针对现有回采工作面瓦斯涌出预测方法的数据大都是基于回采工作面单一传感器的瓦斯浓度序列,存在无法将工作面持续推进过程中空间位置变化的监测点位置进行记录的问题,提出了以回采工作面传感器各监测点瓦斯浓度序列数据为基础,结合工作面实际推进距离,运用BP神经网络模型综合预测工作面瓦斯涌出量的方法。该方法利用回采工作面瓦斯分源辨识方法,分别分析采空区瓦斯涌出和煤壁瓦斯涌出的变化规律;利用BP神经网络预测法,结合表征采空区瓦斯涌出和巷道煤壁瓦斯涌出规律的特征值对工作面日均瓦斯涌出进行预测。实例应用验证了该方法

为了研究回采煤层瓦斯解吸规律,准确预测回采煤层瓦斯涌出量,以赵固二矿煤样为研究对象,进行不同孔隙压力条件下从解吸开始前60 min颗粒煤、非受载原煤和受载原煤瓦斯解吸试验,系统分析煤样瓦斯解吸速率和解吸量。试验结果表明:随着回采工作面向前推进,前方煤体一定范围内煤体原生孔隙裂隙遭受破坏,增大了瓦斯放散速率。在前3 min快速解吸阶段,颗粒煤瓦斯解吸量为相同试验条件下非受载原煤的6.02~7.23倍,是受载原煤的8.69~20.86倍,即散落煤瓦斯解吸量是工作面推进过程中瓦斯涌出量的主要组成部分。