CN101699451A - 煤层底板突水评价的新型实用方法-脆弱性指数法 - Google Patents
煤层底板突水评价的新型实用方法-脆弱性指数法 Download PDFInfo
- Publication number
- CN101699451A CN101699451A CN200910014987A CN200910014987A CN101699451A CN 101699451 A CN101699451 A CN 101699451A CN 200910014987 A CN200910014987 A CN 200910014987A CN 200910014987 A CN200910014987 A CN 200910014987A CN 101699451 A CN101699451 A CN 101699451A
- Authority
- CN
- China
- Prior art keywords
- gis
- coal seam
- water inrush
- seam bottom
- bottom water
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 116
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000010168 coupling process Methods 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000012549 training Methods 0.000 claims abstract description 8
- 238000013210 evaluation model Methods 0.000 claims abstract description 7
- 230000004927 fusion Effects 0.000 claims abstract description 4
- 239000003245 coal Substances 0.000 claims description 67
- 230000009172 bursting Effects 0.000 claims description 54
- 230000008878 coupling Effects 0.000 claims description 19
- 238000005859 coupling reaction Methods 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000013316 zoning Methods 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 abstract description 11
- 238000005312 nonlinear dynamic Methods 0.000 abstract description 8
- 230000015572 biosynthetic process Effects 0.000 abstract description 4
- 230000007812 deficiency Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 abstract description 2
- 239000002131 composite material Substances 0.000 abstract 1
- 238000012067 mathematical method Methods 0.000 abstract 1
- 238000011160 research Methods 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 239000011435 rock Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000536 complexating effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明基于多源信息融合理论，以GIS为操作平台，确定煤层底板突水主控因素，经过数据采集、分析和处理，建立各主控因素子专题层图；应用多源地学数据复合叠加原理，采用现代线性或非线性数学方法，通过模型的反演识别或学习训练，确定各主控因素对复杂突水过程的“贡献”或“权重”，建立煤层底板突水预测预报评价模型；根据研究区各单元计算的突水脆弱性指数频率直方图分析，合理确定突水脆弱性分区阈值，最终对煤层底板突水脆弱性做出科学的区划和预测预报评价。较好地解决了煤层底板突水预测预报评价的难题。突破了煤层底板突水评价传统的突水系数法仅能考虑两个控制因素且无影响“权重”概念等重大缺陷的束缚，采用GIS与现代非线性数学的耦合方法，真实刻画了煤层底板突水这种受控于多因素且具有非常复杂形成机理的非线性动力过程。
