CN116384112A - 一种用于矿山灾害模拟和预警的方法及系统 - Google Patents
一种用于矿山灾害模拟和预警的方法及系统 Download PDFInfo
- Publication number
- CN116384112A CN116384112A CN202310354656.2A CN202310354656A CN116384112A CN 116384112 A CN116384112 A CN 116384112A CN 202310354656 A CN202310354656 A CN 202310354656A CN 116384112 A CN116384112 A CN 116384112A
- Authority
- CN
- China
- Prior art keywords
- disaster
- mine
- early warning
- simulation
- data
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 177
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012544 monitoring process Methods 0.000 claims abstract description 125
- 239000011435 rock Substances 0.000 claims description 70
- 230000008447 perception Effects 0.000 claims description 36
- 239000011159 matrix material Substances 0.000 claims description 26
- 238000012216 screening Methods 0.000 claims description 15
- 238000007418 data mining Methods 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000006378 damage Effects 0.000 claims description 10
- 238000011065 in-situ storage Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 7
- 238000011835 investigation Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000012098 association analyses Methods 0.000 claims description 3
- 238000005553 drilling Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 230000002265 prevention Effects 0.000 abstract description 4
- 238000012795 verification Methods 0.000 abstract description 2
- 238000005070 sampling Methods 0.000 description 33
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- HSFWRNGVRCDJHI-UHFFFAOYSA-N Acetylene Chemical compound C#C HSFWRNGVRCDJHI-UHFFFAOYSA-N 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 4
- 229910002092 carbon dioxide Inorganic materials 0.000 description 4
- 239000003245 coal Substances 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 239000000779 smoke Substances 0.000 description 4
- 206010000369 Accident Diseases 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 229910002091 carbon monoxide Inorganic materials 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 231100000518 lethal Toxicity 0.000 description 2
- 230000001665 lethal effect Effects 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 239000000443 aerosol Substances 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000003204 osmotic effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 239000002341 toxic gas Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Educational Administration (AREA)
- Geometry (AREA)
