大数据理论下的煤与瓦斯突出事故致因分析

被引:21
作者
司鹄 [1 ,2 ]
赵剑楠 [1 ,2 ]
胡千庭 [1 ,2 ]
机构
[1] 重庆大学煤矿灾害动力学与控制国家重点实验室
[2] 重庆大学资源及环境科学学院
基金
国家重点研发计划;
关键词
安全科学与工程; 煤与瓦斯突出; 大数据理论; 致因; 瓦斯含量;
D O I
10.13800/j.cnki.xakjdxxb.2018.0401
中图分类号
TD713 [煤(岩石)与瓦斯突出的预防和处理];
学科分类号
081903 ;
摘要
煤与瓦斯突出事故致因分析对矿井的安全生产具有重要意义。文中将大数据理论应用于煤与瓦斯突出事故致因分析,旨在为突出事故提供一种新的研究方法。对近15 a来发生的一般及以上的煤与瓦斯突出事故进行统计分析与深度挖掘,提取影响煤与瓦斯突出事故发生的27个因素。采用关联分析对影响因素进行定量研究,分析其重要程度;并将其中7个主要因素分别与瓦斯含量和瓦斯压力进行交叉耦合分析,归纳煤与瓦斯突出事故发生的一般性规律。研究表明:造成煤与瓦斯突出事故的主要影响因素不仅是瓦斯含量和瓦斯压力,地质构造、煤层厚度、开拓方式、采煤工艺、作业方式和掘进工艺也对煤与瓦斯突出事故具有重要影响;在不同开采条件下发生煤与瓦斯突出的临界瓦斯含量差异较大,对于复杂地质构造的矿井,当瓦斯含量接近8 m3/t时采取区域防突措施,才能有效地防止突出事故的发生;利用大数据理论分析煤与瓦斯突出事故可以为事故的预测预警提供可信的依据,能有效提高煤与瓦斯突出预测的准确率。
引用
收藏
页码:515 / 522+537 +537
页数:9
相关论文
共 17 条
[1]  
基于大数据应用的300MW CFB机组调峰经济性研究.[D].李鹏飞.华北电力大学.2015, 05
[2]   基于Spark Streaming流回归的煤矿瓦斯浓度实时预测 [J].
吴海波 ;
施式亮 ;
念其锋 .
中国安全生产科学技术, 2017, 13 (05) :84-89
[3]   国外城市管理大数据应用典型案例及启示 [J].
王忠 ;
安智慧 .
现代情报, 2016, 36 (09) :168-172
[4]   MapReduce大数据分析在煤矿的应用研究 [J].
刘玉海 .
软件, 2016, 37 (05) :101-104
[5]   大数据煤矿胶带输送机速度状态评估模型设计 [J].
罗波 ;
张金锁 ;
邢书宝 .
西安科技大学学报, 2016, 36 (02) :176-180
[6]   互联网金融中的大数据应用 [J].
叶中行 .
科研信息化技术与应用, 2015, 6 (02) :3-10
[7]   煤矿事故分析与煤矿大数据和物联网 [J].
孙继平 .
工矿自动化, 2015, 41 (03) :1-5
[8]   基于大数据思维的瓦斯地质分析方法 [J].
张庆华 ;
李明建 ;
王麒翔 ;
林辉钦 .
煤炭技术, 2015, 34 (02) :75-76
[9]   煤矿瓦斯事故应急处置致因因子分析 [J].
盛武 ;
付小红 ;
高明中 ;
杨力 .
中国安全科学学报, 2014, 24 (12) :144-150
[10]   基于Cramer's V的连续属性离散化算法 [J].
郭启铭 ;
樊玮 .
计算机工程, 2008, (04) :111-112