Description
所属技术领域
本发明涉及一种煤矿山煤层底板突水的评价预测方法，尤其是一种煤层底板突水评价预测的“脆弱性指数”新型实用方法。
背景技术
煤层底板突水是人为采掘工程活动导致煤层围岩体应力场能量释放、煤层底板隔水岩体结构破坏、矿井局部充水水文地质条件突变的一种地下岩体失稳现象，是一种受控于多因素影响且具有非常复杂形成机理的非线性动力现象。由于现代数学还未能用一个确定性数学方程详实地描述这种机理复杂且受控因素颇多的非线性动力现象，因而经验、半经验或统计等模型是刻画这种非线性动力现象的主要方法，如1964年焦作矿区水文地质大会借鉴匈牙利韦格弗伦斯相对系数概念(隔水层厚度与水压力之比)提出的突水系数评价法，由于该方法物理概念简单，计算方便，现场易于操作，因而一直是我国煤层底板突水评价的主要方法。但是，该方法仅考虑充水含水层水压和煤层底板隔水岩段厚度这2个控制底板突水的影响因素，虽经几次修改完善，但仍未能摆脱仅考虑这2个控制因素且无影响“权重”概念等重大缺陷。显然，该方法所能考虑的突水控制因素极为有限，未能描述煤层底板突水这种受控于多因素且具有非常复杂机理的非线性动力现象，歪曲了煤层底板十分复杂的突水机理，已不能适应新的采矿方法和新的地质环境条件下的煤层底板突水评价。
为了解决煤层底板突水预测预报评价难题，本发明人于2007年曾系统地建立了能够全面真实反映煤层底板复杂突水机理和演变过程的底板突水的主控指标体系，详细论述了体系中各突水主控因素在矿井突水过程中的作用方式与特征。但是，这种详实系统地分析确定控制煤层底板突水的主控因素，正确建立煤层底板突水的物理概念模型，仅仅是完成了解决底板突水预测预报评价难题的第一步。
长期以来，煤炭工业迫切需要系统地解决煤层底板突水预测预报评价难题，对煤层底板突水做出科学的区划和预测预报评价。
经过长期的研究和实践，本发明满足了上述煤炭工业的需求。
发明内容
本发明目的之一在于，满足煤炭工业的需求，提供一种能够真实描述受控于多因素影响且具有非常复杂形成机理的非线性动力现象的煤层底板突水的数学模型和评价方法，完成系统地解决煤层底板突水预测预报评价难题的第二步。
本发明进一步的目的在于，满足煤炭工业的需求，提供一种在现场工程实际应用中能够概念清晰明确，计算程序简单实用，易于现场工程技术人员掌握，操作便利的现代先进的数学模型和评价方法，完成系统地解决煤层底板突水预测预报评价难题的关键的第三步。
为了实现上述目的，本发明采用了以下技术方案：煤层底板突水评价的新型实用方法-脆弱性指数法，是可以考虑煤层底板突水众多主控因素相互复杂作用关系和相对“权重”比例并具有多级分区特点的一种评价方法，包括以下步骤：
1.基于多源信息融合理论，以GIS为操作平台，确定煤层底板突水主控因素，经过数据采集、分析和处理，建立各主控因素子专题层图；
2.应用多源地学数据复合叠加原理，采用现代线性或非线性数学方法，通过模型的反演识别或学习训练，确定出煤层底板突水的各主控因素对复杂突水过程的“贡献”或“权重”，建立煤层底板突水预测预报评价模型；
3.根据研究区各单元计算的突水脆弱性指数频率直方图分析，合理确定突水脆弱性分区阈值，最终对煤层底板突水脆弱性做出科学的区划和预测预报评价。
由于采用了上述的“脆弱性指数法”技术方案，本发明具有的有益效果在于：
1.由于现代科学技术尚未提出一个能够详实描述煤层底板这种复杂突水机理和受控因素颇多的非线性动力现象的确定性数学方程与模型，因而应用现代多源信息融合理论，采用具有强大空间数据统计分析处理功能的地理信息系统(GIS)与线性或非线性数学的耦合方法，提出的煤层底板突水评价的脆弱性指数法，较好地解决了煤层底板突水预测预报评价的难题。
2.突破了煤层底板突水评价传统的突水系数法仅能考虑两个控制因素且无影响“权重”概念等重大缺陷的束缚，采用GIS与现代非线性数学的耦合方法，真实地刻画了煤层底板突水这种受控于多因素且具有非常复杂形成机理的非线性动力过程。
附图说明
附图1，本发明煤层底板突水评价的新型实用方法-脆弱性指数法工作流程图。
具体实施例
下面将结合附图对本发明作详细描述。
本发明一种煤层底板突水评价的新型实用方法-脆弱性指数法的具体实施技术方案包括以下步骤：
1.建立各主控因素子专题层图：
基于多源信息集成理论，以GIS为操作平台，确定煤层底板突水主控因素，经过数据采集、分析和处理，建立能够全面真实反映煤层底板复杂突水机理和演变过程的底板突水的主控指标体系，详细论述了体系中各突水主控因素在矿井突水过程中的作用方式与特征。
2.建立煤层底板突水预测预报评价模型：
应用多源地学数据复合叠加原理，采用地理信息系统(GIS)与线性或非线性数学方法的耦合技术，通过模型的反演识别或学习训练，确定出煤层底板突水的各主控因素对复杂突水过程的“贡献”或“权重”，建立煤层底板突水预测预报评价模型。