- Agronomy & Crop Science (AREA)
- General Engineering & Computer Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Emergency Management (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种用于矿山灾害模拟和预警的方法及系统，通过对灾害历史参数的收集从而构建矿山灾害仿真模型，通过矿山灾害仿真模型进行仿真模拟，基于仿真模拟的结果确定灾害预警方案和灾害等级判断方案；通过灾害预警方案方案进行灾害预警和提前预测，实现了数值模拟方法与监测方法的有机结合，监测预警结果与模拟预警结果之间相互验证，提高了预警结果的准确性，通过灾害等级判断方案进行灾害预警等级的判断，确定整个矿山地区总危险等级，可准确识别矿山井下生产作业是否发生安全隐患，并生成风险预警，矿山的灾前预测让专业人员及时做好应对措施，为针对性的采取防灾提供技术支撑，保证矿山工作人员的财产和生命安全。
Description
技术领域
本发明属于数据分析处理领域，具体涉及一种用于矿山灾害模拟和预警的方法及系统。
背景技术
随着我国经济的发展，对矿类资源需求的提高，矿山开采的数量大幅增加，并且因为社会的发展，科技的进步，信息化进程的不断推进，矿山的安全已经越来越受到人们的关注，矿山开采系统是一个由人、机、环境组成的多元素复杂系统，存在着能量载体或危险物质，物的故障、物理性环境因素以及组织管理因素等各种危险源，均可能引发透水事故和矿山火灾等，一旦发生事故后果严重，救助不及时，将会带来巨大的生命和财产的损失。
近几年来，虽然煤矿事故发生率有所降低，但是每年仍然有多起煤矿事故发生，造成众多工作人员的伤亡。所以，对于矿山内的灾害预警预测以及对于矿山灾害的模拟仿真显得尤为重要，矿山的灾前预测可以让专业人员及时做好应对措施，从而保证矿山工作人员的财产和生命安全，而矿山灾害的模拟仿真，对于开展煤矿井下大规模人员应急疏散的研究，将仿真结果用于制定更合理、更科学、更高效的应急疏散方案，提高煤矿对突发事件的应变能力，具有十分重要的研究意义。
目前，尚缺乏功能完备、稳定可靠的矿山灾害模拟和预警的方法。
发明内容
针对上述现有技术的不足，本申请提供一种用于矿山灾害模拟和预警的方法及系统。
第一方面本申请提出一种用于矿山灾害模拟和预警的方法，包括以下步骤：
根据矿山灾害采集对应的灾害历史参数；
基于所述灾害历史参数构建矿山灾害仿真模型，通过所述矿山灾害仿真模型的仿真结果，确定灾害预警方案和灾害等级判断方案；
通过所述灾害预警方案实现灾害预警和提前预测；
通过灾害等级判断方案判断出矿山作业环境的灾害预警等级。
在一些实施例的一些可选的实现方式中，所述根据矿山灾害采集对应的灾害历史参数，包括：
矿山岩体灾害历史参数采集步骤和矿山火灾灾害历史参数采集步骤；
所述矿山岩体灾害历史参数采集步骤包括：对目标矿山进行地质勘探和测量，获得矿山剖面图与矿山平面图；钻取现场不同岩性的岩芯，对岩芯进行基本物理力学试验，获取岩体的基本物理力学参数、岩石本构关系与破坏准则；通过现场原位测试试验，获得矿山区域的原位地应力参数；
所述矿山火灾灾害历史参数采集步骤包括：通过现场实地调研分析矿山数据，确定矿山外因火灾的风险感知数据和关联参数数据。
在一些实施例的一些可选的实现方式中，所述基于所述灾害历史参数构建矿山灾害仿真模型，包括：
构建矿山岩体灾害数值模型和矿山火灾灾害数值模型；
所述矿山岩体灾害数值模型构建步骤包括：根据矿山剖面图、矿山平面图、岩体的基本物理力学参数、岩石本构关系与破坏准则、原位地应力参数建立所述矿山岩体灾害数值模型；
所述矿山火灾灾害数值模型构建步骤包括：根据矿山外因火灾的风险感知数据和关联参数数据进行数值模拟，并结合模拟的参数构建所述矿山火灾灾害数值模型；
利用仿真软件将所述矿山岩体灾害数值模型和矿山火灾灾害数值模型进行融合得到矿山灾害仿真模型。
在一些实施例的一些可选的实现方式中，所述通过所述矿山灾害仿真模型的仿真结果，确定灾害预警方案和灾害等级判断方案，包括：
根据矿山岩体仿真结果选择本构模型、应力边界条件与自重条件进行初步数值模拟计算，根据初步数值模拟计算分析的结果确定监测方案，根据所述监测方案确定灾害预警方案；
根据风险感知数据和关联参数数据进行矿山火灾仿真，确定灾害影响区域，根据所述灾害影响区域确定灾害等级判断方案。
在一些实施例的一些可选的实现方式中，所述通过所述灾害预警方案实现灾害预警和提前预测，灾害预警包括：
对矿山进行现场监测获得监测数据，对监测数据进行分析获得监测预警结果；
基于所述监测数据对矿山岩体灾害数值模型进行修正，利用修正后的矿山岩体灾害数值模型进行实时数值模拟，获得模拟预警结果；
如果监测预警结果和模拟预警结果一致，则向各预警终端发布警报，如果不一致，则保留预警信息。
在一些实施例的一些可选的实现方式中，所述对矿山进行现场监测获得监测数据，对监测数据进行分析获得监测预警结果，包括：
设置监测点预警阈值；
将监测数据和监测点预警阈值进行对比，获得监测预警结果；
监测预警结果判定标准为：当监测数据值低于阈值时判定为安全，超出阈值时判定为危险，并根据超出阈值程度区分危险等级；
当监测预警结果判定为“危险”时，系统则发出预警提示。
在一些实施例的一些可选的实现方式中，所述基于所述监测数据对矿山岩体灾害数值模型进行修正，利用修正后的矿山岩体灾害数值模型进行实时数值模拟，获得模拟预警结果，包括：
设置数值模拟预警阈值；
根据监测数据更新修改数值模拟三维数值模型的边界条件；
利用修正后的三维数值模型，模拟矿山的应力应变响应状态，获得数值模拟数据；
将数值模拟数据和数值模拟预警阈值进行对比，获得模拟预警结果；
模拟预警结果判定标准为：当模拟预警结果的数据值低于阈值时判定为安全，超出阈值时判定为危险，并根据超出阈值程度区分危险等级；
