CN106194262A - 煤矿底板奥灰岩突水在线监测智能预警系统 - Google Patents
煤矿底板奥灰岩突水在线监测智能预警系统 Download PDFInfo
- Publication number
- CN106194262A CN106194262A CN201610623669.5A CN201610623669A CN106194262A CN 106194262 A CN106194262 A CN 106194262A CN 201610623669 A CN201610623669 A CN 201610623669A CN 106194262 A CN106194262 A CN 106194262A
- Authority
- CN
- China
- Prior art keywords
- water
- gushing water
- sample
- limestone
- intelligent early
- 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.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 125
- 238000012544 monitoring process Methods 0.000 title claims abstract description 45
- 235000019738 Limestone Nutrition 0.000 title claims abstract description 33
- 239000006028 limestone Substances 0.000 title claims abstract description 33
- 230000009172 bursting Effects 0.000 claims abstract description 25
- 238000004891 communication Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims description 33
- 239000013598 vector Substances 0.000 claims description 20
- 238000012706 support-vector machine Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 7
- 239000011435 rock Substances 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 230000004888 barrier function Effects 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims 1
- 239000003245 coal Substances 0.000 description 13
- 230000008569 process Effects 0.000 description 11
- 239000002243 precursor Substances 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 6
- 238000005065 mining Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 101100533306 Mus musculus Setx gene Proteins 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 206010008190 Cerebrovascular accident Diseases 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 241000876443 Varanus salvator Species 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
一种煤矿底板奥灰岩突水在线监测智能预警系统是在含有奥灰岩的煤矿底板上设置有若干个多参数传感子系统,并通过无线/有线通信子系统将在线监测的传感数据传输到数据库服务器,后由突水智能预警子系统对煤矿底板突水进行智能预警。本发明采用一孔多感、无线传输、智能预警,实现了准确、便捷、高效在线矿井突水监测预警。