所述的采用地理信息系统(GIS)与线性或非线性数学方法的耦合，可以是地理信息系统(GIS)与人工神经网络(Artificial Neural Network，ANN)的耦合。煤层底板突水是一个不断与外部环境进行物质、能量、信息交换的开放系统，具有协同性、自组织性、主控因素多、条件不准确的特点，突水的基础空间信息量大。人工神经网络(ANN)具有大规模并行、分布式存储与处理、自组织和自适应能力，能够同时处理复杂的非线性系统中多种主控因素在控制机理不清楚、影响参数模糊状况下彼此之间的相互作用关系和相对权重，但无法解决煤层底板突水的空间信息分析问题；而地理信息系统(GIS)则具有强大的空间信息处理分析和统计功能。将GIS与ANN耦合，就是整合他们各自的优点，以GIS的空间数据统计分析功能为操作平台，利用它强大的空间信息处理分析能力，对各种图形信息进行量化，建立煤层底板突水各主控因素的子专题层图，并对它们实施复合叠加处理，确定研究区计算单元；通过ANN对采集到的有关煤层底板突水样本数据的反复训练学习，确定各主控因素在复杂的底板突水非线性系统中的“贡献”或“权重”。GIS与ANN耦合技术的应用，建立了煤层底板突水的评价模型，经过模型验证，即可确定煤层底板突水的最终预测模型，计算煤层底板突水的脆弱性指数。
所述的采用地理信息系统(GIS)与线性或非线性数学方法的耦合，也可以是GIS与证据权法耦合。证据权法实现方法：①将研究区内已知突水点根据证据权方法按照一定面积将研究区进行网格划分，生成具有面积属性的训练图层或底板突水网格图层；②分析煤层底板突水的主控因素，将这些主控因素作为证据层，并对这些证据层进行预处理，将其转化为分类数据，形成证据专题图层；③将各证据因子的专题图层分别与训练图层进行叠加，计算每个证据图层的先验概率及权重或模糊权重；④对证据图层关于煤层底板突水条件的独立性进行检验，并根据前验概率及权重，筛选出最合理的证据因子专题图层，进行后验概率计算；⑤根据后验概率计算的结果确定煤层底板危险突水区。
基于GIS的煤层底板突水预测方法分为数据驱动和知识驱动。证据权重法属于数据驱动方法，数据驱动避免了权值选择的主观性，易于编程，易于组合多图件模式，但是用于分析的证据图层必须是条件独立的。一方面GIS具有强大空间信息处理与分析和各种图形信息量化功能，可以解决证据权重法实现过程中训练图层和证据图层的生成问题，生成各种煤层底板突水预测所需的信息图层，建立煤层底板突水各主要控制因素的子专题层图，而且可将预测评价的突水脆弱性指数的后验概率图层按照多种方法进行脆弱性分区；另一方面，证据权重方法的多源信息集成和综合能力，极大提高了GIS的空间信息分析和处理功能。因此，将证据权重法与GIS耦合应用，提高了受控多因素影响的煤层底板突水预测评价的可靠度。
所述的采用地理信息系统(GIS)与线性或非线性数学方法的耦合，还可以是GIS与Logistic回归法耦合。GIS中的Logistic回归法首先将各个证据层空间叠加处理，确定出互不相交且互不相同的突水预测区域。假设将m个证据层进行空间叠加，共产生n个互不相交且不同的子区域，有n1区域突水点和n2区域非突水点，n＝n1+n2，设仅前n1个区域有突水点，计算结果见表1。
表1多证据层空间叠加结果
| 区域序号 | 常数项 | 证据层X1在每个子区域内的取值 | 证据层X2在每个子区域内的取值 | ... | 证据层Xm在每个子区域内的取值 | 每子区域包含的水点 | 每子区域包含的面积单元 | 子区域内是否包含突水点标示 |
| 1 | 1 | x1(1) | x2(1) | ... | xm(1) | m1 | A1 | 1 |
| 区域序号 | 常数项 | 证据层X1在每个子区域内的取值 | 证据层X2在每个子区域内的取值 | ... | 证据层Xm在每个子区域内的取值 | 每子区域包含的水点 | 每子区域包含的面积单元 | 子区域内是否包含突水点标示 |
| 2 | 1 | x1(2) | x2(2) | ... | xm(2) | m2 | A2 | 1 |
| ... | ... | ... | ... | ... | ... | ... | ... | ... |
| n1 | 1 | x1(n1) | x2(n1) | xm(n1) | mn1 | An1 | 1 | |
| n1+1 | 1 | x1(n1+1) | x2(n1+1) | xm(n1+1) | 0 | An1+1 | 0 | |
| n1+2 | 1 | x1(n1+2) | x2(n1+2) | xm(n1+m) | 0 | An1+2 | 0 | |
| ... | ... | ... | ... | ... | ... | ... | ... | ... |
| n | 1 | x1(n) | x2(n) | xm(n) | 0 | An | 0 |
由表1的值计算在各个子区域的ln[P/(1-P)]的估计值。由于在第i个子区域上的概率Pi可用
估计，ln[P/(1-P)]的估计：当mi＝0或Ai＝mi时，上式无法计算。则将上式修正为：
令
则z＝a0+a1x1+a2x2+…+akxk为线性回归模型，利用表1和
的估计值，用多元线性回归的方法获得a1，a2，…，ak的估计值