当模拟预警结果判定为“危险”时，系统则发出预警提示。
在一些实施例的一些可选的实现方式中，所述通过所述灾害预警方案实现灾害预警和提前预测，提前预测包括：
将监测数据分为实时监测数据和历史监测数据；
对实时监测数据和历史监测数据进行关联性分析数据挖掘，获得提前监测预警结果；
对实时监测数据和历史监测数据进行趋势性分析数据挖掘获得提前监测数据，以提前监测数据为依据对矿山岩体灾害数值模型进行修正；同时利用修正后的矿山岩体灾害数值模型进行提前数值模拟，获得提前模拟预警结果；
如果提前监测预警结果和提前模拟预警结果相一致，则发布预测结果内容，如果不一致则保留预测结果。
在一些实施例的一些可选的实现方式中，所述通过灾害等级判断方案判断出矿山作业环境的灾害预警等级，包括：
根据所述灾害影响区域获取风险感知数据和关联参数数据；
根据所述关联参数数据，对所述风险感知数据进行数据筛选，生成有效风险感知数据；
根据所述有效风险感知数据，计算每个所述灾害影响区域的区域风险值，构建矿山多参数风险矩阵；
将所述矿山多参数风险矩阵输入风险等级判断模型中，输出矿山作业环境的灾害预警等级。
第二方面本申请提出了一种用于矿山灾害模拟和预警的系统，包括灾害历史参数采集模块、灾害仿真模拟模块、灾害预警方案执行模块和灾害等级判断方案执行模块；
所述灾害历史参数采集模块，用于根据矿山灾害采集对应的灾害历史参数；
所述灾害仿真模拟模块，用于基于所述灾害历史参数构建矿山灾害仿真模型，通过所述矿山灾害仿真模型的仿真结果，确定灾害预警方案和灾害等级判断方案；
所述灾害预警方案执行模块，用于通过所述灾害预警方案实现灾害预警和提前预测；
所述灾害等级判断方案执行模块,用于通过灾害等级判断方案判断出矿山作业环境的灾害预警等级。
本发明的有益效果：
通过对灾害历史参数的收集从而构建矿山灾害仿真模型，通过矿山灾害仿真模型进行仿真模拟，基于仿真模拟的结果确定灾害预警方案和灾害等级判断方案；通过灾害预警方案方案进行灾害预警和提前预测，实现了数值模拟方法与监测方法的有机结合，监测预警结果与模拟预警结果之间相互验证，提高了预警结果的准确性，通过灾害等级判断方案进行灾害预警等级的判断，确定整个矿山地区总危险等级，可准确识别矿山井下生产作业是否发生安全隐患，并生成风险预警，矿山的灾前预测让专业人员及时做好应对措施，为针对性的采取防灾提供技术支撑，保证矿山工作人员的财产和生命安全。
附图说明
图1为本发明的总体流程图。
图2为本发明的系统原理框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制；相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
第一方面本申请提出一种用于矿山灾害模拟和预警的方法，如图1所示，包括步骤S100－S400：
S100：根据矿山灾害采集对应的灾害历史参数；
在一些实施例的一些可选的实现方式中，所述根据矿山灾害采集对应的灾害历史参数，包括：
矿山岩体灾害历史参数采集步骤和矿山火灾灾害历史参数采集步骤；
所述矿山岩体灾害历史参数采集步骤包括：对目标矿山进行地质勘探和测量，获得矿山剖面图与矿山平面图；钻取现场不同岩性的岩芯，对岩芯进行基本物理力学试验，获取岩体的基本物理力学参数、岩石本构关系与破坏准则；通过现场原位测试试验，获得矿山区域的原位地应力参数；
具体实施时，先进行地质调查、地质勘探、岩体结构测量、岩石的基本物理力学测试等，以获取矿山采场及围岩的地质产状、矿山结构与岩体基本物理力学参数，其中主要包括岩体结构面产状、地质构造及分布情况、不同岩性的岩体基本物理力学性质等，进一步的，利用室内岩芯测试试验获取的岩石基本物理力学参数，可反演获得岩体的基本物理力学参数，用于作为数值模拟的岩体力学参数。利用室内力学试验，还可以测试岩石破坏的规律，确定合理的岩石本构关系与破坏准则。
所述矿山火灾灾害历史参数采集步骤包括：通过现场实地调研分析矿山数据，确定矿山外因火灾的风险感知数据和关联参数数据。
进一步的，将矿山火灾灾害历史参数分为风险感知数据和关联参数数，其中，风险感知数据包括：风险参数和非风险参数监测数据。风险参数包括：温度、CH4、C2H4、C2H2、天然气、粉尘、CO、CO2和H2S等；非风险参数包括：位置、角度、风速、风向、二氧化碳和氧气等。关联参数包括：每个风险感知数据所对应的A/D转化精度、分辨率、响应时间、温度漂移、采样器采样时间、A/D转化时间和模拟量响应时间等。
S200：基于所述灾害历史参数构建矿山灾害仿真模型，通过所述矿山灾害仿真模型的仿真结果，确定灾害预警方案和灾害等级判断方案。
在一些实施例的一些可选的实现方式中，所述基于所述灾害历史参数构建矿山灾害仿真模型，包括：
构建矿山岩体灾害数值模型和矿山火灾灾害数值模型；
所述矿山岩体灾害数值模型构建步骤包括：根据矿山剖面图、矿山平面图、岩体的基本物理力学参数、岩石本构关系与破坏准则、原位地应力参数建立所述矿山岩体灾害数值模型；
具体实施时，根据前期获取的采场乃至整个矿山及周边地区的工程地质和水文地质资料，根据所研究的灾害类型选择合适的研究范围，利用建模软件建立矿山岩体灾害数值模型。
所述矿山火灾灾害数值模型构建步骤包括：根据矿山外因火灾的风险感知数据和关联参数数据进行数值模拟，并结合模拟的参数构建所述矿山火灾灾害数值模型；
其中，例如：利用火灾数值模拟技术，对风险参数中的不同热量及CO浓度产生速率的矿井火灾进行数值模拟，模拟温度和CO在矿井的扩散过程，根据温度和CO浓度分布规律，得出在火灾事故发生5min、10min、20min、40min、1h、1.5h、2h不同时间段的火灾事故影响区，并评估火灾影响区域。
