免费论文查重: 大雅 万方 维普 turnitin paperpass

论淮南潘集矿区13-1煤层瓦斯地质特点-生

最后更新时间:2024-03-05 作者:用户投稿原创标记本站原创 点赞:4559 浏览:11627
论文导读:程度对瓦斯含量的影响51-564.5煤层厚度对瓦斯含量的影响56-604.6本章小结60-615煤层瓦斯含量预测61-835.1两种模型预测煤层瓦斯含量61-775.1.1多元线性回归模型预测瓦斯含量61-675.1.2BP神经网络模型预测瓦斯含量67-775.2BP神经网络预测未采区瓦斯含量77-825.3本章小结82-83结论83-85参考文献85-90附表90-98致谢98-9
摘要:随着煤层开采深度的增加,煤矿地质条件越来越复杂,矿井瓦斯不足日益严重。淮南潘集矿区位于淮南煤田潘集背斜的两翼,全部为高瓦斯矿井与煤与瓦斯突出矿井,其中潘集矿区的13-1煤层共发生煤与瓦斯突出次数34次,煤与瓦斯突出不足严重威胁到矿井的安全生产。故本论文重点以瓦斯含量的分布特点这一角度,对矿区13-1煤层瓦斯地质特点进行探讨。本论文以煤层瓦斯运移和保存条件出发,将探讨区划分为6个瓦斯地质单元。对每一瓦斯地质单元内的瓦斯含量点进行统计,并定量的浅析了地质构造、煤层埋深、煤层围岩、煤层厚度对瓦斯含量的影响。利用构造复杂程度综合系数作为评价地质构造对瓦斯含量影响的指标,同时利用层效应厚度影响系数作为评价煤层围岩对瓦斯含量影响的指标。在对影响瓦斯含量的各因素进行定量化评价的基础上,建立各影响因素与瓦斯含量之间的数学模型,对其与瓦斯含量之间的相关性进行评价。选取与煤层瓦斯含量之间有显著线性联系的各地质因素,并以此为基础,建立多元线性回归模型与BP神经网络模型。利用所搜集的各瓦斯地质单元内地勘期间与生产期间实测的瓦斯含量数据对模型的精度进行验证。结果表明:BP神经网络模型的预测精度要高于多元线性回归模型的预测结果。在建立BP神经网络模型的基础上,对未采区钻孔瓦斯含量点进行预测,为矿区瓦斯灾害的防治提供依据。关键词:潘集矿区论文瓦斯地质单元论文瓦斯含量论文回归模型论文神经网络论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要5-6
Abstract6-13
1 绪论13-21

1.1 探讨区概况13-14

1.1 井田概况13

1.2 瓦斯13-14

1.3 煤层14

1.2 课题探讨作用与目的14-15

1.3 国内外探讨近况15-18

1.3.1 国外探讨近况15-16

1.3.2 国内探讨近况16-18

1.4 本论文探讨内容与策略18-19

1.4.1 探讨内容18-19

1.4.2 探讨策略19

1.5 论文工作量19-21

2 地质构造及制约特点探讨21-32

2.1 淮南煤田构造演化及分布特点21

2.

1.1 淮南煤田区域构造特点21

2.

1.2 区域构造演化21

2.2 探讨区地质构造及分布特点21-24

2.1 褶曲构造分布规律23

2.2 断裂构造分布规律23-24

2.3 瓦斯地质单元划分24-28

2.3.1 瓦斯地质单元划分依据24-25

2.3.2 13-1煤瓦斯单元划分25-28

2.4 探讨区瓦斯赋存制约因素浅析28-31

2.4.1 煤层埋深对瓦斯赋存的影响28

2.4.2 煤层围岩对瓦斯赋存的影响28-29

2.4.3 地质构造对瓦斯赋存的影响29-30

2.4.4 煤厚、煤质对瓦斯赋存的影响30

2.4.5 其它因素对瓦斯赋存的影响30-31

2.5 本章小结31-32

3 瓦斯含量预测模型的建立32-39

3.1 基于多元线性回归的瓦斯含量模型的建立32-35

3.

1.1 多元线性回归模型的建立32-34

3.

1.2 多元线性回归模型的显著性检验34-35

3.

1.3 基于多元线性回归瓦斯含量模型的建立35

3.2 基于BP神经网络的瓦斯含量预测模型的建立35-38
3.

2.1 BP神经网络模型结构35-37

3.

2.2 基于BP神经网络的瓦斯含量模型的建立37-38

3.3 本章小结38-39
4 煤层瓦斯含量制约因素定量化浅析39-61

4.1 瓦斯含量点的选取39

4.2 煤层埋深对瓦斯含量的影响39-43

4.3 煤层围岩对瓦斯含量的影响43-49

4.

3.1 煤层顶板岩体结构浅析43-44

4.

3.2 岩体效应厚度范围的确定44-45

4.

3.3 岩体结构对瓦斯含量的影响45-49

4.4 地质构造对瓦斯含量的影响49-56

4.1 地质构造定量化评价49-51

4.2 构造复杂程度对瓦斯含量的影响51-56

4.5 煤层厚度对瓦斯含量的影响56-60

4.6 本章小结60-61

5 煤层瓦斯含量预测61-83

5.1 两种模型预测煤层瓦斯含量61-77

5.

1.1 多元线性回归模型预测瓦斯含量61-67

5.

1.2 BP神经网络模型预测瓦斯含量67-77

5.2 BP神经网络预测未采区瓦斯含量77-82

5.3 本章小结82-83

结论83-85
参考文献85-90
附表90-98
致谢98-99
作者介绍及读研期间主要科研成果99