漳村煤矿3号煤层突出预测敏感指标确定

煤与瓦斯突出预测敏感指标的确定对安全开采至关重要。分析了传统确定方法的局限性，并提出了基于统计分析的新方法，以确定不同地质条件下的预测指标适用性。在开滦矿区的实际应用中发现，钻孔瓦斯涌出初速度指标适用于典型突出煤层，瓦斯解吸指标适用于主要瓦斯型突出煤层，钻屑量指标适用于主要应力型突出煤层。研究表明，高应力是开滦矿区控制突出的主要因素，其次是高压瓦斯，关键预测指标为钻屑量和瓦斯解吸指标。

为了有效预防和减少我国煤矿发生的煤与瓦斯突出事故，推进煤层“零突出”目标管理，基于国内外研究成果，分析当前煤层管理措施，提出了突出煤层分级管理方案，并通过数理统计方法分析了煤矿事故数据和煤层特性，明确了突出煤层不同级别的管理需求。

基于神经网络的自学习方法，应用人工神经元网络系统理论，在西山煤电集团东曲矿综采工作面的实际资料统计分析基础上，预测工作面的日进度、日产量、回采工效率、坑木消耗、配件消耗等综合技术经济指标，预测结果精确度高，与实际相符。这一研究方法为煤矿综采工作面的计划、生产和管理提供了新的预测决策方法。

为了识别导致煤与瓦斯突出的因素，并制定预防措施以降低事故率，本研究基于“2-4”模型建立了煤矿瓦斯突出事故的成因分类框架。分析了93起重大煤矿瓦斯突出事故的直接原因、间接原因、根本原因和根源原因，揭示了各类事故原因的具体表现和主要因素，并提出了相应的控制措施。研究结果显示，事故原因可分为13类因素，包括不安全的操作行为、物态条件、间接因素和根本因素，其中违章放炮、突出前兆、安全意识不足、培训管理不完善和安全意识低等因素是事故发生的主要原因。

利用电力工单数据，通过熵权法、主成分分析和决策树算法，识别潜在投诉倾向客户和计划停电敏感客户。为服务资源调度和应对措施提供依据，提升服务精度和减少投诉压力。

本系统利用煤矿安全生产大数据，采用组合数据挖掘方法，建立了煤矿事故预测信息系统。详细阐述了系统需求分析与设计流程。

基于水射流割缝煤层增透技术，分析割缝后煤体的应力分布状态，并计算钻孔径向应力和切向应力。在理论分析水射流割缝对钻孔影响半径的基础上，确定了水射流割缝钻孔布置的技术工艺。根据现场实测数据，统计分析了动态指标，验证了水射流割缝后煤层瓦斯抽采增透效果。中兴矿现场试验表明，与传统钻孔相比，采用水射流割缝钻孔能够使瓦斯抽采浓度提高3.6倍，流量提高2.7倍，纯流量提高9.7倍；上覆三采西翼回风巷平均风排瓦斯涌出量最大减少0.68米。

彬长矿区4号煤层主要以低硫、低中灰、中高挥发分、特高热值不黏煤为主，局部含有弱黏煤。依据煤炭资源潜力评价提出的6级划分方案，将其原煤洁净等级初步划分为Ⅲ级，属较好洁净煤；浮煤洁净等级为Ⅱ级，属好洁净煤。整个矿区4号煤层原煤洁净等级以Ⅲ级较好洁净煤为主，分布面积占比达73.03%，仅在西部和中东部出现小范围Ⅳ级中等洁净煤分布区，占比26.97%。

针对高瓦斯突出煤层综采工作面粉尘污染问题，利用回风巷瓦斯抽采孔进行煤层注水降尘试验。研究分析了注水量、注水流量和注水压力随时间的变化，以及注水前后煤体水分增量和降尘效果。 结果表明，利用瓦斯抽采孔进行动静压结合注水减尘，操作简便，减少了注水钻孔施工量。注水后，煤体水分增量超过1%，司机位置总粉尘浓度从1 335.5 mg/m3降至681.1 mg/m3，呼吸性粉尘浓度从358.6 mg/m3降至167.1 mg/m3，降尘效率分别为49.0%和53.4%。采煤机下风侧15 m处总粉尘浓度从1 108.9 mg/m3降至526.8 mg/m3，呼吸性粉尘浓度从303.9 mg/m3降至145.8 mg/m3，降尘效率分别为52.5%和52.0%。