矿井水害防治基础信息管理及突水预测评价系统4.18概要.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 奥灰含水层水压归一化专题图 六、矿井突水评价模型库 有效隔水层厚度归一化等值线图 六、矿井突水评价模型库 底板破坏深度深度归一化专题图 六、矿井突水评价模型库 4.实例应用 1）南屯煤矿下组煤层底板奥灰突水危险性评价 （2）基于AHP的危险性指数评价模型 系统对归一化处理后的各评价指标专题图进行多元信息复合叠加，得到16上煤层底板奥灰含水层突水危险性评价指数网格化数据，通过自然分级法确定突水危险性评价等级分区阈值。最终获得16上煤层底板奥灰突水危险性评价分区图。 采用相同评价方法，获得17煤层底板奥灰突水危险性评价分区图。 六、矿井突水评价模型库 16上煤层底板奥灰突水危险性分区图 六、矿井突水评价模型库 17煤层底板奥灰突水危险性分区图 六、矿井突水评价模型库 4.实例应用 2）红柳煤矿2#顶板直罗组砂岩含水层进行突水危险性评价 选用基于熵权的BP神经网络突水评价模型对该研究区进行突水危险性评价。 根据已构建的红柳煤矿2#顶板直罗组砂岩含水层突水危险性评价的指标体系，确定了该评价模型的输入为岩性结构影响指数、构造影响指数、含水层孔隙度、含水层水压、顶板导水裂缝带高度及顶板有效保护层厚度共6个指标因子。 六、矿井突水评价模型库 4.实例应用 2）红柳煤矿2#顶板直罗组砂岩含水层进行突水危险性评价 ①首先将各指标数据输入系统评价模型中，各评价指标数据进行统一标准网格化、归一化处理；②构造一个400行6列的熵权值评价矩阵，并基于信息熵权法计算各评价指标的权值；③根据红柳煤矿评价指标体系，对神经网络模型各参数进行设置，并依次向网络模型中输入训练样本、校验样本，进行模型学习训练，获取突水评价模型；④输入预测样本，利用已训练好的评价模型对2#顶板含水层进行突水危险性评价。 六、矿井突水评价模型库 六、矿井突水评价模型库 熵权值评价矩阵 训练样本 样本序号 指标1 指标2 指标3 指标4 指标5 指标6 期望值 1 0.070648 0.119509 0.033983 0.090776 0.04297 0.09897 0.55695 2 0.040897 0.131582 0.069631 0.066648 0.02468 0.05335 0.64080 3 0.11121 0.058355 0.062283 0.085134 0.07718 0.06964 0.63603 4 0.04946 0.087082 0.049036 0.099128 0.06743 0.03253 0.60674 5 0.09422 0.069698 0.039065 0.108398 0.04945 0.02922 0.56403 6 0.09723 0.100657 0.034714 0.119349 0.04583 0.01915 0.63693 六、矿井突水评价模型库 样本序号 指标1 指标2 指标3 指标4 指标5 指标6 期望值 实际值 1 0.09723 0.100657 0.034714 0.119349 0.04583 0.01915 0.63693 0.630561 2 0.10091 0.070933 0.076636 0.090100 0.03957 0.01019 0.57221 0.567632 3 0.08085 0.114000 0.057526 0.064477 0.04504 0.02674 0.54322 0.538331 4 0.10310 0.113746 0.064355 0.075863 0.04300 0.04210 0.58956 0.586023 5 0.07866 0.130623 0.046712 0.057663 0.04462 0.08988 0.65243 0.645906 校验样本 六、矿井突水评价模型库 网络模型训练收敛曲线 六、矿井突水评价模型库 预测评价结果输出 4.实例应用 2）红柳煤矿2#顶板直罗组砂岩含水层进行突水危险性评价 对模型预测评价结果采用自然分级法确定危险性分区阈值，按照分区阈值绘制该研究区的突水危险性分区图。 六、矿井突水评价模型库 红柳煤矿煤层顶板砂岩含水层突水危险性等级分区图 六、矿井突水评价模型库 4.实例应用 2）红柳煤矿2#