所述的GIS与Logistic回归法耦合，可以是Logistic回归与GIS分开使用，单独发挥自己功能，首先在GIS中对证据层数据进行分类，形成多分类数据图层，在此基础上进行多证据层的空间叠加；然后根据叠加结果，运用统计分析方法，估计Logistic回归的回归系数并进行假设检验，计算在研究区内各点预测对象发生的预测概率；最后，将预测概率结果在GIS中显示、成图，并进行突水脆弱性多级分区预测。
所述的GIS与Logistic回归法耦合，还可以是将Logistic回归嵌入于GIS中，在GIS平台上进行Logistic回归的所有工作。
所述的采用地理信息系统(GIS)与线性或非线性数学方法的耦合，还可以是GIS和层次分析法耦合。即以GIS的空间数据统计分析功能为操作平台，利用GIS强大的空间信息分析处理功能，对主控因素信息进行空间复合叠加处理。应用层次分析法确定煤层底板突水各主控因素对突水的“贡献”或权重系数，建立目标评价模型.根据现场采集的大量煤层底板突水样本，经模型反演识别，建立煤层底板突水脆弱性评价模型，计算煤层底板突水脆弱性指数。依据研究区各单元计算的脆弱性指数值，通过累计频率统计直方图分析，确定煤层底板突水脆弱性分区阈值。最后运用GIS功能，提出研究区煤层底板突水脆弱性的分区方案。
3.根据研究区各单元计算的突水脆弱性指数频率直方图分析，合理确定突水脆弱性分区阈值，最终对煤层底板突水脆弱性做出科学的区划和预测预报评价。
Claims (7)
1.煤层底板突水评价的新型实用方法-脆弱性指数法，基于多源信息融合理论，以GIS为操作平台，确定煤层底板突水主控因素，经过数据采集、分析和处理，建立各主控因素子专题层图；其特征在于：技术方案还包括以下步骤：
(1)应用多源地学数据复合叠加原理，采用现代线性或非线性数学方法，通过模型的反演识别或学习训练，确定出煤层底板突水的各主控因素对复杂突水过程的“贡献”或“权重”，建立煤层底板突水预测预报评价模型；
(2)根据研究区各单元计算的突水脆弱性指数频率直方图分析，合理确定突水脆弱性分区阈值，最终对煤层底板突水脆弱性做出科学的区划和预测预报评价。
2.根据权利要求1所述的煤层底板突水评价的新型实用方法-脆弱性指数法，其特征在于：所述的采用地理信息系统(GIS)与线性或非线性数学方法的耦合，是地理信息系统(GIS)与人工神经网络(Artificial Neural Network，ANN)的耦合。
3.根据权利要求2所述的煤层底板突水评价的新型实用方法-脆弱性指数法，其特征在于：所述的采用地理信息系统(GIS)与线性或非线性数学方法的耦合，是GIS与证据权法耦合。
4.根据权利要求1所述的煤层底板突水评价的新型实用方法-脆弱性指数法，其特征在于：是GIS与Logistic回归法耦合。
5.根据权利要求4所述的煤层底板突水评价的新型实用方法-脆弱性指数法，其特征在于：所述的GIS与Logistic回归法耦合，是Logistic回归与GIS分开使用，单独发挥自己功能。
6.根据权利要求4所述的煤层底板突水评价的新型实用方法-脆弱性指数法，其特征在于：所述的所述的GIS与Logistic回归法耦合，是将Logistic回归嵌入于GIS中，在GIS平台上进行Logistic回归的所有工作。
7.根据权利要求1所述的煤层底板突水评价的新型实用方法-脆弱性指数法，其特征在于：是GIS和层次分析法耦合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN200910014987A CN101699451A (zh) | 2009-05-08 | 2009-05-08 | 煤层底板突水评价的新型实用方法-脆弱性指数法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN200910014987A CN101699451A (zh) | 2009-05-08 | 2009-05-08 | 煤层底板突水评价的新型实用方法-脆弱性指数法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN101699451A true CN101699451A (zh) | 2010-04-28 |
Family
ID=42147910
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN200910014987A Pending CN101699451A (zh) | 2009-05-08 | 2009-05-08 | 煤层底板突水评价的新型实用方法-脆弱性指数法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101699451A (zh) |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101894189A (zh) * | 2010-07-14 | 2010-11-24 | 中国矿业大学(北京) | 煤层底板突水评价的新方法 |