Description
技术领域
本发明涉及一种煤矿井下防治水监测预警系统,具体是一种用于煤矿井下底板奥灰岩突水多传感在线监测及智能预警系统。
背景技术
随着煤矿开采深度和强度的不断增加,多数煤矿已进入深部开采或下组煤回采,特别是华北型煤田,受煤系灰岩和基底奥灰岩岩溶水的影响,煤层底板承压水极易通过隐伏导水构造突入矿井,造成巨大的经济损失和人员伤亡,煤矿底板突水已成为影响安全生产的重要隐患之一,因此,及时准确监测煤层底板突水,对减少煤矿水害事故发生,保障安全带压开采具有重要意义。
尽管煤矿底板突水事故的突发性强,但通过分析研究已有发生突水事故后发现,具备底板突水发生的必要条件中,不同阶段均会呈现前兆信息,如果能够及时检测到这些前兆信息,即可对突水发生进行早期预警,从而避免或减少不必要的突水事故发生。
多年来,国内外学者对煤矿底板突水监测预警方法的研究较多,主要是从突水发生的三个必要条件:突水水源、水压和导水通道出发,进行必要的探测和分析,所用到的主要是物探方法,其探测设备有瞬变电磁仪、直流电探测仪、坑道无线电波透视仪和三维地震探测仪等,进行含水层富水性及易形成导水通道的地质构造,如裂隙发育带及断层等探测,但这些物探方法的设备繁重,价格昂贵,单一探测方法易受噪声干扰而精度不高,使得其很难被应用到突水前兆信息的实时在线监测中。还有部分学者是基于突水机理和泛决策理论来进行突水发生可能性的评价,包括突水系数法、“下三带”理论、“关键层”理论、脆弱性指数法以及人工神经网络和多源信息融合等,在这些评价方法中多使用采区的历史水文地质资料或采掘条件数据,缺乏对一些实时监测到的突水前兆信息进行有效利用。
针对煤矿底板突水监测预警动态性、实时性的要求,通过在煤层底板布设传感器来实时监测突水前兆信息并进行分析预警的研究逐渐增多,如靳德武、刘英锋等人在《煤炭科学与技术》上公开发表了《煤层底板突水监测预警系统的开发及应用》,研制开发了一套基于光纤光栅通信和传感技术的煤层底板突水监测预警系统,其由数据采集系统和突水监测数据集成分析系统组成,采用光纤光栅对工作面底板应变、水温、水压进行实时监测,并将数据传送到地面监测站进行显示与分析,为进行突水预警提供帮助,但该系统主要是对裂隙扩展和断层活化形成的突水进行监测,对底板奥灰岩其他突水状况考虑不全,数据传输采用光纤有线通信,不利于传感器在开采工作面的灵活布设,监测数据只做实时显示和简单人工分析,突水预警准确性和效率不高。
童紫原、童敏明等人发明了《矿井突水实时监测方法及系统》,公开了一种矿井突水实时监测方法及系统,该系统包括突水源探测器、隔水顶板监测器、煤层含水监测器、涌水量监测器、水质监测器、多路数据集控器、网关、工业以太网和监测主机,监测主机对接收到的信号进行分析,从而监测突水危险源和前兆信息,对矿井突水进行预警,但该发明是对矿井突水进行全面监测,未明确给出传感监测器的布设方法及位置,特别是对危害较大的底板奥灰岩突水不具针对性,监测预警的准确性不高。
武强、刘春生等人发明了《矿井顶底板突水监测预报系统及方法》,公开了一种矿井顶底板突水监测预报系统及方法,系统包括地面控制室主机、井下现场主机、综合电缆总线及含有控制器及存储器、三维震动传感器、电极的多个检测终端,通过实时监测巷道顶底板的震动和视电阻率变化,并与设定阈值进行比较,实现矿井顶底板突水的监测预报,但该发明仅采用微震来监测导水通道,采用视电阻率来监测突水水源,未对含水层的特性参数,如水温、水压的变化进行监测,导致其监测参数较单一,检测准确性下降。
基于上述现有技术,急需开发一套主要针对危害较大的底板奥灰岩突水前兆信息进行在线监测的硬件系统和能够进行智能预警的软件系统。
发明内容
本发明的目的在于克服现有技术存在的不足,针对危害较大的煤矿底板奥灰岩突水,提供一种煤矿底板奥灰岩突水在线监测智能预警系统,依据突水系数法在煤层底板布设若干多参数传感子系统,采集与底板奥灰岩突水直接相关的多个参数,并运用增量支持向量机算法实现传感数据的智能处理及突水的准确预测,最终将预警信息发布到客户端上。
为解决上述技术问题,本发明是通过以下技术方案实现的。
一种煤矿底板奥灰岩突水在线监测智能预警系统,包括多参数传感子系统、无线/有线通信子系统和突水智能预警子系统,其特征在于:在含有所述奥灰岩的所述煤矿底板上设置有若干个所述多参数传感子系统,并通过所述无线/有线通信子系统将在线监测的传感数据传输到数据库服务器,后由所述突水智能预警子系统实现煤矿底板突水智能预警。
进一步地附加技术方案如下。
