摘要：在论述煤炭自燃特性的基础上,设计了煤炭自燃过程模拟实验装置,对不同粒度煤样在不同温度下产生CO、CO2等气体的浓度进行了测定。分析了CO、CO2等气体浓度和CO温升率随温度的变化规律,讨论了自燃指标气体的选择。研究结果对煤矿火灾的预测预报和防治具有指导作用。

摘要：针对某矿井煤柱自然发火严重的问题,设计了煤自燃低温阶段特征实验系统。取实验矿井残留煤柱、煤柱进风巷、煤柱回风巷3处煤样进行程序升温实验,测定煤低温氧化过程中在不同的特定温度点出口气体成分以及浓度。研究CO2、CO、CH4、C2H2浓度与煤样温度变化之间的规律。基于实验研究结果,确定了煤自燃预测预报的指标性气体为CO,辅助性的指标气体为C2H2,本研究对建立煤自燃预测预报体系具有参考价值。

摘要：为提高采空区遗煤自然发火预测预报的可靠性与准确性,通过自行设计搭建的采空区煤自燃相似模拟试验平台,模拟了姚桥煤矿8059工作面采空区遗煤自然发火过程,分析采空区遗煤在低温氧化自燃过程中的各种气体产物及其浓度变化规律。并通过程序升温试验,分析煤自然氧化过程中气体产物和温度间的关系,对煤低温氧化过程中产生的指标气体进行优选,得到了CO、CO2、CH4、C2H4、C2H6气体的变化规律,通过比较,决定把CO作为预测煤自燃的主要指标气体,C2H4、C2H6作为辅助参考指标气体。研究结果对采空区遗煤自燃预测及其治理具有一定的指导作用。

摘要：利用自行设计的煤炭自燃热解实验装置,研究了不同供氧浓度下煤样升温氧化特性及自燃升温过程中产生氧化气体和碳氢类气体解吸涌出规律,并在此基础上确定了梁宝寺煤矿煤炭自燃预报的指标气体。实验结果表明:若回风流中检测到C2H4气体,此时煤温可能达到或超过100℃左右,需采取有效的措施,进行灭火。

摘要：针对山不拉煤矿3-2煤层容易自燃的特性,利用自然发火标志性气体实验系统对不同实验温度条件下的CO、CO_2、CH_4、C_2H_4、C_2H_2等煤炭自燃指标气体及其浓度进行实验分析,分析适合山不拉煤矿3-2煤层的煤炭自然发火指标气体,并根据研究获得的煤炭自然发火指标气体对山不拉煤矿自然发火早期预测预报方案进行设计,有效地实现了矿井自然发火的早期预报,为矿井自燃灾害的预防提供可靠的依据。

摘要：利用自行设计的煤炭自燃热解实验装置 ,研究了煤炭自燃氧化特性及自燃升温过程中产生氧化气体和碳氢类气体解吸涌出规律 。

摘要：指标气体对煤自燃预测预报具有重要的指导作用。利用自主设计的基于"油浴"的程序升温氧化实验装置,对赛蒙特尔煤矿4#煤进行程序升温,观测升温过程中各气体浓度的变化情况,分析得出了CO为4#煤自燃特性的主要指标气体,对其他煤层采空区治理具有重要的指导意义。

摘要：以确定煤自然发火指标气体为目标,设计并研制自然发火模拟试验装置,采用理论分析、实验研究相结合的研究方法,以灰色理论为基础,根据灰色关联分析理论建立模型,并通过实验及理论分析,研究和计算煤自然发火指标气体与煤氧化温度的灰色关联度,得出煤自然发火加速氧化阶段煤样指标气体与煤氧化温度间烷烯比的灰色关联度最大。以此对指标气体进行定性、定量优选,解决了指标气体优选量化评价的问题,为建立完善煤自然发火指标气体体系、提高自然发火预报的准确性提供了理论依据。

摘要：煤矿井下火灾气体的实时监测对于实现采空区自燃危险性辨识,防范重特大热动力灾害发生,保障煤矿安全生产至关重要。为解决现有非防爆型异地检测技术气体分析速度慢、系统误差大、无法实现原位在线监测的缺陷,在此提出基于非分光红外光谱(NDIR)技术的气体传感器浓度计算方法,推导了温度补偿后的NDIR传感器气体浓度计算公式;随后,以CO和CH_(4)为例计算了吸光度线性系数和温度修正系数,并进一步对比测试了CO、CO_(2)、CH_(4)和C_(2)H_(4)的计算精度和稳定性,结果表明基本误差和定量重复性均优于煤炭行业标准要求。基于NDIR技术设计了具有本质安全和防爆性能的监测主机、配套子系统及软件平台,以实现煤矿井下气体的就地采集、有源预处理、原位在线分析。现场应用表明:大南湖一矿NDIR气体在线监测与地面色谱分析的4种气体浓度偏差均在标准允许范围内。基于NDIR的气体监测系统具有精度高、分析速度快、安全性好等优点,已经在全国40余对矿井推广应用,为评价煤矿井下热动力灾害的发生发展状态、提升防灾减灾救灾能力提供了科学依据。

摘要：为了准确有效地对煤自燃进行预测预警,提出采用结合粒子群优化算法(PSO)、极限梯度提升回归树(XGBoost)的煤自燃预测模型(PSO-XGBoost),其中梯度提升回归树中的随机采样率和最小叶子节点样本的权重参数由PSO算法优化组合。以东滩矿煤样进行煤自然发火实验获得的337组数据为基础,选取O_(2)体积分数、CO体积分数、C_(2)H_(4)体积分数、CO体积分数与剩余O_(2)体积分数的比值,以及C_(2)H_(4)体积分数与C_(2)H_(6)体积分数的比值作为指标。首先随机选取总数据的70%划分为训练集,30%划分为测试集,设计PSO算法的惯性权重,对XGBoost的参数进行优化,选取最优组合构建模型;然后将PSO-XGBoost模型与标准的XGBoost模型、随机森林(RF)模型和梯度提升树(GBRT)模型的预测结果进行对比分析。研究结果显示,RF、GBRT、XGBoost和PSO-XGBoost模型训练样本预测结果的平均绝对百分比误差(MAPE)分别为2.256%、2.423%、0.276%、0.072%,测试结果的MAPE分别为7.246%、8.816%、7.594%、6.860%。表明PSO-XGBoost模型精度优于RF模型、GBRT模型和XGBoost模型,PSO-XGBoost模型更适用于煤自燃预测预警。