建立出矿井内部主观危险模型,主观危险模型与冲击地压危险初步模型进行深度学习,从而建立出冲击地压危险模型S,再将实际矿井内部的数据带入到冲击地压危险模型S中,实现对矿井冲击地压灾害危险性预测;
再将检测出的五组矿井数据带入到冲击地压危险模型S中,经过检测:矿井1:T1=0.45,此时坚硬顶板矿井冲击地压灾害危险性等级为二级,危险性中等;
矿井2:T2=0.06,此时坚硬顶板矿井冲击地压灾害危险性等级为四级,危险性最低;
矿井3:T3=0.41,此时坚硬顶板矿井冲击地压灾害危险性等级为二级,危险性中等;
矿井4:T4=0.63,此时坚硬顶板矿井冲击地压灾害危险性等级为一级,危险性超高;
矿井5:T5=0.70,此时坚硬顶板矿井冲击地压灾害危险性等级为一级,危险性超高,经过对比检测得出基于上述实施例检测出的矿井冲击地压灾害危险性吻合率为59.5%。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种坚硬顶板矿井冲击地压灾害危险性预测分析方法,其特征在于,包括以下步骤:
步骤一:将光纤传感器均匀安装在坚硬顶板矿井中震源附近,光纤传感器按照3米的间隔进行分布,通过光纤传感器采集振动的电信号;
步骤二:数据收集:对钻屑数据、微震数据以及应力数据进行收集,对选取的三项数据中的各项数据进行卡方分析,判断数据与冲击地压之间的关联性,收集的数据包括能量、轨顺、煤粉量以及矿井内部物体运动速度,将四者数据进行深度学习并建立出冲击地压危险初步模型;
步骤三:主观因素模型建立:对矿井内部的安全管理和开采技术进行评级,根据外部数据中冲击地压爆发时矿井内部的情况对现有的安全管理和开采技术进行评分,从而建立出矿井内部主观危险模型;
步骤四:模型合并:根据获取的数据并引入修正系数K,主观危险模型与冲击地压危险初步模型进行深度学习,从而建立出冲击地压危险模型S,再将实际矿井内部的数据带入到冲击地压危险模型中,从而得出危险分数T,危险分数T=S/100;
步骤五:危险性等级划分:当T<0.2时,此时坚硬顶板矿井冲击地压灾害危险性等级为四级,危险性最低;
当0.2<T<=0.37时,此时坚硬顶板矿井冲击地压灾害危险性等级为三级,危险性轻微;
当0.37<T<=0.59时,此时坚硬顶板矿井冲击地压灾害危险性等级为二级,危险性中等;
当0.59<T<=0.82时,此时坚硬顶板矿井冲击地压灾害危险性等级为一级,危险性超高;
当0.82<T<=0.99时,此时坚硬顶板矿井冲击地压灾害危险性等级为特级,矿井随时有出现冲击地压的灾害发生。
2.根据权利要求1所述的一种坚硬顶板矿井冲击地压灾害危险性预测分析方法,其特征在于,通过将光纤传感器将检测到的电信号转换为数字信号,对岩层的振动信息进行收集。
3.根据权利要求1所述的一种坚硬顶板矿井冲击地压灾害危险性预测分析方法,其特征在于,经过卡方检测得出能量所对应的P=0.039,其x2=11.98;轨顺的P=0.026,其x2=6.35,煤粉量的P=0.041,其x2=9.36;矿井内部物体运动速度的P=0.016,其x2=11.28。
4.根据权利要求1所述的一种坚硬顶板矿井冲击地压灾害危险性预测分析方法,其特征在于,其中矿内的微震数据通过光纤传感器处理得到的岩层的振动信息进行收集。
5.根据权利要求1所述的一种坚硬顶板矿井冲击地压灾害危险性预测分析方法,其特征在于,安全管理包括工作人员工作素质以及教育程度、安全管理力度和安全监控范围。
6.根据权利要求1所述的一种坚硬顶板矿井冲击地压灾害危险性预测分析方法,其特征在于,开采技术技术评价包括基础设施建设、采煤工艺以及巷道分布位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210334055.0A CN114611835B (zh) | 2022-03-31 | 2022-03-31 | 一种坚硬顶板矿井冲击地压灾害危险性预测分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210334055.0A CN114611835B (zh) | 2022-03-31 | 2022-03-31 | 一种坚硬顶板矿井冲击地压灾害危险性预测分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114611835A CN114611835A (zh) | 2022-06-10 |
CN114611835B true CN114611835B (zh) | 2024-05-31 |
Family
ID=81866600
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210334055.0A Active CN114611835B (zh) | 2022-03-31 | 2022-03-31 | 一种坚硬顶板矿井冲击地压灾害危险性预测分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114611835B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019192627A1 (zh) * | 2018-07-13 | 2019-10-10 | 山东科技大学 | 一种用于液压支架抗冲击地压的缓冲***及其应用 |
CN110905596A (zh) * | 2019-12-13 | 2020-03-24 | 山东科技大学 | 基于改变介质属性的坚硬顶板型冲击地压防治方法 |
WO2021203491A1 (zh) * | 2020-04-07 | 2021-10-14 | 北京科技大学 | 一种采动围岩地压灾害智能预测方法及*** |
CN113516414A (zh) * | 2021-08-09 | 2021-10-19 | 江苏徐矿能源股份有限公司 | 确定冲击地压危险等级的方法 |
-
2022
- 2022-03-31 CN CN202210334055.0A patent/CN114611835B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019192627A1 (zh) * | 2018-07-13 | 2019-10-10 | 山东科技大学 | 一种用于液压支架抗冲击地压的缓冲***及其应用 |
CN110905596A (zh) * | 2019-12-13 | 2020-03-24 | 山东科技大学 | 基于改变介质属性的坚硬顶板型冲击地压防治方法 |
WO2021203491A1 (zh) * | 2020-04-07 | 2021-10-14 | 北京科技大学 | 一种采动围岩地压灾害智能预测方法及*** |
CN113516414A (zh) * | 2021-08-09 | 2021-10-19 | 江苏徐矿能源股份有限公司 | 确定冲击地压危险等级的方法 |
Non-Patent Citations (2)
Title |
---|
AdaBoost集成神经网络在冲击地压预报中的应用;孙凤琪;;吉林大学学报(信息科学版);20090115(第01期);全文 * |
矿井冲击地压危险性预测的多因素模式识别;兰天伟;***;李胜;宋卫华;韩军;董华东;;中国安全科学学报;20130315(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114611835A (zh) | 2022-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105257339B (zh) | 掘进工作面多参量综合监测预警方法 | |
CN114810211B (zh) | 一种基于矿震群震动波能量衰减特性的冲击地压危险预测方法 | |
CN101363824B (zh) | 一种实时监测矿井顶板岩层或混凝土结构稳定性的装置 | |
CN104653226A (zh) | 一种基于应力梯度的煤矿冲击地压危险区域的划分方法 | |
CN109597124B (zh) | 一种工作面应力集中区槽波地震精细探测方法 | |
CN103291364A (zh) | 一种冲击矿压的微震多维信息综合时序预警方法 | |
CN116591777B (zh) | 多场多源信息融合的冲击地压智能化监测预警装置及方法 | |
CN111022119B (zh) | 一种基于模式识别的盾构隧道结构抗震安全评价方法 | |
CN110082227A (zh) | 模拟动载荷刀柱式残采区煤柱群稳定的试验仪及其方法 | |
CN102913285B (zh) | 矿井顶板危险报警的方法 | |
CN104297788A (zh) | 基于波形起振趋势线斜率的矿山微震和***信号识别方法 | |
CN107807381A (zh) | 基于岩体破裂微震波活动规律的边坡失稳风险的动态监测方法及装置 | |
CN111125872A (zh) | 一种用于tbm掘进隧道的岩爆预测方法 | |
CN113188975A (zh) | 基于图像处理技术的岩体裂隙及飞石运动分析***及方法 | |
CN113279813A (zh) | 一种基于动载的巷道支护方法 | |
CN114814939A (zh) | 一种煤矿微震台网监测效果评估方法 | |
CN115755185A (zh) | 一种基于微震监测判识大能量矿震致灾性的方法 | |
CN109239775B (zh) | 矿产资源被盗采追踪定位方法 | |
CN104390736A (zh) | 钻屑法智能化检测*** | |
CN114611835B (zh) | 一种坚硬顶板矿井冲击地压灾害危险性预测分析方法 | |
Feng et al. | Microseismic energy and intensity criterion of rockburst in deep TBM tunnels: A case study of the Neelum-Jhelum hydropower project | |
CN103410569B (zh) | 金属矿山井下微震监测*** | |
CN112329255A (zh) | 基于倾向度和未确知测度的岩爆预测方法 | |
Lei | Dragon-Kings in rock fracturing: Insights gained from rock fracture tests in the laboratory | |
Morozov | Creation of rock mass monitoring deformations systems on rock burst hazardous mineral deposits |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |