来源：期刊VIP网 时间：
作者：晏立;文虎;王振平;金永飞;
单位：西安科技大学安全科学与工程学院;西安天河矿业科技有限责任公司;西安科技大学西部矿井开采及灾害防治教育部重点实验室;
摘要：目前单一钻孔抽采状态评价方法通常依赖于瓦斯抽采浓度，而忽视了煤层瓦斯赋存的多样性。监督学习模型依赖于样本的特征标记，在样本量较大时，人工标注的成本较高；无监督学习模型缺乏样本标记，无法实现定性评价。针对上述问题，提出一种基于半监督学习的煤层钻孔预抽瓦斯状态评价方法。构建了包含甲烷浓度、抽采负压、环境温度等8项指标的多维度评价体系，采用层次分析法（AHP）与模糊评价法（FEM）结合的权重赋值方法，建立抽采效果等级划分标准。在此基础上，提出基于高斯混合模型（GMM）与K-Means算法的半监督学习模型（SSGMM/SSK-Means），通过融合少量人工标注样本与大量未标注数据，实现单一钻孔抽采状态的动态分类。SSGMM聚集度更好，SSK-Means效率更高，形成“精度-效率”的互补关系。在陕西黄陵二号煤矿215工作面的应用结果表明：SSGMM和SSK-Means的最大聚集度（MVCR）和修正Rand指数（ARI）分别达82.64%和85.83%，显著优于传统聚类方法；通过动态反馈机制优化后，原等级为“差”的钻孔抽采效率提升5.26%～5.80%，补差率达100%。
关键词：煤层瓦斯;抽采效果评价;半监督学习;层次分析法;模糊评价法;高斯混合模型;K-Means算法
基金资助：国家自然科学基金项目(52274227)
