回采工作面瓦斯涌出量的聚类分析及归类预测模型的建立

为了预防瓦斯灾害的发生,以实现回采工作面瓦斯涌出量的准确预测,在对回采工作面瓦斯涌出量实测数据统计的基础上,应用模糊C均值聚类算法进行回采工作面瓦斯涌出量的聚类分析,得出各数据的聚类中心和样本数据对于分类的隶属度;建立回采工作面瓦斯涌出量的归类预测模型,对待测瓦斯涌出样本进行预测,实现了瓦斯涌出量的归类预测;最后,用实例论证了该方法的可行性和有效性.研究结果表明:隶属度表征样本属于各个类别的程度,同时也证明了瓦斯涌出量与各个影响因素之间的关系是非线性的;采用归类预测模型对待测样本进行归类预测,通过比较样本与聚类中心的关联度大小,判定样本的归属类别,避免了人为的主观性和盲目性;该方法可行、实用,是一种有效的瓦斯涌出量归类预测方法.     

基于模糊聚类和SVM的瓦斯涌出量预测

为了准确预测瓦斯涌出量,提出了一种基于模糊聚类和支持向量机(SVM)的瓦斯涌出量预测方法。将瓦斯涌出量相关影响因素作为特征空间中的样本,采用模糊C均值聚类对特征空间中的样本进行聚类分析,对于所得到的不同类别样本分别建立SVM预测模型。结果表明:采用单纯的SVM预测方法,对于不同特征的样本的预测个别预测误差相对较大,其最大误差为8.11%,平均误差为4.68%,采用文中所建议的用FCM对样本分类后再进行SVM预测,预测精度有明显改善,最大误差和6.94%,平均误差为3.35%,表明所建议的方法是有效和可行的。     

基于ACC-ENN算法的煤矿瓦斯涌出量动态预测模型研究

为了对煤矿瓦斯监测数据进行有效分析,以实现准确、可靠的回采工作面绝对瓦斯涌出量预测,提出了蚁群聚类算法优化Elman神经网络的绝对瓦斯涌出量动态预测方法。算法通过对Elman神经网络的权值、阈值寻优,建立了基于ACC-ENN算法的绝对瓦斯涌出量预测模型,并结合矿井监测到的历史数据进行实例分析。试验结果表明:经蚁群聚类优化后的Elman神经网络绝对瓦斯涌出量预测模型较其他预测模型具有更好的泛化能力和更高的预测精度,有效地实现了煤矿绝对瓦斯涌出量动态预测。     

矿井工作面瓦斯涌出量的未确知聚类研究

在对邯郸地区矿井工作面瓦斯涌出量统计的基础上，应用未确知聚类方法对矿井工作面瓦斯涌出量进行聚类，找出各类类中心，并给出样本属于各类的隶属度，较好地解决了对矿井瓦斯涌出量的分类问题，最后以实例来论证了该方法的可行性和有效性.     

基于偏最小二乘回归的回采工作面瓦斯涌出量预测模型

针对回采工作面瓦斯涌出量回归建模过程中自变量间出现多重共线性问题,提出应用偏最小二乘回归(PLS)对瓦斯涌出量进行预测的建模思路。选取地质及采矿2个方面共12个参数指标作为回归因子,利用15个瓦斯涌出实例为建模样本,建立了回采工作面瓦斯涌出量的偏最小二乘回归模型。建立的模型对训练样本拟合效果良好,最大误差为6.09%,平均误差仅为2.06%;对其余几个案例进行预测,精度优于主成分分析和BP神经网络,与最小二乘-支持向量机模型相当。研究表明,基于偏最小二乘回归进行工作面瓦斯涌出量预测是一种有效可行的方法。     

分源法预测回采工作面瓦斯涌出量

在分析了分源法预测瓦斯涌出量原理的基础上,本文结合某矿区回采工作面实况和保护层工作面瓦斯涌出量预测经验总结,对目前分源法预测回采工作面瓦斯涌出量模型进行了修正,并将预测结果与实测的瓦斯涌出量值进行了比较。结果表明,修正后的分源法预测模型能可靠的预测回采工作面瓦斯涌出量,对该矿回采工作面瓦斯治理提供了依据。     

数据挖掘算法在实验室信息管理系统中的应用

煤矿安全实验室现有实验项目30余项,涉及煤层瓦斯涌出预测、瓦斯抽采技术和煤与瓦斯突出防治方向。现有的实验室信息管理系统已积累了海量的实验数据,为了能够更深层次地挖掘数据背后隐藏的有价值的信息,应用数据挖掘算法,将实验室信息管理系统采集到的大量数据作为原始数据进行预处理;通过K-means聚类算法建立原始数据性质的聚类模型,并借助模糊C均值算法进行优化和改进,以聚类模型为基础建立数据分布优化模型来找到数据样本中的特征。结果表明：评价结果与实际相符,数据挖掘方法有效地分析出煤与瓦斯突出危险性,辅助煤与瓦斯灾害防治,在实验室信息管理系统中应用数据挖掘算法,能够为瓦斯灾害防治提供有效技术支撑。     