依据温度和CO浓度分布规律，将火灾事故影响区分为致死区、高危区、中危区、中低危区、低危区、健康损伤区。致死区：温度大于120摄氏度或CO浓度大于10000ppm，人员3分钟内死亡，能见度1m，逃生速度0.5m/；高危区：温度大于110℃小于120℃或CO浓度小于10000ppm大于6400ppm，10分钟内死亡，能见度2m，逃生速度1m/s；中危区：温度大于90℃小于110℃或CO浓度小于6400ppm大于3200ppm，30分钟内死亡，能见度5m，逃生速度2m/s；中低危区：温度大于70℃小于90℃或CO浓度小于3200ppm大于2400ppm，60分钟内死亡，能见度7m，逃生速度3m/s；低危区：温度大于50℃小于70℃或CO浓度小于2400ppm大于1600ppm，120分钟内死亡，能见度10m，逃生速度4m/s；健康损伤区：温度大于30℃小于50℃或CO浓度小于1600ppm大于100ppm，长时间也可能有致死危险。
根据所研究的灾害类型选择合适的研究范围，利用建模软件建立矿山火灾灾害数值模型。
利用仿真软件将所述矿山岩体灾害数值模型和矿山火灾灾害数值模型进行融合得到矿山灾害仿真模型。
在一些实施例的一些可选的实现方式中，所述通过所述矿山灾害仿真模型的仿真结果，确定灾害预警方案和灾害等级判断方案，包括：
根据矿山岩体仿真结果选择本构模型、应力边界条件与自重条件进行初步数值模拟计算，根据初步数值模拟计算分析的结果确定监测方案，根据所述监测方案确定灾害预警方案；
其中，将获取的岩体参数、本构参数和边界条件作为数值模拟的基本输入，利用前期建立的矿山灾害仿真模型进行矿山岩体仿真，结合矿山生产安排，可以对矿山整体的应力应变响应过程有个初步的理解。同时，这个过程也可以揭示出矿山灾害发生的理论机理与前兆规律，为预警预测灾害提供理论依，进一步的，根据初步的矿山岩体仿真结果，可直观地得出矿山中的高应力集中区域和易发生损伤、出现塑形的部位，结合矿山结构的关键部位(如巷道顶点、采空区顶板等)，针对不同的矿山灾害类型，分析判断出最佳的监测手段，以及传感器的合理布置方案。
根据风险感知数据和关联参数数据进行矿山火灾仿真，确定灾害影响区域，根据所述灾害影响区域确定灾害等级判断方案。
其中，将获取的风险感知数据和关联参数数据作为数值模拟的基本输入，利用前期建立的矿山灾害仿真模型进行矿山火灾仿真，结合矿山生产安排，可以对矿山整体的参数变化过程有个初步的理解，比如，矿山自然发火时除CO、CO2上升外，还存在C2H4、C2H2参数的产生，运输皮带的着火出现风险时，除温升较大时会伴生CO出现，甚至出现烟雾。单独以温升进行判断就会存在较大不确定性，甚至导致系统运行中断，当皮带局部摩擦严重时会产生CO气体，进一步摩擦会产生烟雾，进一步的，包括对不同热量及一氧化碳浓度产生速率的矿井火灾进行仿真，模拟温度和一氧化碳在矿井的扩散过程，确定灾害影响区域，
S300：通过所述灾害预警方案实现灾害预警和提前预测；
在一些实施例的一些可选的实现方式中，所述通过所述矿山灾害仿真模型的仿真结果，确定灾害预警方案和灾害等级判断方案，包括：
根据矿山岩体仿真结果选择本构模型、应力边界条件与自重条件进行初步数值模拟计算，根据初步数值模拟计算分析的结果确定监测方案，根据所述监测方案确定灾害预警方案；
在一些实施例的一些可选的实现方式中，所述通过所述灾害预警方案实现灾害预警和提前预测，灾害预警包括：
对矿山进行现场监测获得监测数据，对监测数据进行分析获得监测预警结果；
在一些实施例的一些可选的实现方式中，所述对矿山进行现场监测获得监测数据，对监测数据进行分析获得监测预警结果，包括：
设置监测点预警阈值；
将监测数据和监测点预警阈值进行对比，获得监测预警结果；
监测预警结果判定标准为：当监测数据值低于阈值时判定为安全，超出阈值时判定为危险，并根据超出阈值程度区分危险等级；
当监测预警结果判定为“危险”时，系统则发出预警提示。
基于所述监测数据对矿山岩体灾害数值模型进行修正，利用修正后的矿山岩体灾害数值模型进行实时数值模拟，获得模拟预警结果；
在一些实施例的一些可选的实现方式中，所述基于所述监测数据对矿山岩体灾害数值模型进行修正，利用修正后的矿山岩体灾害数值模型进行实时数值模拟，获得模拟预警结果，包括：
设置数值模拟预警阈值；
根据监测数据更新修改数值模拟三维数值模型的边界条件；
利用修正后的三维数值模型，模拟矿山的应力应变响应状态，获得数值模拟数据；
将数值模拟数据和数值模拟预警阈值进行对比，获得模拟预警结果；
模拟预警结果判定标准为：当模拟预警结果的数据值低于阈值时判定为安全，超出阈值时判定为危险，并根据超出阈值程度区分危险等级；
当模拟预警结果判定为“危险”时，系统则发出预警提示。
如果监测预警结果和模拟预警结果一致，则向各预警终端发布警报，如果不一致，则保留预警信息。
其中，具体实施时，综合分析监测预警结果和模拟预警结果，如果结果总体一致，则发布预警警报。由于监测点预警阈值是根据理论分析或经验所得，针对不同的现场情况，其合理性还有待修正。而且，监测点只能反映局部响应状态，得出的预警结果往往准确性较差。数值模拟可以得出的区域内整体的响应状态，结合模拟预警结果，可以修正监测预警结果。例如，当某监测点的监测数据超出预警阈值时，需结合模拟预警结果，判断是否发布预警警报。如果模拟预警结果显示该监测点附近区域也处于预警状态，则直接发布预警警报；如果数值模拟显示该监测点附近区域为非预警状态，则向矿山决策者发出预警信息，由矿山决策者根据丰富的现场经验判断是否发布预警警报。
基于监测数据和数值模拟进行灾害的预警，在矿山灾害仿真模型中不仅会实时显示各监测点的实际状态(数据以及是否超阈值)，还会显示整个模型的模拟结果(任意点的应力应变状态以及应力集中区)。既可以在特定的监测点反映矿山的真实状态，又可以了解矿山其他非监测部分的应力应变状态，对矿山的总体安全状态有一个更全面的判断。还可以从力学角度分析灾害发生的原因，推断灾害发生的条件，科学地制定防灾救灾措施。
在一些实施例的一些可选的实现方式中，所述通过所述灾害预警方案实现灾害预警和提前预测，提前预测包括：
