开采地质条件量化评价技术研究.pdf

收稿日期“ “ “ 作者简介朱宝龙 6 7 5 ; A0 8 B; 6 ; 6 CDE F 6 0 1 0 C AG H II I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I -“ “ 文章编号 * ’ J 2煤层 倾角小于 . 发育煤层中无其它 异常地质现象’ 级区- . /煤层的厚度大于 1结构较简单2 . /煤层以下的煤系厚度无突然变化2 煤层直接顶 板的厚度基本稳定2构造比较复杂但不在断层密 集带或构造带上7 ’ ; 63 ’ 3 9 2煤层倾角有较 大变化但深坑发育较为稀疏’ ,级区- . /煤层的厚度在 1左右 或小于 1结构复杂2 . /煤层以下的煤系厚度或者很大 或者很小或者发生突变2煤层顶板以厚层软岩为 主或强烈破碎2构造复杂有小断层密集带与层滑 带煤层倾角突变带发育7 6A3 ’ 3 9 ’ *级区可作为综采首选区 级区可安排高档 普采或通过探采升级或降级 ,级区只宜布置炮 采’ 当各个单元的所有评价指标都已量化后将会 发现随着单元开采地质条件由简单到复杂评价 指标的数值构成升序或降序排列的有序地质量’开 采地质条件不同的单元其评价指标相应地会有不 同的取值区间’为了找到连续型指标取值区间与开 采地质条件等级之间的对应关系需要对有序地质 量进行最优分割’ ’ 最优分割数据与评价指标的对应性 对于某一个特定的研究区在详细分析了影响 其开采地质条件的各因素之后即可确定研究区评 价指标体系中的各个评价指标’经过对研究区的已 采区单元自动剖分统计出各单元的各个评价指标 的数据’利用有序地质量的最优分割法 B 是将分形几何学引入评价后提 出的一个指标*断层分维是断层数量 “ “ 煤层厚度异常 E BE B E C GAE C G 煤层结构 A 煤层倾角 “ H “ H “ HA “ H 底板标高变幅 C GAC G 岩石组合 BD 网络训练取初始学习率为E E I冲量因子为 E C G I误差水平取E E E 经过 G F次训练网络收 敛I单个学习样本误差小于“ JI结果见表D 表K学习样本及评价结果 ’ *K L * . 1 8 1 M, N5 * 3 1 6* O / - 8 4 1. * 3 / - 样本号期望输出实 际 输 出 EEE F E E B E E E EEE F EE E B E E E DEEE F EE E B E E E BEEE F EE E B E E E “EEE F B CE E B GE E E G EEE E B FE F “ E E D F GEEE E B E F “ E E B CEEE E B E F “ E E B FEEE E B E F “ E E B EEEE E B E F “ “E E B G EEE E DE E B GE F “ F EEE E E E B “E F “ “ DEEE E E E B “E F “ “ BEEE E E E B “E F “ “ “EEE E E E B “E F “ “ P 评价效果分析 以“ E EQR“ E EQ网距将东坡井田局部区域划 分为 G个单元I分别统计出各评价指标的数据I利 用训练好的网络对这 G个未知单元进行评价得到 各单元评价结果I同时笔者对各单元也进行了模糊 综合评判分析S G I C TI二者评价结果比较见表B 经过 二者对比分析I表明 网络评价结果是符合井田 实际情况的 表U神经网络与模糊综合评判结果比较 ’ *U V 4 N5 . 8 3 4 14 W. * 3 / - 3 * - X * * 1 YY Y Y YY Y Y 1 * / . 1 * - X 4 . 