煤炭学报

作者：王凯, 王东旭, 周爱桃, 张俊文, 宋方舟, 杜昌昂, 郝玉双, 范席辉, 赵伟,

关键词：抽采系统, 智能预测, 管网解算, 智能寻优, 智能决策调控,

瓦斯抽采负压的准确设置是确保瓦斯抽采系统高效抽采的关键，如何确定抽采系统中各位置的最优负压是目前亟需解决的技术难点。因此，为了合理、精准地调控瓦斯抽采系统负压，通过对比分析4种预测算法筛选出了表现最为出色的预测算法，并对其自身缺点进行改进，基于改进后的算法模型构建了钻孔负压智能决策调控模型；构建了瓦斯抽采管网解算模型并实现了管网解算模型的解算寻优，基于改进粒子群算法构建了管网智能寻优决策调控模型；在现场开展了试验研究，验证了智能决策调控模型的可靠性。结果表明：4种预测算法中LSTM(Long Short-Term Memory)与瓦斯抽采数据特征匹配度最高，改进得到的CNN-LSTM(Convolutional Neural Network- Long Short-Term Memory)模型能有效改善LSTM过度依赖时间序列的问题，基于CNN-LSTM模型构建的钻孔智能决策调控模型能够实现钻孔抽采负压的精准预测和调控。改进粒子群算法可以有效避免陷入局部最优的问题，得到迭代解算的最优解，同时基于改进粒子群算法构建的管网智能寻优决策调控模型可以对瓦斯抽采管网负压进行合理分配。现场试验中，1号和2号试验钻孔瓦斯流量在智能调控后分别提升了0.014 和0.013 m3/min，瓦斯浓度在智能调控后分别提升了11.91%和10.03%，抽采管网在调控后瓦斯流量提高了1.23 m3/min，瓦斯浓度提高了2.87%，表明智能决策调控模型可靠性较高。研究结果对提高瓦斯抽采系统抽采效率及保障矿井生产具有重要的意义。

来源：2025年第7期

《煤炭学报》期刊编辑部

查看煤炭学报杂志2025年第7期