将监测数据分为实时监测数据和历史监测数据；
对实时监测数据和历史监测数据进行关联性分析数据挖掘，获得提前监测预警结果；
其中，包括利用人工神经网络算法、支持向量机算法或聚类分析算法对实时监测数据和历史监测数据进行数据挖掘，获得监测数据与灾害发生之间存在的隐含关系；
对数据挖掘结果进行分析，获得提前预测矿山发生灾害事故的可能性，预估灾害发生的地点、规模。
对实时监测数据和历史监测数据进行趋势性分析数据挖掘获得提前监测数据，以提前监测数据为依据对矿山岩体灾害数值模型进行修正；同时利用修正后的矿山岩体灾害数值模型进行提前数值模拟，获得提前模拟预警结果；
其中，包括利用时间序列分析法对实时监测数据和历史监测数据进行数据挖掘，获得提前监测数据；具体实施时，将现场监测采集到的数据(应力、位移、微震、含水率、涌水量、渗透压等)实时的汇集至系统平台，利用前期积累的历史数据与实时监测到的各类数据，借助趋势性分析数据挖掘，例如，时间序列分析等，分析得出未来某时刻的提前监测数据。
利用修正后的矿山岩体灾害数值模型，进行提前数值模拟，模拟矿山范围内未来某时刻的力学响应状态，判断矿山发生灾害的可能性、地点、规模。
具体实施时，利用数据挖掘预测出的提前监测数据作为未来时刻的数值模拟边界条件，进行矿山未来状态提前数值模拟。同时，矿山岩体灾害数值模型随着施工进度实时动态更新，边界条件和初始条件也随着提前预测的预测值实时动态更新，模拟矿山范围内未来某时刻的力学响应状态。根据应力集中区可大致判断矿山发生灾害的可能性、地点、规模，实现矿山灾害的提前模拟预测。
如果提前监测预警结果和提前模拟预警结果相一致，则发布预测结果内容，如果不一致则保留预测结果。
具体实施时，结合数据挖掘预测结果与提前数值模拟结果，综合分析得出未来某时刻灾害发生的可能性、地点和规模。由于数据挖掘预测方法为非确定性预测方法，准确性和可靠性较低。而且，该预测方法为“黑箱”方法，即输入条件与预测结果之间为非确定性联系，并不清楚其导致灾害发生的机理及过程。而数值模拟方法为确定性预测方法，可以清楚的揭示灾害发生的诱因、致灾机理与灾害发展过程，有利于进行灾害的防灾、减灾及灾害重建工作的开展。
S400：通过灾害等级判断方案判断出矿山作业环境的灾害预警等级。
其中，根据风险感知数据和关联参数数据进行矿山火灾仿真，确定灾害影响区域，根据所述灾害影响区域确定灾害等级判断方案。
在一些实施例的一些可选的实现方式中，所述通过灾害等级判断方案判断出矿山作业环境的灾害预警等级，包括：
根据所述灾害影响区域获取风险感知数据和关联参数数据；
根据所述关联参数数据，对所述风险感知数据进行数据筛选，生成有效风险感知数据；
其中，所述关联参数包括：每个所述风险感知数据所对应的采样器采样时间和模拟量响应时间，筛选出所述风险感知数据中模拟量响应时间大于所述采样器采样时间预设倍数的数据作为第一筛选数据，筛选出所述第一筛选数据中在所述连续采样周期内的采样值出现跳变幅值低于预设阈值的数据，作为第二筛选数据，筛选出所述第二筛选数据中在所述连续采样周期内的采样值处于预设区间内的数据，作为有效风险感知数据。
进一步的，根据灾害影响区域将待风险预警的整个矿山领域分割成若干待预警区域在多个连续采样周期内分别探测每个待预警区域内的风险感知数据和关联参数数据。其中，风险感知数据可以采集单个参数或一组参数，构成风险元素集。单个参数一般为该待预警区域故有风险标志性参数，如甲烷、天然气、粉尘等具有爆炸性气体或悬浮气溶胶，CO、H2S等有毒气体；一组参数多为评估区域内环境质量或风险现状与变化趋势的参数组，如风速、风向、二氧化碳、氧气、温度等，以及判断上升速率、覆盖面积等参数用时间、定位数据等，还包括振动、噪声、应力等区域存在的特征参数。
其次，根据关联参数数据，对风险感知数据进行数据筛选，生成有效风险感知数据。为了保证数据的有效性，要对数据进行筛选，筛选应以采样器采样时间St，A/D转化时间Ct，以及模拟量响应时间T90为依据，筛选数据间隔以信号周期为间隔进行筛选，防止干扰数据造成运算偏差，生成第一筛选数据。
在一组连续采样周期内，对风险感知数据中的各个参数采样值进行计算、分析，得出有害因素量值和变化规律符合该参数变化值允许规则范围内。在同一时间段，对多个采样通道进行数据采样，分别对风险感知数据中的多个参数采样值进行计算、分析，得出多个参数变化值也在允许规则范围内。进一步地，对同一连续采样周期时间段内各参数进行分析，对存在趋势变化的各参数进行筛选，记录变化规律。在一组连续采样周期内，风险感知数据的采样值出现非规律超允许误差的跳变(正跳变和负跳变)幅值异常偏大数据，应特殊关注，记录采样点时间与采样值一并作为数据采样异常报警。采样数据原则上不参数与风险预警判断，剔除掉采样值出现跳变超过预设阈值的数据，以确保数据可靠，生成第二筛选数据。
由于感知元件固有参数是有范围的，在一个连续采样周期内风险感知数据采样值是存在阈值的，超出阈值范围的采样是无效的，属于异常采样，因此还要对采样值有效性进行对比判定，最终确定有效风险感知数据。
根据所述有效风险感知数据，计算每个所述灾害影响区域的区域风险值，构建矿山多参数风险矩阵；
进一步地，根据最终确定的有效风险感知数据，计算每个待预警区域的区域风险值。对有效风险感知数据按时间顺序进行排列，计算分析出该通道数据变化规律，按如下公式(1)，计算单参数有害因素风险值Rz：
式中，Ri为第i个参数的有害因素风险值；Aa为第i个参数的当前量值；Ab为第i个参数的最大允许量值；f(t)为第i个参数值与时间t关系函数，f(t)＝kt，k为预设系数，可以对第i个参数值的采集时间差计算获得；t为连续采样周期内的任一时间；t∈[0,t1]。
根据所述待预警区域内所有参数的有害因素风险值，计算所述待预警区域的区域风险值：
R区域＝R1×a1×β1×γ1+R2×a2×β2×γ2…+Ri×ai×βi×γi