| CN102194056A (zh) * | 2011-05-05 | 2011-09-21 | 中国矿业大学(北京) | 煤层顶底板突水危险评价预测的bn-gis方法 |
| CN102830442A (zh) * | 2012-08-04 | 2012-12-19 | 中国矿业大学(北京) | 一种预测预报煤层气产能的潜力系数评价方法 |
| CN103049645A (zh) * | 2012-11-28 | 2013-04-17 | 山东科技大学 | 一种煤层底板突水危险性评价方法 |
| CN103412104A (zh) * | 2013-07-24 | 2013-11-27 | 环境保护部环境规划院 | 一种地下水脆弱性评价方法 |
| CN103761448A (zh) * | 2014-02-18 | 2014-04-30 | 中国矿业大学(北京) | 煤层底板突水变权脆弱性评价法中调权参数的确定方法 |
| CN103926633A (zh) * | 2013-01-16 | 2014-07-16 | 中国矿业大学(北京) | 煤层底板煤系隔水层防突性能的定量评价方法 |
| CN103984042A (zh) * | 2014-05-30 | 2014-08-13 | 中国矿业大学(北京) | 中奥陶统灰岩古风化壳隔水性指数评价方法 |
| CN103995947A (zh) * | 2013-04-08 | 2014-08-20 | 中国矿业大学(北京) | 改进的煤层底板突水脆弱性评价方法 |
| CN104133864A (zh) * | 2014-07-17 | 2014-11-05 | 中国矿业大学(北京) | 煤层底板突水变权区间阈值确定方法 |
| CN104314563A (zh) * | 2014-10-21 | 2015-01-28 | 西安科技大学 | 一种煤层气储层可压裂性的测井定量评价方法 |
| CN104408323A (zh) * | 2014-12-12 | 2015-03-11 | 中国矿业大学 | 一种基于多源信息融合的采场顶板离层水害超前预报方法 |
| CN107729716A (zh) * | 2017-11-27 | 2018-02-23 | 西安建筑科技大学 | 一种基于长短时记忆神经网络的煤矿突水预测方法 |
| WO2018121035A1 (zh) * | 2016-12-29 | 2018-07-05 | 山东科技大学 | 一种个性化确定采煤工作面底板突水危险等级的方法 |
| CN108470222A (zh) * | 2018-02-08 | 2018-08-31 | 卢新明 | 一种用于典型事件预测预报的多征兆增信方法 |
| CN109753704A (zh) * | 2018-12-24 | 2019-05-14 | 永城煤电控股集团有限公司 | 地质构造复杂程度的非线性评价方法 |
| CN110826235A (zh) * | 2019-10-18 | 2020-02-21 | 山东科技大学 | 煤层底板突水评价的主成分Logistic回归分析法 |
| CN111724059A (zh) * | 2020-06-17 | 2020-09-29 | 中煤能源研究院有限责任公司 | 一种改进的底板突水脆弱性变权评价方法 |
| CN112241835A (zh) * | 2020-09-30 | 2021-01-19 | 北京科技大学 | 深竖井工程突水灾害多源信息评价方法 |
| CN116187572A (zh) * | 2023-03-06 | 2023-05-30 | 成都理工大学 | 基于多源数据融合分析的地热资源勘探评价方法 |
-
2009
- 2009-05-08 CN CN200910014987A patent/CN101699451A/zh active Pending
Cited By (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101894189B (zh) * | 2010-07-14 | 2011-04-20 | 中国矿业大学(北京) | 煤层底板突水评价的新方法 |
| CN101894189A (zh) * | 2010-07-14 | 2010-11-24 | 中国矿业大学(北京) | 煤层底板突水评价的新方法 |
| CN102194056A (zh) * | 2011-05-05 | 2011-09-21 | 中国矿业大学(北京) | 煤层顶底板突水危险评价预测的bn-gis方法 |
| CN102830442A (zh) * | 2012-08-04 | 2012-12-19 | 中国矿业大学(北京) | 一种预测预报煤层气产能的潜力系数评价方法 |
| CN103049645A (zh) * | 2012-11-28 | 2013-04-17 | 山东科技大学 | 一种煤层底板突水危险性评价方法 |
