Resumen

La intensidad y la profundidad de la minería del carbón en China son cada vez mayores, y el riesgo de catástrofes dinámicas con compuestos de carbón y gas es prominente, lo que restringe seriamente la minería ecológica, segura y eficiente de los recursos de carbón de China. La forma de predecir con precisión el riesgo de catástrofes es una base importante para la prevención y el control de las mismas. En este trabajo, se toma como objeto de investigación la mina de carbón Pingdingshan nº 8, y se combinan el análisis relacional gris (GRA), el análisis de componentes principales (PCA) y la red neuronal BP para predecir el desastre dinámico del compuesto de carbón y gas. En primer lugar, los pesos de 13 factores influyentes se clasifican y seleccionan mediante el análisis relacional gris. A continuación, se lleva a cabo un análisis de componentes principales en los factores de influencia con alto valor de peso para extraer los factores comunes. A continuación, el factor común se utiliza como parámetro de entrada de la red neuronal BP para entrenar los datos anteriores. Por último, se establece el modelo de predicción de catástrofes dinámicas del compuesto de carbón y gas basado en la red neuronal GRA-PCA-BP. Tras la verificación, el modelo puede predecir eficazmente la ocurrencia del desastre dinámico del compuesto de carbón y gas. Los resultados de la predicción son coherentes con la situación real de la mina de carbón con una gran precisión y practicidad. Este trabajo es de gran importancia para garantizar la producción segura y eficiente de las minas profundas.

• Materias:Dióxido de carbono Perforación de pozos de minas Yacimientos minerales Minería Minas y minería Geofluidos
• Subjects:Carbon dioxide Shaft sinking Mineral deposits Mining Mines and mining Geofluids
• Palabras claves:compuesto de gas, análisis de componentes principales, red neuronal, catástrofe dinámica, análisis relacional gris, mina de carbón, factores comunes, parámetros de pb, profundidad de china, aparición de carbón
• Keywords:gas compound, principal components analysis, neural network, dynamic disaster, grey relational analysis, coal mine, common factors, parameters of bp, depth of china, occurrence of coal