共查询到20条相似文献,搜索用时 33 毫秒
1.
为减少煤层瓦斯含量预测的误差并提高预测效率,先利用灰色关联分析量化指标,筛选主因,然后运用GA-BP预测含量的方法。采用Matlab构建模型,选取成庄矿3#煤层的含量与指标作为实验数据进行预测。从预测结果来看,这种预测模型平均相对误差为2.77%,预测其它预测模型精确,可以准确预测煤层瓦斯含量。 相似文献
2.
3.
基于灰色理论-BP神经网络的煤层瓦斯含量预测研究 总被引:1,自引:0,他引:1
煤层瓦斯含量是矿井瓦斯灾害防治的主要参数之一,影响其分布特征的地质因素有很多。利用灰色理论的灰色关联分析法对选取的8个影响煤层瓦斯含量的地质因素进行了分析,筛选出断距、埋深、基岩厚度以及挥发分4个主要影响因素,并将其作为BP神经网络模型的输入端建立了煤层瓦斯含量预测模型。对该预测模型进行训练与仿真检验,并与传统的多元线性回归预测方法进行比较分析。 相似文献
4.
5.
6.
7.
8.
为提高预测模型的可靠性,实现对煤层未采区域瓦斯含量的精确预测,以山阳煤矿5#煤层为研究对象,进行未采区瓦斯含量的预测。运用瓦斯地质学和多元线性回归分析法,得出基岩厚度、煤层厚度和埋深是影响该矿瓦斯赋存的主要因素,并将其作为BP神经网络模型的输入端神经元,初步构建出瓦斯含量预测模型;结合地勘时期瓦斯钻孔的实际数据,进行网络训练,再对预测模型的可靠性进行检验。结果表明:该预测模型预测瓦斯含量,精度较高,效果较好,能满足工程要求。采用多元线性回归-BP神经网络可以对未开采区域煤层瓦斯含量进行准确预测,为矿井瓦斯灾害防治提供一定的参考依据。 相似文献
9.
10.
11.
12.
分源预测法在生产矿井瓦斯涌出量预测中的应用 总被引:1,自引:0,他引:1
通过对成庄矿3#煤层进行煤层含量测定,并结合矿井地勘期间煤层瓦斯含量测试数据,得出了该矿3#煤层含量分布规律,根据煤层含量分布规律,使用分源预测法对成庄矿3#煤层采掘工作面、生产盘区和矿井进行了瓦斯涌出量预测。 相似文献
13.
14.
15.
16.
17.
18.
19.
为了解决拉斗铲生产能力的测量问题,本文提出一种基于灰色关联结合GA-BP 神经网 络的预测方法。 对影响拉斗铲生产能力的12个因素进行灰色关联分析,选取实动时间、出动率、 有效抛爆量和有效抛掷率4个灰色关联度大于0.7的影响因素作为输入变量,拉斗铲月生产能 力作为输出变量,建立了GA-BP神经网络和BP 神经网络预测模型。 结果表明,GA-BP 神经网 络最大相对误差为8.786% ,平均相对误差为3.385% ,平均相对误差方差为0.0156,迭代次数 为18次,各项性能均优于常规BP神经网络。 GA-BP神经网络模型对拉斗铲生产能力预测的泛 化性能更好,精度更高,为拉斗铲生产能力的预测提供了一种较为有效的方法。 相似文献