基于神经网络模型的立井冻结施工预测研究

在立井冻结施工过程中，及时了解不同深度、不同岩性地层下冻结壁交圈时间及其形成特性是实现科学施工的前提和基础。针对现有立井冻结设计存在的客观问题，应用神经网络系统理论，合理确定输入参数及输出参数，在学习训练的基础上，建立了胡家河矿井筒冻结施工信息的神经网络预测模型。采用该模型分别对主井、副井及风井冻结壁的交圈时间、内外侧扩展范围、平均扩展速度、有效厚度、井帮温度、荒径范围、平均温度等特性参数进行了工程预报，并对实测数据及预测数据进行了对比分析。结果表明：现场实测结果与预测结果基本吻合，预测模型准确度高，适用性广，为科学设计立井施工方法及其支护方案提供了理论依据。