第一附加技术方案在于:所述多参数传感子系统是通过突水系数法进行位置确定,并设置于含有奥灰岩含水层的带压开采煤层底板中;所述突水系数法是按公式Ts=P/M计算,式中Ts是突水系数MPa/m,P是底板隔水层承受的水压Mpa,M是底板至奥灰岩顶面之间的距离m,选取突水系数Ts值大于0.06的区域,以间隔距离L=1.2/Ts m非线性布设多参数传感子系统。
第二附加技术方案在于:所述多参数传感子系统是由流量传感器、围岩应力传感器、温湿度传感器、加速度传感器和位移传感器至下而上依次排列,然后与CC2530无线通信芯片的GPIO端口电气连接,并封装于防爆套管中,在采样间隔下,五个传感器采集到的数据依次传输到CC2530无线通信芯片中。
第三附加技术方案在于:所述无线/有线通信子系统是建立以协调器为簇头的线性ZigBee无线网络,然后布设若干个多参数传感子系统加入上述建立的ZigBee无线网络,多参数传感子系统与协调器及协调器间均通过ZigBee协议无线通信,最后选取距离网关较近的协调器与网关连接,网关接入矿井工业以太网的路由器,将传感子系统采集的传感数据通过工业以太网实时回传到数据库服务器。
第四附加技术方案在于:所述突水智能预警子系统是采用增量支持向量机算法实现突水预测首先从数据库服务器中读取l组历史传感数据构建训练集,其中为(6)维传感数据特征向量,为类别标注,-1为突水,1为不突水,并引入高维映射,训练初始支持向量机分类器SVM0,得到最优分类面,式中是支持向量机训练得到Lagrange乘子,b * 是最优分类面截距,是高斯核函数,再从数据库服务器中读取当前一定天数采集到的传感数据,通过违反广义KKT条件:,选取最优更新样本集X new ,并结合先前训练得到的支持向量集计算新的分类面,得到新的分类器SVM new 。
第五附加技术方案在于:所述广义KKT条件的广义扩展因子通过传感数据样本分布特性计算,以B1和B2分别表示能够包含对应类别样本的最小闭合球,对于任一不突水样本,∆根据该样本到B1球心的距离d 1和B1的半径R 1按计算,同理对于任一突水样本,∆根据该样本到B2球心的距离d 2和B2的半径R 2按计算,在高斯核函数的特征空间中,所有样本均分布于一个单位超球上,对于任一类样本,按公式计算对应闭合球半径,按公式计算样本到球心的距离,式中a和R分别是样本形成闭合球的球心和半径,是支持向量机训练得到的Lagrange乘子,,SV i 是对应的支持向量,n SVs 是支持向量的个数。
与现有技术相比,实施上述本发明所提供的一种煤矿底板奥灰岩突水在线监测智能预警系统的优点在于:本系统针对危害较大的煤矿底板奥灰岩突水特性,根据突水系数法确定多参数传感子系统的非线性布设位置,对于突水系数值较大的区域进行重点监测;研制了易于在采掘工作面布设的多参数管状无线传感模块,可将其安装在钻孔中;建立了针对巷道传输特性的线性簇状ZigBee无线通信网络,以节省功耗,扩大传输距离,并通过网关接入矿井工业以太网,提高传感数据传输效率;通过设计一个新的广义KKT条件,定时选取最优更新样本集,从而可使基于增量支持向量机方法的突水预测模型随着新传感数据的获得而更新,实现对传感数据的在线智能处理和有效突水预警。
附图说明
图1是本发明的结构示意图。
图2是本发明多参数传感子系统的结构示意图。
图3是本发明广义KKT条件与样本分布间关系示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作出进一步的说明。
本发明针对危害较大的煤矿底板奥灰岩突水前兆信息,设计一种在线监测的硬件系统和能够进行智能预警的软件系统,并根据突水系数法确定传感子系统在含有奥灰岩煤层底板的布设位置,通过打钻孔布设由流量、应力、温湿度、加速度和位移传感器构成的管状传感子系统,构建无线/有线数据传输网络进行前兆数据实时传输,最后运用增量支持向量机算法对突水前兆信息进行智能处理,建立突水预测模型,从而实现突水的实时监测及准确预警,其具体实施方式如下。
实施本发明上述所提供的一种煤矿底板奥灰岩突水在线监测智能预警系统,如附图1所示,该系统包括多个布设于煤层底板的多参数传感子系统、无线/有线通信子系统和井上监控数据库服务器及终端;整个系统执行过程可分为:传感子系统的布设及数据采集、无线/有线通信组网及数据传输和采用增量支持向量机算法进行传感数据处理及突水预警。