2 1 6* O / - 8 4 1 单元号模糊评价 网络 YY Y Y 评价 单元号模糊评价 网络 YY 评价 YY “;; YY YY F B YY ;; ;; YY D;; G B; [使用上述的一系列过程来准备神经网络的 训练样本I从网络的收敛效果来看I准备的样本具 有典型性和代表性] D [ 神经网络方法简单 实用只须根据实 际问题确定网络的拓扑结构I通过对典型事例的学 习I获得一个稳定的存储有关该类问题知识的网 络对未知事例进行评价] B [由于采取大容量训练I可避免偶然性引起 的误差I在条件比较复杂或应用单因素难以判断 时I可获得明显效果]数据信息采取分布式存储和 处理I可避免个别单元损坏而引起错误I因而用 网络进行预报容错能力强I可靠性好 综上所述I神经网络方法不失为一种好的煤炭 开采地质条件定量评价方法 参考文献_ S T 朱宝龙煤炭开采地质条件量化预测技术及程序设计 S ‘ T 西安_西安科技学院I E E S T 王伟人工神经网络方法S aT 北京_北京航空航天大 学出版社I F F “ _ B b G “ S D T 夏玉成量化评价指标的自动统计算法研究S c T 煤田 地质与勘探I E E I F \ [ _ “ b C S B T 许顺山I吴淦国I江万I等分形在紫金山矿床中的应 用S c T 地质与勘探I F F F I D “ \ “ [ _ “ E b “ S “ T 辛厚文分形理论及其应用S aT 合肥_中国科技大学 出版社I F F D _ B D B b B D FB 第“期朱宝龙等_开采地质条件量化评价技术研究 万方数据 “ 韩金炎数学地质 北京 4 4 ; A 5 4 8 9 B ; C 9 D 5 ;8 E F 8 A - 9 9 GH ; 8 A 8 G C A F 8 9 6 4 8 9 I JK L 8 - A 8 9 G ’F J M 9 G’N O PQ5 - C ; 9 G,’JK J8 5 - 4 9 0 3 C 8 8 A 8 E F A 9 G 9 ; ; R 9 G ’3 8 5 4 S; T 4 . 8 4 8 9 GK9 ; R T 4 7 ’F ; 9 G 6 5“ / / U ’F 9 V , W ; X R 4 Y; 9 4 8 E H ; 8 A 8 G 7 ’N Z 9K9 ; R T 4 78 E 3 C ; 9 C ;[B ; C 9 8 A 8 G 7 ’N Z 9 / / \ 1 ’F 9 2 ] _ ‘ a b c ‘ 4 8 68 E D 5 9 4 4 4 ; A 7; A 5 4 9 G4 ; C 8 A - Y 9 9 GG ; 8 A 8 G C A C 8 9 6 4 8 98 E W 8 9 G X 8 9 ; 5 T 9 G4 ; L d9 ; 4 S8 R eS T6 T C 5 T T ; 6 f C 4 8 R T 9 E A 5 ; 9 C 9 GC 8 A Y 9 9 GS T 9 A 7 g ; 6 B ;8 X 4 Y g 9 G6 T 8 9Y; 4 8 6 9 64 ; 9 T ; R 4 ; 6 - A 5 ;Y; 4 8 6S; R ;5 T ; 64 8; T 4 h A T T YX A ; TE 8 R9 ; 4 S8 R e4 R 9 9 G V 9 64 ;T 4 R 5 C 4 5 R ;8 E 9 X 5 4 ’ 6 6 ; 9 9 68 5 4 X 5 4A 7 ; R T8 EL d 9 ; 4 S8 R eS T8 X 4 Y g ; 6 B ;R ; T 5 A 4T 8 S 4 4 4 T; E E ; C 4 ; 9 ; A 5 4 9 G4 ;5 9 e 9 8 S95 9 4 ; T E 8 R 4 ;4 R 9 ; 69 ; 4 S8 R e ij kl m a n _ 8 A 8 G C AC 8 9 6 4 8 9 V R 4 E C A9 ; 5 R A9 ; 4 S8 R e V4 R 9 9 GT YX A ; T VD 5 9 4 4 4 ; ; A 5 4 8 9 /U1 中国矿业大学学报第U 卷 万方数据