张友谊等：煤与瓦斯突出多指标耦合预测模型研究及应用 ·1313· 表3平煤八矿煤与瓦斯突出预测训练样本梯度 Table 3 Sample gradient of coal and gas outburst prediction of Pingdingshan No.8 coal mine 序号 9 p h Ri 突出可能性等级 3 1.81 15.73 9.20 0.43 0.60 1.0 0.7074 4 2.00 8.15 9.00 0.13 0.42 2.0 0.6663 7 2.00 5.39 15.70 0.34 0.12 1.1 0.6205 20 0.65 13.78 12.72 0.64 0.87 1.2 0.6098 16 0.89 8.54 16.54 0.53 0.93 1.6 0.5925 5 0.67 6.97 13.77 0.88 0.81 1.5 0.5909 18 0.76 9.78 13.44 0.82 0.56 1.4 0.5686 19 0.98 9.55 12.51 0.61 0.81 1.3 0.5650 有突出倾向性 1 0.70 8.63 23.9 0.19 0.7 1.0 0.5538 17 0.65 8.60 15.37 0.61 0.54 1.8 0.5432 21 0.66 12.31 10.31 0.55 0.51 1.4 0.5365 6 1.13 13.18 10.10 0.27 0.39 0.6 0.5320 11 0.80 5.42 15.60 0.65 0.44 1.8 0.5311 12 0.85 5.86 14.88 0.73 0.31 1.3 0.5150 13 0.94 5.97 14.50 0.61 0.54 1.1 0.5094 2 0.64 7.06 17.10 0.29 0.30 1.8 0.4999 14 0.73 6.86 13.66 0.51 0.51 1.2 0.4890 5 0.70 5.20 13.70 0.29 0.55 0.8 0.4550 9 0.43 0.37 7.70 0.36 0.40 0.5 0.3959 22 0.31 3.21 8.70 0.31 0.16 0.8 0.3956 10 0.28 1.39 9.90 0.45 0.16 0.3 0.3915 无突出倾向性 8 0.54 1.14 8.40 0.37 0.05 0.4 0.3907 24 0.34 1.64 6.50 0.13 0.31 0.9 0.3852 23 0.26 2.17 8.40 0.21 0.21 0.7 0.3834 0.12 1.89 4.5 0.16 0.25 0.54 0.3661 通过方程(8)，可以得系数矩阵a,其中x=1时 0.94g-18.4445,M21(X)=-6.37g-0.55p- y=2,x=2时y=1; 0.24△p-11.65f-3.68h-0.94g+18.4445.将表3 an=(b.-b,) (8) 的样本回代上述判别式，对已知样品的回判结果如 6.37 -6.37 表4所示. 0.55 -0.55 从表4可知原类号（根据灰色关联度进行的突 0.24 -0.24 出可能性类别划分，1代表有突出倾向性，2代表无 a=(a12 a21）= (9) 11.65 -11.65 突出倾向性)，判别归类（通过样本回代判别式得出 3.68 -3.68 的结果，1代表有突出倾向性，2代表无突出倾向 0.94 -0.94J 性)预测模型对训练样本的判对率为100% 分析计算判别函数M(X): 可知用上述方法在对数据样本进行判别时，可 以对样本类别进行准确的分析. M.(X=ae[K-2(b,-a,)] (10) 3多指标耦合预测模型的应用 M(X)=a[X-2(b,-b)] (11) 3.1试验工作面瓦斯地质条件 而X=(g,p,p,f,h,g)',得判别函数为： 平煤八矿戊，。为突出煤层，煤层瓦斯含量为 M12(X)=6.37g+0.55p+0.24△p+11.65f+3.68h+ 10.66m3t.