所述的传感子系统的布设及数据采集过程是:在存在奥灰岩含水层的带压开采煤层底板中,按公式Ts=P/M计算突水系数,式中Ts是突水系数(MPa/m)、P是底板隔水层承受的水压(Mpa)、M是底板至奥灰岩顶面之间的距离(m),选取突水系数Ts值大于0.06的区域,以间隔距离L=1.2/Ts(m)非线性布设若干多参数传感子系统,其中流量传感器1用于监测钻孔涌水量,围岩应力传感器2直接与孔底岩层刚性接触来监测隔水层的应力变化,温湿度传感器3用于监测底板岩层的温度及富水性,加速度传感器4用于监测采掘导致的岩层振动,位移传感器5与钻孔孔壁直接接触来监测采动导致的围岩形变。如附图2所示,这五个传感器从下到上排列设置,并与CC2530无线通信芯片6的GPIO端口进行电气连接,通过外设EEPROM芯片设置各传感器的识别ID,当CC2530无线通信芯片6初始化后,从EEPROM中读取当前有效的传感器ID代码,使用IIC接口进行通信,在时钟脉冲作用下,依次采集5个传感器数据,在一定采样间隔下,得到一组底板奥灰岩突水相关的6维特征向量x i 。
所述的无线/有线通信组网及数据传输过程为:协调器8启动ZigBee协议栈,通过扫描当前信道参数,选取最优无线通信信道,并设置网络标示符PAN ID,建立以协调器8为簇头的线性ZigBee无线网络;然后,煤层底板布设的若干多参数传感子系统主动扫描查找该ZigBee网络的协调器8,并向协调器8发出连接请求,当协调器8收到连接请求时,将上述的传感子系统加入已建立的ZigBee网络,传感子系统与协调器8即可开始通信。同一巷道的多个协调器分别作为簇头节点,与距其一定距离内的一个或多个传感子系统组建ZigBee无线网络,各协调器间可通过ZigBee协议进行无线通信。最后选取距离网关9较近的协调器与网关9连接,实现ZigBee协议与TCP/IP协议的转换,最终接入矿井工业以太网的路由器10,将传感子系统采集的传感数据通过工业以太网实时回传到数据库服务器12中。
所述的采用增量支持向量机算法进行传感数据处理及突水预警过程主要分为突水预测模型训练、更新过程和突水预测过程。在预测模型训练过程中,首先,从数据库服务器12中,读取l组历史传感数据构建训练集,其中为6维传感数据特征向量,为类别标注,-1为突水,1为不突水。
所述的突水预测模型构建过程为:用训练集X训练初始支持向量机分类器SVM0,通过在突水与不突水2类样本间构造最大分类间隔来得到最优分类面f(x),从而可得以下最优化问题
式中,w和b分别为最优分类面的法向量和截距,ξ i 为样本点x i 被错分产生的误差,C >0为误差项ξ i 的惩罚参数。将其转换成Lagrange对偶问题如下
求解该二次规划问题可得Lagrange乘子对应的样本x i 构成支持向量集SV,选取任一支持向量计算截距
从而得到分类面函数
通过分析突水监测传感数据,发现其具有线性不可分性,本实施方案中通过将数据映射到高维空间,并引入高斯核函数,来解决线性不可分问题,此时分类面函数变为
对于任一传感数据样本x,若f(x)≥0,则输出1,预测为不突水;若f(x)<0,则输出为-1,预测为突水。
所述的突水预测模型更新过程为:从数据库服务器12中读取当前一定天数,如10天内采集到的传感数据,运用定义的违反广义KKT条件:,选取包括违反KKT条件的样本、支持向量集和满足KKT条件且与分类间隔距离较近的样本构造预测模型的最优更新样本集X new ,其中为广义扩展因子,通过样本分布特性进行计算确定。使用先前训练得到的支持向量集和X new训练得到新的分类器SVM new ,得到对应的Lagrange乘子和支持向量集SV new ,构造新的分类预测函数。
所述的广义扩展因子的计算过程为:结合传感数据分布的闭合球进行的计算,如附图3所示,实心圆形表示不突水类,空心圆形表示突水类,B1和B2分别为能够包含对应类别数据的最小闭合球,而最优候选支持向量集SV往往分布于闭合球边界附近,且靠近分类超平面一侧,基于此,对于任一不突水类样本的广义扩展因子可根据该不突水类样本到B1球心的距离d 1和B1的半径R 1进行如下定义:
同理,对于任一突水类样本的广义扩展因子可根据该突水类样本到B2球心的距离d 2和B2的半径R 2进行如下定义:
因此,需计算每一类样本闭合球的球心和半径,以及任一样本到其对应类闭合球心的距离,从而判断其是否违反广义KKT条件。而对于本实施方案中采用的高斯核函数,由于,在特征空间中,所有样本均分布于一个单位超球上,如附图3所示,通过分析可以发现,构成超球边界的样本集A近似于构成SVM分类超平面的样本集B,即,因此,运用SVM训练得到的支持向量,即边界样本点,可近似得到数据在特征空间分布闭合球的球心和半径。定义任一类样本形成的闭合球的球心为a,半径为R,根据SVM训练得到的Lagrange乘子和对应的支持向量SV i ,令n SVs 为支持向量的个数,可得:
式中,,从而可得该类中任一样本x到球心的距离为
其中定义核距离,从而计算得到对应的广义扩展因子。
所述的突水预测过程为:采用得到的基于增量支持向量机方法的突水智能预警决策函数对实时采集到的传感数据进行判断,若,则预测为不突水,若f(x)<0,则预测为突水,并通过监控终端13或移动终端14进行报警,采取相应的防治措施,从而避免突水灾害发生。