基于自适应权重模糊C-均值聚类的瓦斯突出预测

 传统的模糊C-均值聚类在处理煤与瓦斯突出的预测时,由于其对初始聚类中心的过度依赖而导致预测结果准确率的降低。为了准确预测煤与瓦斯突出,提出了一种基于自适应权重模糊C-均值聚类的煤与瓦斯突出预测方法。该方法将瓦斯浓度相关影响因素作为特征空间中的样本,采用高斯距离比例表示权重,动态计算每个样本对于类的权重,对特征空间中的样本进行聚类分析预测,降低了算法对初始聚类中心的依赖。实例验证表明：所提出的方法具有较高的预测精度,具有较大的实用价值。     

基于IGSA-ELM模型的回采工作面瓦斯涌出量预测

针对现有煤矿回采工作面瓦斯涌出量预测方法存在的预测时间较长,预测精度不高的问题,提出了用IGSA优化ELM神经网络的瓦斯涌出量预测模型。将优选策略和粒子的记忆、信息交换功能引入万有引力搜索方法,利用IGSA对ELM神经网络的网络隐含层节点数进行寻优,利用自相关系数法筛选出回采工作面瓦斯涌出量的8个主要影响因素,建立基于IGSA-ELM算法的瓦斯涌出量预测模型,并结合矿井监测到的历史数据进行实例分析。试验结果表明:经IGSA优化后的ELM神经网络瓦斯涌出量预测模型与PSO-ELM神经网络、ACC-ENN和GSA-ELM神经网络预测模型相比,预测精度分别提高310%、60%、31%,为回采工作面瓦斯涌出量的预测提供了一种新的快速预测方法。     

分源预测法在天池煤矿102工作面的应用

分析了分源法预测瓦斯涌出量原理,结合天池煤矿102工作面实况及本矿工作面瓦斯涌出量预测经验,介绍了该方法在矿井瓦斯涌出量预测中的应用。结果表明,分源法预测模型能可靠的预测回采工作面瓦斯涌出量,为该矿回采工作面瓦斯治理提供了依据。     

混联二自由度机械臂的运动学研究

提出了一种混联机械臂,该机械臂是串并联混合机构,具有串联机构工作空间大和并联机构承载能力高的优点,可以实现较大活动空间内对重物的搬运仓储。对该机械臂进行了自由度分析,得到该机械臂的自由度为2,具有平面内的一个移动和一个转动自由度。基于几何解析法分析了该机构的运动学正反解,并且给出了5组正反解分析数值算例,验证了正反解分析的正确性。     

矿柱流变对采空区顶板稳定性的影响

为研究岩石流变特性对采空区长期稳定的影响,基于Reissner厚板和流变力学理论构建了矿柱-顶板流变力学模型,并推导出顶板沉降位移关于流变时间的关系式;依据不同边界条件将顶板破坏过程划分为固支、固支-简支、简支和内部破坏四个阶段。研究结果表明:所建立的流变力学模型可用于对采空区稳定时间的预测,并为采空区及时处理提供参考。     

煤中镜质组反射率的测定

介绍了煤中镜质组反射率的测定原理及在测定过程中应注重的问题,从镜质组富集程度的差异性、样品处理、镜质组颗粒鉴别、测试条件和技术方法等方面探讨了其反射率测定的影响因素,并概括论述了煤中镜质组反射率在生产实践中的确定煤级、指导炼焦配煤等实际应用。     

复杂管类零件空间尺寸加工误差分析

介绍某柴油机排气过渡管的加工工艺,分析空间尺寸较多的复杂管类零件的加工工艺及角度误差对空间尺寸的影响。通过角度在公差范围内的微量调整,解决了排气过渡管由于毛坯铸造及加工时找正存在的误差而造成气口处壁厚不均的问题。     

影响横轴式掘进机截割机构振动特性的因素分析

在横轴式掘进机截割机构横向截割的刚体动力学模型基础上,利用计算机模拟方法获得其在不同参数下的振动特性曲线,并分析了截割头质量、悬臂质量、液压系统刚度及阻尼变化对掘进机截割机构振动特性的影响,为研究横轴式掘进机的振动特性,改进机器设计创造了条件.     

某高速公路岩石单轴抗压强度结果的不确定度评定

依据JTG E41—2005《公路工程岩石试验规程》,结合工程项目实例,对岩石单轴抗压强度进行了试验,对试验结果采用JJF 1059—2012《测量不确定度评定与表示》进行分析与评定,了解测试中造成误差的因素,结果显示影响该项目单轴抗压强度试验的主要因素来源于样品的不均匀性和压力试验机的测量。     

合同与侵权责任竞合时诉讼请求权的选择

合同责任与侵权责任是民事法律关系中两种重要制度，二者的构成要件不同，责任承担方式不同。当发生合同责任与侵权责任竞合时，如何选择适当的诉讼请求权，具有十分重要的意义。     

磨机筒体螺栓孔漏料问题分析

对球（棒）磨机筒体衬板螺栓孔漏料、螺栓易松动及断裂原因进行了深入分析,找出了问题的根本所在,提出了处理措施,并给出了全新的结构方案。