[发明专利]一种煤矿突水动水注浆量预测与注浆效果评价方法

摘要

本发明属于矿井动水注浆预测与评价技术领域，涉及一种煤矿突水动水注浆量预测与注浆效果评价方法,在收集矿区封堵矿井突水过程中动水注浆量数据样本资料基础上，分析影响注浆量变化的因素，综合遗传算法和支持向量机的学习理论，建立动水注浆量与其影响因素非线性数据模型，并将该模型应用到实际的工程实例中；并以注浆后突水点封堵率和注浆预测率两个影响因素，将注浆封堵突水点效果分为优秀、良好、合格、不合格四个级别的评价标准方法；其预测与评价过程简单，原理科学，节省人力和财力，能及时预测矿井突水动水注浆量，合理评价注浆效果，经济效益明显。

主权项

一种煤矿突水动水注浆量预测与注浆效果评价方法，其特征在于实现注浆量预测与注浆效果评价的具体过程为：(1)、收集包括封堵钻孔个数、突水标高、突水水压、突水量、注浆材料、注浆压力和注浆量参数的注浆封堵矿井突水资料，建立注浆封堵矿井突水数据样本，初步分析影响动水注浆量的因素；(2)、将影响动水注浆量的因素包括突水标高、突水量和封堵钻孔个数进行多元线性回归方程分析，并通过F检验及t检验分析注浆量与其影响因素的相关性和显著性，如果动水注浆量与其影响因素线性相关且存在显著性变化，则直接利用多元线性回归分析动水注浆量；如果动水注浆量和影响因素不存在线性关系，则对动水注浆量与其影响因素进行非线性分析；(3)、选择遗传‑支持向量机作为研究动水注浆量与其影响因素做非线性分析工具，建立动水注浆量的预测非线性模型模型，具体建立过程：第一步，将前21个数据样本中的注浆量数据读入并保存为注浆量训练样本文件，将前21个样本中的影响因素读入并保存为注浆量影响因素训练样本文件，将后5个注浆量数据样本读入并保存为注浆量测试样本文件，将后5个注浆量影响因素数据样本读入并保存为注浆量影响因素测试样本文件，并将上述四个文件另存为一个matable可读文件；第二步，将matable可读文件读入遗传‑支持向量机算法程序，并借助遗传算法自动寻优支持向量机参数c和g，其中g＝1/σ²,σ为支持向量机参数c的核函数参数，然后通过样本映射计算和线性拟合训练，得到学习样本拟合图，并根据拟合程度的相对误差的均方误差评价学习效果，若相对误差的均方误差不趋向于0，则学习效果不好，重新进行学习；若相对误差的均方误差趋向于0，则学习效果好，建立初始模型；第三步，根据测试样本中注浆量预测值与实际注浆量的相对误差验证初始模型的泛化度，当相对误差的均方误差趋向于0时，说明建立的初始模型泛化度好，初始模型即为动水注浆量的预测非线性模型模型；当相对误差的均方误差不趋向于0时，返回需要返回第二步，借助遗传算法重新进行支持向量机参数寻优，直至找到最优参数c和g，使相对误差的均方误差趋向于0为止；(4)、结合现有煤矿防治水规定，综合考虑注浆量、注浆材料对注浆效果的影响，根据注浆后突水点封堵率和注浆预测率η将注浆封堵突水点效果标准分为优秀、良好、合格、不合格四个级别，完成煤矿突水动水注浆量预测与注浆效果评价，其中为注浆后突水点减少水量与突水量的比值，η为实际注浆量与预测量之间的变化值占预测量的百分数为不合格；且η＞30％为合格；且η≤30％或且10％＜η≤30％为良好；且η≤10％为优秀。