Claims (6)
1.一种煤矿底板奥灰岩突水在线监测智能预警系统,包括多参数传感子系统、无线/有线通信子系统和突水智能预警子系统,其特征在于:在含有所述奥灰岩的所述煤矿底板上设置有若干个所述多参数传感子系统,并通过所述无线/有线通信子系统将在线监测的传感数据传输到数据库服务器,后由所述突水智能预警子系统实现煤矿底板突水智能预警。
2.根据权利要求1所述的煤矿底板奥灰岩突水在线监测智能预警系统,其特征在于:所述多参数传感子系统是通过突水系数法进行位置确定,并设置于含有奥灰岩含水层的带压开采煤层底板中;所述突水系数法是按公式Ts=P/M计算,式中Ts是突水系数MPa/m,P是底板隔水层承受的水压Mpa,M是底板至奥灰岩顶面之间的距离m,选取突水系数Ts值大于0.06的区域,以间隔距离L=1.2/Ts m非线性布设多参数传感子系统。
3.根据权利要求1或2所述的煤矿底板奥灰岩突水在线监测智能预警系统,其特征在于:所述多参数传感子系统是由流量传感器(1)、围岩应力传感器(2)、温湿度传感器(3)、加速度传感器(4)和位移传感器(5)至下而上依次排列,然后与CC2530无线通信芯片(6)的GPIO端口电气连接,并封装于防爆套管(7)中,在采样间隔下,五个传感器采集到的数据依次传输到CC2530无线通信芯片(6)中。
4.根据权利要求1所述的煤矿底板奥灰岩突水在线监测智能预警系统,其特征在于:所述无线/有线通信子系统是建立以协调器(8)为簇头的线性ZigBee无线网络,然后布设若干个多参数传感子系统加入上述建立的ZigBee无线网络,多参数传感子系统与协调器(8)及协调器间均通过ZigBee协议无线通信,最后选取距离网关(9)较近的协调器与网关(9)连接,网关(9)接入矿井工业以太网的路由器(10),将传感子系统采集的传感数据通过工业以太网(11)实时回传到数据库服务器(12)。
5.根据权利要求1所述的煤矿底板奥灰岩突水在线监测智能预警系统,其特征在于:所述突水智能预警子系统是采用增量支持向量机算法实现突水预测首先从数据库服务器(12)中读取l组历史传感数据构建训练集,其中为(6)维传感数据特征向量,为类别标注,-1为突水,1为不突水,并引入高维映射,训练初始支持向量机分类器SVM0,得到最优分类面,式中是支持向量机训练得到Lagrange乘子,b * 是最优分类面截距,是高斯核函数,再从数据库服务器(12)中读取当前一定天数采集到的传感数据,通过违反广义KKT条件:,选取最优更新样本集X new ,并结合先前训练得到的支持向量集计算新的分类面,得到新的分类器SVM new 。
6.根据权利要求5所述的煤矿底板奥灰岩突水在线监测智能预警系统,其特征在于:所述广义KKT条件的广义扩展因子通过传感数据样本分布特性计算,以B1和B2分别表示能够包含对应类别样本的最小闭合球,对于任一不突水样本,根据该样本到B1球心的距离d 1和B1的半径R 1按计算,同理对于任一突水样本,根据该样本到B2球心的距离d 2和B2的半径R 2按计算,在高斯核函数的特征空间中,所有样本均分布于一个单位超球上,对于任一类样本,按公式计算对应闭合球半径,按公式计算样本到球心的距离,式中a和R分别是样本形成闭合球的球心和半径,是支持向量机训练得到的Lagrange乘子,,SV i 是对应的支持向量,n SVs 是支持向量的个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610623669.5A CN106194262B (zh) | 2016-08-03 | 2016-08-03 | 煤矿底板奥灰岩突水在线监测智能预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610623669.5A CN106194262B (zh) | 2016-08-03 | 2016-08-03 | 煤矿底板奥灰岩突水在线监测智能预警系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106194262A true CN106194262A (zh) | 2016-12-07 |
CN106194262B CN106194262B (zh) | 2018-05-25 |
Family
ID=57498319