式中，Ri为第i个参数的有害因素风险值；αi为所述第i个参数的危险伤害性权重系数，βi为所述第i个参数的危险伤害出现概率权重系数，γi为所述第i个参数的诱发次生灾害权重系数；
根据所有所述待预警区域的有害因素风险值和区域风险值，构建矿山多参数风险矩阵。
根据任一所述待预警区域的有害因素风险值，构建所述任一待预警区域的数据矩阵Nij
其中，Nij中i表示第i个参数的有害因素风险值Ri；Nij中j表示在所述连续采样周期内按预设时间间隔选取的各个时间点数据；
该数据矩阵Nij计算结果是整个任一待预警区域、一个连续采样周期长时间段的一个平均数据，无法表现出某时间段某特定参数的风险值。
可选地，Nij还可以表示为特定参数在不同区域、不同时间段的风险展示模型，以CO风险指标构建的5个采样节点，5个区域(每一行代表1个区域)构建的风险矩阵模型CO5,5
由矩阵模型可以直观显示，在区域1(第1行)的CO风险指标随时间在上升。
根据所有待预警区域内(不同区域不同地点)的数据矩阵Nij和区域风险值R区域，计算整个矿井总风险，构建整个矿山多参数风险矩阵R总：
R总＝R区域1Nij1+R区域2Nij2+…+R区域nNijn
式中，R区域n为第n个3待预警区域的区域风险值；Nijn为第n个待预警区域的数据矩阵。
将Nij1、Nij2和Nij3分别用Nij、Mij、Pij进行表示，即可得到
此时，
其中，Mij表示第2个待预警区域的数据矩阵，Mij中i表示该第2个待预警区域中的第i个参数的有害因素风险值Ri；j表示在连续采样周期内按预设时间间隔选取的各个时间点数据；
其中，Pij表示第3个待预警区域的数据矩阵，Pij中i表示该第3个待预警区域中的第i个参数的有害因素风险值Ri；j表示在连续采样周期内按预设时间间隔选取的各个时间点数据。Nij、Mij和Pij是同型矩阵，在数据分析中可以进行矩阵运算。
同一待预警区域内参数风险计算原则上将采样点控制在最小容差范围，不得出现处于该连续采样周期时间段之外的各参数进行特定时间段Rz、R区堿、R总计算。利用大数据统计方法，分别对不同待预警区域Rz、R区堿，以及不同时间段R总进行统计、分析、评估，并最终得到整个矿山不同阶段的风险指标与风险管理现况。
将所述矿山多参数风险矩阵输入风险等级判断模型中，输出矿山作业环境的灾害预警等级。
最后，将整个矿山多参数风险矩阵输入风险等级判断模型中，对整个矿山作业环境进行风险预警。本实施例，通过在模拟训练过程中，对风险灾害的采样、运算，输出探测到的风险类型、等级，并用输入方式对风险类型、等级进行告知，实现装置的半自动学习，在同类参数不同变化时自动计算判断实现自主学习的目的。
其中，具体风险等级判断模型通过如下方式构建：
构建神经网络模型；将风险预警的训练样本数据输入神经网络模型中进行训练；
每个训练样本数据均包括：矿山多参数风险矩阵和带有风险预警等级的标识；判断训练得到的模型是否满足预设条件；当训练得到的模型满足预设条件时，确定训练得到的模型为风险等级判断模型。
可选地，可以根据如下规则标定风险预警等级：若矿山多参数风险矩阵中，任一参数的有害因素风险值超过该任一参数对应的预设阈值，则生成蓝色预警；若矿山多参数风险矩阵中，任意两个参数的有害因素风险值均超过该任意两个参数对应的预设阈值，则生成黄色预警；若矿山多参数风险矩阵中，任意三个参数的有害因素风险值均超过该任意三个参数对应的预设阈值，则生成橙色预警；若矿山多参数风险矩阵中，存在四个及以上参数的有害因素风险值均超过该参数对应的预设阈值，则生成红色预警。
本实施例对该风险预警等级的判定规则不作限定，可根据实际情况进行灵活调整。比如：在探测矿山内皮带运输作业场景，可根据异常温升并根据温升速率和温升值定义为火灾蓝色预警和黄色预警，温升达到一定高度并检测到CO并达到阈值后定义为橙色预警，进一步探测到烟雾时(甚至探测到火焰)时定义为红色预警，这样在权重分配时，温升权重较低，CO次之，烟雾及火焰探测权重最高。
第二方面本申请提出了一种用于矿山灾害模拟和预警的系统，如图2所示，包括灾害历史参数采集模块、灾害仿真模拟模块、灾害预警方案执行模块和灾害等级判断方案执行模块；
所述灾害历史参数采集模块，用于根据矿山灾害采集对应的灾害历史参数；
所述灾害仿真模拟模块，用于基于所述灾害历史参数构建矿山灾害仿真模型，通过所述矿山灾害仿真模型的仿真结果，确定灾害预警方案和灾害等级判断方案；
所述灾害预警方案执行模块，用于通过所述灾害预警方案实现灾害预警和提前预测；
所述灾害等级判断方案执行模块,用于通过灾害等级判断方案判断出矿山作业环境的灾害预警等级。
以上仅是本发明优选的实施方式，需指出的是，对于本领域技术人员在不脱离本技术方案的前提下，作出的若干变形和改进的技术方案应同样视为落入本权利要求书要求保护的范围。
Claims (10)
1.一种用于矿山灾害模拟和预警的方法，其特征在于：包括以下步骤：
根据矿山灾害采集对应的灾害历史参数；
基于所述灾害历史参数构建矿山灾害仿真模型，通过所述矿山灾害仿真模型的仿真结果，确定灾害预警方案和灾害等级判断方案；
通过所述灾害预警方案实现灾害预警和提前预测；
通过灾害等级判断方案判断出矿山作业环境的灾害预警等级。
2.根据权利要求1所述的方法，其特征在于：所述根据矿山灾害采集对应的灾害历史参数，包括：
矿山岩体灾害历史参数采集步骤和矿山火灾灾害历史参数采集步骤；
所述矿山岩体灾害历史参数采集步骤包括：对目标矿山进行地质勘探和测量，获得矿山剖面图与矿山平面图；钻取现场不同岩性的岩芯，对岩芯进行基本物理力学试验，获取岩体的基本物理力学参数、岩石本构关系与破坏准则；通过现场原位测试试验，获得矿山区域的原位地应力参数；
所述矿山火灾灾害历史参数采集步骤包括：通过现场实地调研分析矿山数据，确定矿山外因火灾的风险感知数据和关联参数数据。
3.根据权利要求2所述的方法，其特征在于：所述基于所述灾害历史参数构建矿山灾害仿真模型，包括：