| CN103049645B (zh) * | 2012-11-28 | 2015-12-02 | 山东科技大学 | 一种煤层底板突水危险性评价方法 |
| CN103926633B (zh) * | 2013-01-16 | 2016-04-13 | 中国矿业大学(北京) | 煤层底板煤系隔水层防突性能的定量预测方法 |
| CN103926633A (zh) * | 2013-01-16 | 2014-07-16 | 中国矿业大学(北京) | 煤层底板煤系隔水层防突性能的定量评价方法 |
| CN103995947B (zh) * | 2013-04-08 | 2015-06-24 | 中国矿业大学(北京) | 改进的煤层底板突水脆弱性评价方法 |
| CN103995947A (zh) * | 2013-04-08 | 2014-08-20 | 中国矿业大学(北京) | 改进的煤层底板突水脆弱性评价方法 |
| CN103412104B (zh) * | 2013-07-24 | 2015-07-15 | 环境保护部环境规划院 | 一种地下水脆弱性评价方法 |
| CN103412104A (zh) * | 2013-07-24 | 2013-11-27 | 环境保护部环境规划院 | 一种地下水脆弱性评价方法 |
| CN103761448A (zh) * | 2014-02-18 | 2014-04-30 | 中国矿业大学(北京) | 煤层底板突水变权脆弱性评价法中调权参数的确定方法 |
| CN103984042A (zh) * | 2014-05-30 | 2014-08-13 | 中国矿业大学(北京) | 中奥陶统灰岩古风化壳隔水性指数评价方法 |
| CN104133864A (zh) * | 2014-07-17 | 2014-11-05 | 中国矿业大学(北京) | 煤层底板突水变权区间阈值确定方法 |
| CN104314563A (zh) * | 2014-10-21 | 2015-01-28 | 西安科技大学 | 一种煤层气储层可压裂性的测井定量评价方法 |
| CN104408323A (zh) * | 2014-12-12 | 2015-03-11 | 中国矿业大学 | 一种基于多源信息融合的采场顶板离层水害超前预报方法 |
| WO2016090883A1 (zh) * | 2014-12-12 | 2016-06-16 | 中国矿业大学 | 一种基于多源信息融合的采场顶板离层水害超前预报方法 |
| WO2018121035A1 (zh) * | 2016-12-29 | 2018-07-05 | 山东科技大学 | 一种个性化确定采煤工作面底板突水危险等级的方法 |
| CN107729716A (zh) * | 2017-11-27 | 2018-02-23 | 西安建筑科技大学 | 一种基于长短时记忆神经网络的煤矿突水预测方法 |
| CN107729716B (zh) * | 2017-11-27 | 2020-10-27 | 西安建筑科技大学 | 一种基于长短时记忆神经网络的煤矿突水预测方法 |
| CN108470222A (zh) * | 2018-02-08 | 2018-08-31 | 卢新明 | 一种用于典型事件预测预报的多征兆增信方法 |
| CN109753704A (zh) * | 2018-12-24 | 2019-05-14 | 永城煤电控股集团有限公司 | 地质构造复杂程度的非线性评价方法 |
| CN109753704B (zh) * | 2018-12-24 | 2023-09-05 | 永城煤电控股集团有限公司 | 地质构造复杂程度的非线性评价方法 |
| CN110826235A (zh) * | 2019-10-18 | 2020-02-21 | 山东科技大学 | 煤层底板突水评价的主成分Logistic回归分析法 |
| CN111724059A (zh) * | 2020-06-17 | 2020-09-29 | 中煤能源研究院有限责任公司 | 一种改进的底板突水脆弱性变权评价方法 |
| CN111724059B (zh) * | 2020-06-17 | 2023-09-15 | 中煤能源研究院有限责任公司 | 一种改进的底板突水脆弱性变权评价方法 |
| CN112241835A (zh) * | 2020-09-30 | 2021-01-19 | 北京科技大学 | 深竖井工程突水灾害多源信息评价方法 |
| CN116187572A (zh) * | 2023-03-06 | 2023-05-30 | 成都理工大学 | 基于多源数据融合分析的地热资源勘探评价方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101699451A (zh) | 煤层底板突水评价的新型实用方法-脆弱性指数法 | |