戊g.o-21050位于戊一采区东翼，西至张友谊等: 煤与瓦斯突出多指标耦合预测模型研究及应用 表 3 平煤八矿煤与瓦斯突出预测训练样本梯度 Table 3 Sample gradient of coal and gas outburst prediction of Pingdingshan No. 8 coal mine 序号 q p 驻p f h g Ri 突出可能性等级 3 1郾 81 15郾 73 9郾 20 0郾 43 0郾 60 1郾 0 0郾 7074 有突出倾向性 4 2郾 00 8郾 15 9郾 00 0郾 13 0郾 42 2郾 0 0郾 6663 7 2郾 00 5郾 39 15郾 70 0郾 34 0郾 12 1郾 1 0郾 6205 20 0郾 65 13郾 78 12郾 72 0郾 64 0郾 87 1郾 2 0郾 6098 16 0郾 89 8郾 54 16郾 54 0郾 53 0郾 93 1郾 6 0郾 5925 15 0郾 67 6郾 97 13郾 77 0郾 88 0郾 81 1郾 5 0郾 5909 18 0郾 76 9郾 78 13郾 44 0郾 82 0郾 56 1郾 4 0郾 5686 19 0郾 98 9郾 55 12郾 51 0郾 61 0郾 81 1郾 3 0郾 5650 1 0郾 70 8郾 63 23郾 9 0郾 19 0郾 7 1郾 0 0郾 5538 17 0郾 65 8郾 60 15郾 37 0郾 61 0郾 54 1郾 8 0郾 5432 21 0郾 66 12郾 31 10郾 31 0郾 55 0郾 51 1郾 4 0郾 5365 6 1郾 13 13郾 18 10郾 10 0郾 27 0郾 39 0郾 6 0郾 5320 11 0郾 80 5郾 42 15郾 60 0郾 65 0郾 44 1郾 8 0郾 5311 12 0郾 85 5郾 86 14郾 88 0郾 73 0郾 31 1郾 3 0郾 5150 13 0郾 94 5郾 97 14郾 50 0郾 61 0郾 54 1郾 1 0郾 5094 2 0郾 64 7郾 06 17郾 10 0郾 29 0郾 30 1郾 8 0郾 4999 14 0郾 73 6郾 86 13郾 66 0郾 51 0郾 51 1郾 2 0郾 4890 无突出倾向性 5 0郾 70 5郾 20 13郾 70 0郾 29 0郾 55 0郾 8 0郾 4550 9 0郾 43 0郾 37 7郾 70 0郾 36 0郾 40 0郾 5 0郾 3959 22 0郾 31 3郾 21 8郾 70 0郾 31 0郾 16 0郾 8 0郾 3956 10 0郾 28 1郾 39 9郾 90 0郾 45 0郾 16 0郾 3 0郾 3915 8 0郾 54 1郾 14 8郾 40 0郾 37 0郾 05 0郾 4 0郾 3907 24 0郾 34 1郾 64 6郾 50 0郾 13 0郾 31 0郾 9 0郾 3852 23 0郾 26 2郾 17 8郾 40 0郾 21 0郾 21 0郾 7 0郾 3834 25 0郾 12 1郾 89 4郾 5 0郾 16 0郾 25 0郾 54 0郾 3661 通过方程(8),可以得系数矩阵 a,其中 x = 1 时 y = 2,x = 2 时 y = 1; ^撞axy = (bx - by) (8) a = (a12 a21 ) = 6郾 37 - 6郾 37 0郾 55 - 0郾 55 0郾 24 - 0郾 24 11郾 65 - 11郾 65 3郾 68 - 3郾 68 æ è ç ç ç ç ç ç ç ö ø ÷ ÷ ÷ ÷ ÷ ÷ ÷ 0郾 94 - 0郾 94 (9) 分析计算判别函数 M(X): M12 (X) = a12 [ X - 1 2 (b1 - b2 ) ] (10) M21 (X) = a21 [ X - 1 2 (b2 - b1 ) ] (11) 而 X = ( q, p, 驻p, f, h, g )忆, 得 判 别 函 数 为: M12 (X) =6郾 37q +0郾 55p + 0郾 24驻p + 11郾 65f + 3郾 68h + 0郾 94g - 18郾 4445, M21 ( X) = - 6郾 37q - 0郾 55p - 0郾 24驻p - 11郾 65f - 3郾 68h - 0郾 94g + 18郾 4445. 将表 3 的样本回代上述判别式,对已知样品的回判结果如 表 4 所示. 从表 4 可知原类号(根据灰色关联度进行的突 出可能性类别划分,1 代表有突出倾向性,2 代表无 突出倾向性),判别归类(通过样本回代判别式得出 的结果,1 代表有突出倾向性,2 代表无突出倾向 性)预测模型对训练样本的判对率为 100% . 可知用上述方法在对数据样本进行判别时,可 以对样本类别进行准确的分析. 3 多指标耦合预测模型的应用 3郾 1 试验工作面瓦斯地质条件 平煤八矿戊9,10 为突出煤层,煤层瓦斯含量为 10郾 66 m 3·t - 1 . 戊9,10 鄄21050 位于戊一采区东翼,西至 ·1313·