构建矿山岩体灾害数值模型和矿山火灾灾害数值模型；
所述矿山岩体灾害数值模型构建步骤包括：根据矿山剖面图、矿山平面图、岩体的基本物理力学参数、岩石本构关系与破坏准则、原位地应力参数建立所述矿山岩体灾害数值模型；
所述矿山火灾灾害数值模型构建步骤包括：根据矿山外因火灾的风险感知数据和关联参数数据进行数值模拟，并结合模拟的参数构建所述矿山火灾灾害数值模型；
利用仿真软件将所述矿山岩体灾害数值模型和矿山火灾灾害数值模型进行融合得到矿山灾害仿真模型。
4.根据权利要求3所述的方法，其特征在于：所述通过所述矿山灾害仿真模型的仿真结果，确定灾害预警方案和灾害等级判断方案，包括：
根据矿山岩体仿真结果选择本构模型、应力边界条件与自重条件进行初步数值模拟计算，根据初步数值模拟计算分析的结果确定监测方案，根据所述监测方案确定灾害预警方案；
根据风险感知数据和关联参数数据进行矿山火灾仿真，确定灾害影响区域，根据所述灾害影响区域确定灾害等级判断方案。
5.根据权利要求4所述的方法，其特征在于：所述通过所述灾害预警方案实现灾害预警和提前预测，灾害预警包括：
对矿山进行现场监测获得监测数据，对监测数据进行分析获得监测预警结果；
基于所述监测数据对矿山岩体灾害数值模型进行修正，利用修正后的矿山岩体灾害数值模型进行实时数值模拟，获得模拟预警结果；
如果监测预警结果和模拟预警结果一致，则向各预警终端发布警报，如果不一致，则保留预警信息。
6.根据权利要求5所述的方法，其特征在于：所述对矿山进行现场监测获得监测数据，对监测数据进行分析获得监测预警结果，包括：
设置监测点预警阈值；
将监测数据和监测点预警阈值进行对比，获得监测预警结果；
监测预警结果判定标准为：当监测数据值低于阈值时判定为安全，超出阈值时判定为危险，并根据超出阈值程度区分危险等级；
当监测预警结果判定为“危险”时，系统则发出预警提示。
7.根据权利要求1所述的方法，其特征在于：所述基于所述监测数据对矿山岩体灾害数值模型进行修正，利用修正后的矿山岩体灾害数值模型进行实时数值模拟，获得模拟预警结果，包括：
设置数值模拟预警阈值；
根据监测数据更新修改数值模拟三维数值模型的边界条件；
利用修正后的三维数值模型，模拟矿山的应力应变响应状态，获得数值模拟数据；
将数值模拟数据和数值模拟预警阈值进行对比，获得模拟预警结果；
模拟预警结果判定标准为：当模拟预警结果的数据值低于阈值时判定为安全，超出阈值时判定为危险，并根据超出阈值程度区分危险等级；
当模拟预警结果判定为“危险”时，系统则发出预警提示。
8.根据权利要求7所述的方法，其特征在于：所述通过所述灾害预警方案实现灾害预警和提前预测，提前预测包括：
将监测数据分为实时监测数据和历史监测数据；
对实时监测数据和历史监测数据进行关联性分析数据挖掘，获得提前监测预警结果；
对实时监测数据和历史监测数据进行趋势性分析数据挖掘获得提前监测数据，以提前监测数据为依据对矿山岩体灾害数值模型进行修正；同时利用修正后的矿山岩体灾害数值模型进行提前数值模拟，获得提前模拟预警结果；
如果提前监测预警结果和提前模拟预警结果相一致，则发布预测结果内容，如果不一致则保留预测结果。
9.根据权利要求8所述的方法，其特征在于：所述通过灾害等级判断方案判断出矿山作业环境的灾害预警等级，包括：
根据所述灾害影响区域获取风险感知数据和关联参数数据；
根据所述关联参数数据，对所述风险感知数据进行数据筛选，生成有效风险感知数据；
根据所述有效风险感知数据，计算每个所述灾害影响区域的区域风险值，构建矿山多参数风险矩阵；
将所述矿山多参数风险矩阵输入风险等级判断模型中，输出矿山作业环境的灾害预警等级。
10.一种用于矿山灾害模拟和预警的系统，其特征在于：包括灾害历史参数采集模块、灾害仿真模拟模块、灾害预警方案执行模块和灾害等级判断方案执行模块；
所述灾害历史参数采集模块，用于根据矿山灾害采集对应的灾害历史参数；
所述灾害仿真模拟模块，用于基于所述灾害历史参数构建矿山灾害仿真模型，通过所述矿山灾害仿真模型的仿真结果，确定灾害预警方案和灾害等级判断方案；
所述灾害预警方案执行模块，用于通过所述灾害预警方案实现灾害预警和提前预测；
所述灾害等级判断方案执行模块,用于通过灾害等级判断方案判断出矿山作业环境的灾害预警等级。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310354656.2A CN116384112A (zh) | 2023-04-06 | 2023-04-06 | 一种用于矿山灾害模拟和预警的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310354656.2A CN116384112A (zh) | 2023-04-06 | 2023-04-06 | 一种用于矿山灾害模拟和预警的方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116384112A true CN116384112A (zh) | 2023-07-04 |
Family
ID=86976401
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310354656.2A Pending CN116384112A (zh) | 2023-04-06 | 2023-04-06 | 一种用于矿山灾害模拟和预警的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116384112A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116704708A (zh) * | 2023-08-08 | 2023-09-05 | 山东省减灾中心 | 一种基于大数据的智能自然灾害预警系统及方法 |