| Kalantari et al. | Meeting sustainable development challenges in growing cities: Coupled social-ecological systems modeling of land use and water changes | |
| Partington et al. | Interpreting streamflow generation mechanisms from integrated surface‐subsurface flow models of a riparian wetland and catchment | |
| Boyle et al. | Toward improved streamflow forecasts: Value of semidistributed modeling | |
| CN103995947B (zh) | 改进的煤层底板突水脆弱性评价方法 | |
| Feng et al. | Neural networks to simulate regional ground water levels affected by human activities | |
| Wagener et al. | A toolkit for the development and application of parsimonious hydrological models | |
| CN112308290A (zh) | 一种污染场地调查布点的方法 | |
| CN106203729A (zh) | 一种协助进行地下水污染评估的方法及系统 | |
| CN106651147A (zh) | 基于lcc的配电网综合效益评估指标的综合权重确定方法 | |
| CN103593720A (zh) | 基于灰色层次分析法建立的城市电网规划综合评价体系 | |
| Liu et al. | A systems dynamic model of a coal-based city with multiple adaptive scenarios: A case study of Ordos, China | |
| Dong et al. | A hybrid hydrologic modelling framework with data-driven and conceptual reservoir operation schemes for reservoir impact assessment and predictions | |
| Cromwell et al. | Estimating watershed subsurface permeability from stream discharge data using deep neural networks | |
| CN103839113A (zh) | 基于租房与购房两类选择者住房选择模型的微观仿真方法 | |
| CN103898890B (zh) | 一种基于bp神经网络的双桥静力触探数据的土层量化分层方法 | |
| CN116050163A (zh) | 一种基于气象站的生态系统碳水通量计算方法及系统 | |
| CN117571945A (zh) | 耦合时间序列预测模型与机理模型的地下水污染预测方法 | |
| Ma et al. | Artificial neural network for prediction of full-scale seepage flow rate at the equity silver mine | |
| Kanyama et al. | Groundwater Level Estimation using Recurrent Neural Networks: A Case Study of the Grootfontein Aquifer | |
| CN114091883A (zh) | 井漏风险层位钻前预测方法、装置、介质及设备 | |
| CN114764546A (zh) | 基于生成对抗神经网络的断块油藏剩余油预测方法 | |
| CN105976059B (zh) | 一种基于组合评价的地下水分区预测方法 | |
| Azari et al. | Investigating the capabilities of the NSGA-II multi-objective algorithm in automatic calibration of the WEAP model for simulating Jareh Dam and network system | |
| Sentas et al. | Dissolved oxygen assessment in Dam-Lake Thesaurus using stochastic modeling |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20100428 |