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610623669.5A Active CN106194262B (zh) | 2016-08-03 | 2016-08-03 | 煤矿底板奥灰岩突水在线监测智能预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106194262B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105781619A (zh) * | 2016-04-01 | 2016-07-20 | 太原理工大学 | 一种隐伏原生构造突水的探测方法 |
CN107288638A (zh) * | 2017-07-31 | 2017-10-24 | 中国神华能源股份有限公司 | 采掘工作面水害评估方法、介质和系统 |
CN110847974A (zh) * | 2019-12-06 | 2020-02-28 | 西安科技大学 | 一种基于神经网络的煤矿突水灾害预警的辅助方法 |
CN113408322A (zh) * | 2020-03-16 | 2021-09-17 | 大同煤矿集团有限责任公司 | 矿井中突透水情景的判识方法及装置 |
CN113903149A (zh) * | 2021-10-08 | 2022-01-07 | 河北煤炭科学研究院有限公司 | 一种矿井突水预警系统、方法及终端设备 |
CN116498391A (zh) * | 2023-06-29 | 2023-07-28 | 中国水利水电第七工程局有限公司 | 一种地下空间围岩灾害综合预警与辅助决策方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022214424A1 (en) * | 2021-04-08 | 2022-10-13 | International Business Machines Corporation | Automated pressure level detection and correction |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1472422A (zh) * | 2003-07-10 | 2004-02-04 | 太原理工大学 | 奥灰水突出的监测预报方法 |
CN101832151A (zh) * | 2010-05-25 | 2010-09-15 | 煤炭科学研究总院西安研究院 | 一种矿井突水灾害预警监测的组合传感器的埋设方法 |
CN201705393U (zh) * | 2010-05-25 | 2011-01-12 | 煤炭科学研究总院西安研究院 | 一种矿井突水灾害预警的组合传感器监测系统 |
CN102866434A (zh) * | 2012-10-08 | 2013-01-09 | 中国矿业大学 | 矿井突水实时监测方法及系统 |
CN103529488A (zh) * | 2013-09-30 | 2014-01-22 | 武汉长盛煤安科技有限公司 | 矿井顶底板突水监测预报系统及方法 |
CN106019364A (zh) * | 2016-05-08 | 2016-10-12 | 大连理工大学 | 煤矿开采过程中底板突水预警系统及方法 |
-
2016
- 2016-08-03 CN CN201610623669.5A patent/CN106194262B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1472422A (zh) * | 2003-07-10 | 2004-02-04 | 太原理工大学 | 奥灰水突出的监测预报方法 |
CN101832151A (zh) * | 2010-05-25 | 2010-09-15 | 煤炭科学研究总院西安研究院 | 一种矿井突水灾害预警监测的组合传感器的埋设方法 |
CN201705393U (zh) * | 2010-05-25 | 2011-01-12 | 煤炭科学研究总院西安研究院 | 一种矿井突水灾害预警的组合传感器监测系统 |
CN102866434A (zh) * | 2012-10-08 | 2013-01-09 | 中国矿业大学 | 矿井突水实时监测方法及系统 |
CN103529488A (zh) * | 2013-09-30 | 2014-01-22 | 武汉长盛煤安科技有限公司 | 矿井顶底板突水监测预报系统及方法 |
CN106019364A (zh) * | 2016-05-08 | 2016-10-12 | 大连理工大学 | 煤矿开采过程中底板突水预警系统及方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105781619A (zh) * | 2016-04-01 | 2016-07-20 | 太原理工大学 | 一种隐伏原生构造突水的探测方法 |