| CN117037456A (zh) * | 2023-10-10 | 2023-11-10 | 山东科技大学 | 一种现场监测的矿山灾害预测预警方法及系统 |
| CN117610436A (zh) * | 2024-01-23 | 2024-02-27 | 天津矿智科技有限公司 | 一种三维矿产开采模型构建方法及系统 |
-
2023
- 2023-04-06 CN CN202310354656.2A patent/CN116384112A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116704708A (zh) * | 2023-08-08 | 2023-09-05 | 山东省减灾中心 | 一种基于大数据的智能自然灾害预警系统及方法 |
| CN117037456A (zh) * | 2023-10-10 | 2023-11-10 | 山东科技大学 | 一种现场监测的矿山灾害预测预警方法及系统 |
| CN117037456B (zh) * | 2023-10-10 | 2024-01-30 | 山东科技大学 | 一种现场监测的矿山灾害预测预警方法及系统 |
| CN117610436A (zh) * | 2024-01-23 | 2024-02-27 | 天津矿智科技有限公司 | 一种三维矿产开采模型构建方法及系统 |
| CN117610436B (zh) * | 2024-01-23 | 2024-03-26 | 天津矿智科技有限公司 | 一种三维矿产开采模型构建方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116384112A (zh) | 一种用于矿山灾害模拟和预警的方法及系统 | |
| CN108154265B (zh) | 一种矿井火灾逃生路径的元胞自动机优化与引导方法 | |
| CN108510112B (zh) | 一种现场监测与数值模拟相结合的矿山灾害预测预警方法 | |
| CN111291934B (zh) | 一种隧道施工过程中围岩实时分级预测及自检方法 | |
| CN101787897B (zh) | 一种实时预测矿井煤与瓦斯突出危险性的系统及其方法 | |
| CN106437853A (zh) | 一种煤岩冲击地压动力灾害预警方法 | |
| CN113988530A (zh) | 一种非煤矿山安全风险评估分级方法及系统 | |
| CN112031872B (zh) | 一种冲击地压全息预警方法及装置、存储介质、计算设备 | |
| Mishra et al. | Geotechnical risk management concept for intelligent deep mines | |
| Niu et al. | Types and occurrence time of rockbursts in tunnel affected by geological conditions and drilling & blasting procedures | |
| CN114331151A (zh) | 一种矿山井下掘采运作业环境风险预警方法 | |
| CN111325461B (zh) | 基于振动监测技术的煤层冲击危险性实时评估方法 | |
| CN111259335B (zh) | 一种隧道下穿道路施工风险分析系统及方法 | |
| CN114492980B (zh) | 一种城镇燃气埋地管道腐蚀风险的智能预测方法 | |
| Li et al. | Real-time warning and risk assessment of tailings dam disaster status based on dynamic hierarchy-grey relation analysis | |
| Rudakov et al. | Assessment of the individual risk of fatal injury to coal mine workers during collapses | |
| CN112837183A (zh) | 基于大数据和物联网协同作用的隧道工程项目施工安全实时监测方法和云监测平台 | |
| CN116181416A (zh) | 一种冲击地压多参量超前预警系统及方法 | |
| CN115688251A (zh) | 基于深度学习的地震多发区隧道风险决策方法及系统 | |
| Cheng et al. | Analysis of coal mine occupational disease hazard evaluation index based on AHP-DEMATEL | |
| CN114810213A (zh) | 用于煤与瓦斯突出的多源信息融合智能预警方法及装置 | |
| Wang et al. | Early warning method for coal and gas outburst prediction based on indexes of deep learning model and statistical model | |
| CN111125965B (zh) | 一种致灾因素条件下应急调控装备可靠性评估方法及系统 | |
| CN115083123B (zh) | 一种以实测数据为驱动的矿井煤自燃智能分级预警方法 | |
| Qiu et al. | Risk prediction of coal and gas outburst based on abnormal gas concentration in blasting driving face |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |