矿井瓦斯涌出量灰色预测法

以矿井瓦斯涌出量的预测为主要研究目的,讨论了应用灰色模型预测瓦斯涌出量的可行性,简要介绍了灰色预测建模方法及模型精度检验方法,最后将上述理论应用于一个实例,并编制了用于灰色预测的MATLAB程序。研究表明,灰色模型预测瓦斯涌出量方法简单、预测精度高。     

灰色线性回归组合模型在瓦斯涌出量预测中的应用

矿井瓦斯涌出量预测是新建矿井、新水平和新采区设计的主要依据。针对目前灰色理论预测模型和线性回归预测模型的缺点和不足,系统地推导了灰色线性回归组合预测模型。结合现场实测数据,并对比线性回归模型和灰色理论模型预测结果,发现该模型的预测精度分别提高了2.46%和1.35%,数据拟合的相关系数也有一定程度的提高。实证结果表明,灰色线性回归组合模型可以更好地预测矿井瓦斯涌出量。     

瓦斯涌出量灰色预测

基于灰色系统原理和现场调研，针对矿井瓦斯防治现状，实例分析瓦斯涌出量在一个周期的变化规律，对现场预测瓦斯爆炸有一定的参考价值和实际意义。     

矿井瓦斯涌出量的灰色预测

利用灰色系统理论建立矿井瓦斯预测的数学模型 ,并利用此模型对矿井的瓦斯涌出量进行了预测。其结果对煤矿安全生产具有指导意义     

矿井瓦斯涌出量的灰色预测

应用灰色系统理论 ,论述了矿井瓦斯预测的方法 ,结合实例评价了预测精度 ,对矿井防范瓦斯具有实际意义。     

基于灰色线性回归组合模型的瓦斯涌出量预测研究

利用线性回归和灰色系统理论,分别构建了一元线性回归及GM(1,1)模型,在此基础上建立瓦斯涌出量的灰色线性回归组合模型。并同时运用以上3种模型进行了现场预测对比,结果表明,对于小样本数据模拟计算,灰色线性回归组合模型的预测精度要优于GM(1,1)模型,说明前者用于瓦斯涌出量的预测是可行的。     

基于灰色模型的瓦斯涌出量预测

运用灰色模型得出了回采工作面和掘进工作面的瓦斯涌出量预测值;统计分析了7601综采工作面日产量(日进度)与相对瓦斯涌出量之间的关系;运用MATLAB曲线拟合工具,通过对原始数据的等间隔序列化等处理,得到了灰色预测模型。实测检验表明该方法预测结果与实际基本吻合。     

矿井延深瓦斯涌出量的灰色预测

简要分析了矿山统计法预测瓦斯涌出量的弊端,采用灰色系统预测方法,根据不同采深瓦斯涌出量的原始数据建立了矿井瓦斯涌出量的动态GM(1,1)模型,通过建立残差GM(1,1)模型的方法对误差进行检验,实例表明预测精度较高,对做好矿井延深瓦斯涌出量预测并进行矿井安全生产具有较好的指导意义。     

基于灰色建模预测李雅庄矿井瓦斯涌出量

为了正确预测瓦斯涌出量,根据灰色理论的灰色预测方法,利用不同时间段瓦斯涌出量的原始数据,建立矿井瓦斯涌出量GM(1,1)预测模型,进行瓦斯涌出量预测,并选择了合理的误差检验模型,预测程度高。经对李雅庄矿井瓦斯涌出资料建立矿井瓦斯涌出量灰色预测模型,对矿井瓦斯涌出量进行预测的实践表明,确有良好效果。     

基于改进的灰色模型的瓦斯涌出量预测研究

通过引入实用缓冲算子来消除瓦斯涌出量原始数据序列所受到的冲击扰动以建立改进的灰色GM(1,1)预测模型,并利用MATLAB语言编程计算,选择合理的精度检验方法对预测模型和结果进行检验判断.通过实例验证了该模型对采面瓦斯涌出量的预测数据精度更高,可信度更好,可为煤矿企业有效排除矿井瓦斯涌出提供一定的决策依据.     

基于灰色理论的矿井瓦斯涌出量预测模型研究

瓦斯涌出量是衡量瓦斯的重要参数。文章应用灰色关联方法找出了影响矿井瓦斯涌出量的主要因素,并建立了各关联因素与瓦斯涌出量的GM(1,n)定量影响关系。该模型精度较高,可以用于实际研究。     

基于灰色神经网络算法的煤矿瓦斯涌出量预测模型研究

煤矿设计和开采受瓦斯涌出量的影响。由于地质条件不同,瓦斯涌出量也各有不同,传统方法预测瓦斯涌出量精确性很低。文章首先对灰色神经网络预测的现状做出介绍,然后分别介绍了灰色系统和神经网络的模型,最后结合灰色神经网络模型对煤矿瓦斯涌出量的应用实例做出分析。研究表明,灰色神经网络算法有很大的应用前景和推广价值。     

基于灰色神经网络算法的煤矿瓦斯涌出量预测模型研究

矿井瓦斯是煤矿生产过程中存在的主要的不安全因素,煤矿瓦斯涌出量在很大程度上影响着矿井的设计及开采。文章提出利用灰色神经网络预测矿井瓦斯涌出量的思路,并对灰色神经网络模型进行了全面阐述,之后对模型进行了仿真分析。     

基于多元线性回归与BP神经网络的矿井瓦斯预测模型应用

矿井瓦斯涌出量受众多因素的影响。经研究表明,煤层埋藏深度、煤层厚度、煤层瓦斯含量、煤层间距、日进度及日产量是影响瓦斯涌出的主要因素。利用多元线性回归和BP神经网络理论,分别对矿井瓦斯涌出量进行了预测,最后建立了多元线性回归与BP神经网络的组合预测模型。该模型兼顾了多元回归分析的非线性特性和神经网络的时序特性,通过具体的实例研究,对比了各种方法的预测结果。结果显示,组合预测的结果与实际有较高的拟合度,可靠性高。     

基于GM(1,1)模型的矿井瓦斯涌出量预测研究

以预测矿井瓦斯相对涌出量为研究目的,应用灰色系统理论,建立了预测矿井瓦斯涌出量的灰色系统GM(1,1)模型,并对其不断优化,再采用后验差检验对预测模型的结果进行了判断。实例表明,该模型的计算精度符合工程实际,可用于矿井瓦斯涌出量的预测。其方法与结果对治理瓦斯、保证煤矿的安全生产具有重要意义。     

改进的粒子群支持向量机预测瓦斯涌出量

提出一种基于改进的粒子群参数优化的支持向量回归机算法(IPSO-SVR),该方法引入混沌映射及网格分区寻参思想,能避免粒子群算法(PSO)陷入局部最优解。使用IPSO-SVR算法建立瓦斯涌出量预测模型,结果表明基于IPSO算法寻优参数建立的瓦斯涌出量支持向量回归预测模型具有良好的预测效果。与粒子群优化参数的支持向量回归机(PSO-SVR)模型、广义回归神经网络(GRNN)模型进行比较,IPSO-SVR模型预测效果明显优于PSO-SVR和GRNN模型,可用于瓦斯涌出量的实际预测,表明所提出的IPSO算法是选取SVR参数的有效方法。     

基于小波预处理的动态灰色模型在矿井涌水量预测中的应用

针对含噪声的矿井涌水量时间序列,传统静态灰色GM(1,1)预测模型容易受到随机干扰影响致使预测精度不高的问题,建立了基于小波消噪技术的动态等维灰色理论预测模型,并以新信息优先设置模型初始值,克服了传统静态灰色理论模型在预测过程中不考虑未来因素对系统影响的缺陷。实例分析表明,文章建立的消噪动态灰色模型预测效果远优于传统静态灰色模型,有借鉴价值。     

灰色线性回归组合模型在北辰煤矿瓦斯涌出量预测中的应用研究

通过建立灰色线性回归组合模型,较好地预测了北辰矿井田深部的瓦斯涌出量。该方法既考虑了瓦斯涌出量是同诸多因素相关的"灰系统",又改善和弥补了线性回归预测模型中不能表达指数增长的缺陷和灰色系统预测模型中不含线性因素的不足。在实际应用中,取得了较为理想的预测精度。     

基于灰色GM(2,1)模型的工作面瓦斯涌出量预测

利用灰色GM(2,1)模型理论建立了数学模型,对国投新集刘庄煤矿171302工作面进行了瓦斯涌出量预测。结果表明预测值与实际值之间的最大相对误差为8%,最小相对误差为0.09%,平均相对误差为4.64%,精度较高,可以应用于煤矿安全生产管理,减少煤矿瓦斯事故的发生。