开采保护层是现在煤矿生产过程中防止瓦斯事故发生应用较普遍的措施,开采保护层会使得被保护煤层裂隙增多,瓦斯发生大量解吸,从而方便进行瓦斯的抽采。煤层残余瓦斯含量是检验保护层开采效果的重要指标之一,检测煤层瓦斯含量的主要方法是井下直接测量或采集煤样在实验室间接测量,但这不能实时得到煤层的瓦斯含量的数据及测量存在一定误差。基于此,本文通过SPH(光滑粒子)方法对穿层钻孔抽采被保护层瓦斯进行模拟,主要研究在穿层钻孔抽采下,被保护层的内的瓦斯运移情况以及对有可能影响被保护层残余瓦斯含量的因素进行分析,然后利用灰色关联度分析方法得到影响煤层残余瓦斯含量的最主要的因素,通过查阅资料及数值模拟的数据作为训练BP神经网络的样本数据,得到基于灰色关联度分析的BP神经网络来对被保护层残余瓦斯含量预测模型,可以实时得到被保护层的残余瓦斯含量,有利于煤层开采的安全进行。本文的主要工作如下:(1)依据瓦斯的渗流理论,建立了穿层钻孔抽采被保护煤层瓦斯SPH模型;通过计算均质煤层中瓦斯压力及涌出量的解析解和SPH解,结果表明采用SPH方法对煤层瓦斯渗流进行数值模拟具有准确性和可行性;并且得到了被保护煤层瓦斯在抽采过程中运移的一般规律。(2)通过所建立的穿层钻孔抽采被保护煤层瓦斯SPH模型,模拟研究了不同的原始瓦斯压力、透气性系数、抽采负压等因素下被保护煤层中的瓦斯流动规律,研究了钻孔瓦斯流量与被保护层残余瓦斯含量的关系,得到流量拟合参数m和n随着煤层瓦斯压力的变大,其值也会随之增大,反之亦然;当煤层的透气性系数增大时,m的值会随之增大,而n的绝对值会随之减小。研究了通过瓦斯涌出规律来预测煤层残余瓦斯含量这种方法的可行性。(3)分析BP神经网络的运算原理及算法的实现,对所构建神经网络所需要的样本数据进行收集,并且通过灰色关联度分析对神经网络的输入层进行选择。确定该预测被保护层残余瓦斯含量的BP神经网络的输入层、隐含层和输出层的节点数分别为5、7、3,传递函数、训练函数及学习函数分别为logsig函数、trainlm函数及Learngdm函数。(4)被保护层残余瓦斯含量快速预测模型的实现及结果分析,通过前面一系列的准备工作,然后利用MATLAB软件对所构建的神经网络进行训练,将现场所得到的数据代入所得到的模型中进行检测,通过误差率的分析,使得模型的误差率在可以接受的范围之内,这就得到了被保护层残余瓦斯含量快速预测模型。