CN107288638A (zh) * | 2017-07-31 | 2017-10-24 | 中国神华能源股份有限公司 | 采掘工作面水害评估方法、介质和系统 |
CN107288638B (zh) * | 2017-07-31 | 2019-11-12 | 中国神华能源股份有限公司 | 采掘工作面水害评估方法、介质和系统 |
CN110847974A (zh) * | 2019-12-06 | 2020-02-28 | 西安科技大学 | 一种基于神经网络的煤矿突水灾害预警的辅助方法 |
CN113408322A (zh) * | 2020-03-16 | 2021-09-17 | 大同煤矿集团有限责任公司 | 矿井中突透水情景的判识方法及装置 |
CN113408322B (zh) * | 2020-03-16 | 2022-12-02 | 大同煤矿集团有限责任公司 | 矿井中突透水情景的判识方法及装置 |
CN113903149A (zh) * | 2021-10-08 | 2022-01-07 | 河北煤炭科学研究院有限公司 | 一种矿井突水预警系统、方法及终端设备 |
CN116498391A (zh) * | 2023-06-29 | 2023-07-28 | 中国水利水电第七工程局有限公司 | 一种地下空间围岩灾害综合预警与辅助决策方法 |
CN116498391B (zh) * | 2023-06-29 | 2023-09-22 | 中国水利水电第七工程局有限公司 | 一种地下空间围岩灾害综合预警与辅助决策方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106194262B (zh) | 2018-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106194262B (zh) | 煤矿底板奥灰岩突水在线监测智能预警系统 | |
CN101477207B (zh) | 一种智能型地质灾害综合监测系统及多级预报分析方法 | |
CN101770038B (zh) | 矿山微震源智能定位方法 | |
CN106019364B (zh) | 煤矿开采过程中底板突水预警系统及方法 | |
CN102419455B (zh) | 井间并行电阻率ct测试方法 | |
CN103967476B (zh) | 随钻钻孔物探超前探测装置及探测方法 | |
CN102943459A (zh) | 深基坑变形稳定性远程智能监测及三维预警方法与系统 | |
CN203783570U (zh) | 综合录井随钻地层压力一体化检测装置 | |
CN103899356A (zh) | 矿井水害监测、预警、管理与控制一体化信息系统 | |
CN109268072B (zh) | 煤矿底板突水灾害智能、实时预测预警的大数据云平台 | |
CN104747184A (zh) | 隧道掌子面前方岩体三维波速成像的随钻测量方法与装置 | |
CN204646218U (zh) | 一种现代化钻井数据采集监控系统 | |
CN104730585A (zh) | 一种采动工作面底板破坏深度实时监测方法 | |
CN104018882A (zh) | 一种分布式煤岩动力灾害电位实时监测方法及系统 | |
CN101295026A (zh) | 基于无线传感网的大堤智能探测预警方法 | |
CN110821475B (zh) | 煤矿工作面底板钻孔电阻率监测方法及线缆推送装置 | |
CN106907145A (zh) | 一种随钻超前预报的视电阻率测量系统及方法 | |
CN202969361U (zh) | 深基坑变形稳定性远程智能监测及三维预警系统 | |
CN111691921A (zh) | 一种基于支架阻力监测的冲击地压在线监测系统及监测方法 | |
CN113219551A (zh) | 一种煤矿底板破坏深度的确定方法 | |
CN104834012A (zh) | 矿井顶板突水的电磁辐射监测预警方法 | |
CN114087019B (zh) | 一种巨厚非均质砂岩水害区域防治方法 | |
CN1472422A (zh) | 奥灰水突出的监测预报方法 | |
CN105572725A (zh) | 一种地面微地震监测台站分布设计方法 | |
CN109059833B (zh) | 温度-渗流-应力耦合作用下承压水导升带高度确定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |