摘要
随着矿井开采深度不断增加，矿井发生煤与瓦斯突出概率越来越大，煤与瓦斯突出危害性也越来越大。煤与瓦斯突出防治成为保障矿井安全生产的关键。 本文针对已有煤与瓦斯突出预警方法存在的不足，开展了基于数据融合和图像识别的煤与瓦斯突出预警方法研究。在综合分析煤与瓦斯突出的多种影响因素基础上，完成了煤与瓦斯突出预警指标的选取。考虑瓦斯浓度、声发射强度和电磁辐射强度信息，提出了基于VGG16和数据融合的煤与瓦斯突出危险性识别方法。采用基于均值和分批估计的多传感器数据融合方法，对瓦斯浓度、声发射强度、电磁辐射强度数据进行处理，以获得准确的瓦斯浓度、声发射强度、电磁辐射强度数据。基于瓦斯浓度、声发射强度、电磁辐射强度数据图形化显示，利用VGG16网络，采用迁移学习，构建煤与瓦斯突出危险性识别模型。利用D-S证据理论对煤与瓦斯突出危险性识别模型输出进行融合处理，消除识别不确定性，提高识别准确度；在识别结果基础上，考虑瓦斯压力、煤层坚固性系数、开采深度、瓦斯放散初速度和地质构造信息，提出了基于权重贝叶斯的煤与瓦斯突出预警方法。 本文利用Python语言，实现所提方法；利用来自生产现场数据，进行实验。实验结果表明，所提方法预警快速、准确度高，是有效的。
NETL