基于灰色神经网络组合模型的煤矿能耗预测研究

针对传统煤矿电能消耗预测模型可靠性和精度低等问题,提出了一种基于灰色神经网络组合模型的煤矿能耗预测方法,该方法将灰色预测模型和BP神经网络有效组合,充分利用2个模型的优点。首先介绍了灰色预测模型和神经网络预测模型的基本原理;其次根据煤矿能耗预测的数据特性,将灰色预测和神经网络预测进行组合,得到一种灰色神经网路组合预测模型;最后,通过仿真验证了所提方法的可行性和有效性,为煤矿能耗预测提供了新的理论依据。     

煤矿系统安全预测模型与组合预测

为了解煤矿安全预测本质,正确有效地预测煤矿系统的安全状况,基于目前煤矿安全研究现状和手段,从煤矿系统安全预测的内在规律性、有效时间长度及有效性等方面进行了多角度研究,总结出煤矿系统安全预测的本质特征,并研究了安全预测的建模过程.在此基础上,提出了提高预测质量的方法,阐述了组合预测法,最后结合实例,建立了煤矿系统安全预测系统.研究结果表明,采用灰色预测法与自回归法相结合的组合预测模型、自回归法与BP神经网络相结合的非线性组合预测模型均有较高的精度,且非线性组合要好于线性组合.非线性组合预测模型克服了单一预测模型的缺点,解决了由于系统状态安全指标数量随机变动而造成的预测困难.     

我国煤矿事故死亡人数组合预测及行业比较

为了找出煤矿事故死亡人数在我国各行业事故死亡人数中所占比重,对我国各行业事故死亡人数进行了对比。运用GM(1,1)灰色预测模型和多项式拟合模型分别对煤矿事故死亡人数进行了预测,并基于预测平均百分比误差最小的原则,计算了两种预测方法的组合预测权重系数,得到组合预测的结果。分析表明:近年来我国煤矿事故死亡人数在显著减少,但在各行业事故死亡人数中所占比例仍然较大;在未来2年内煤矿事故死亡人数还会进一步下降;组合预测模型的预测结果准确度更高,可用于各种有变化趋势数据的预测。     

基于ARIMA-GM模型的采掘工作面瓦斯涌出预测

为实现对煤矿采掘工作面瓦斯的动态涌出过程进行精确预测,以煤矿瓦斯涌出时间序列为基础,首先建立了灰色模型GM(1,1)和自回归积分移动平均模型(ARIMA)分别对瓦斯涌出浓度进行预测,然后再利用由方差倒数法得到的ARIMA-GM组合预测模型对瓦斯涌出浓度进行预测,最后结合预测结果进行预警。并以鑫顺煤矿15101掘进工作面为应用实例,结果表明:ARIMA-GM组合预测模型相比单一模型具有更高的预测精度和拟合效果。     

基于灰色-神经网络组合模型的瓦斯涌出量预测

针对煤矿瓦斯涌出量,建立了以预测方法有效度为优化指标的求解组合预测权重系数的优化模型,并对灰色—神经网络组合预测模型采用简化方法求解。预测结果表明:该模型比使用灰色和神经网络预测模型能获得更高的精度,可用于矿井瓦斯涌出量的预测。     

基于季节-WNN组合模型的煤矿事故预测

为了对矿山生产领域安全状况演化趋势准确预测,考虑生产实际中的季节性因素,本文构建季节-小波神经网络（WNN）组合预测模型来对生产事故进行预测。其中,采用X-12-ARIMA模型对安全事故时序进行季节调整,将其分成平稳时间序列和季节因子序列。季节因子序列按规律每年呈现相同规律,用WNN模型预测平稳时间序列,再按照乘法模型还原为真实预测序列。本文以我国煤矿生产安全为背景,将2015-2019年煤矿月度死亡人数作为观测值进行建模,预测2020年月度煤矿事故死亡人数,并将其与2020年煤矿事故月度死亡人数的真实值进行验证,将几种典型的预测模型与本文所构建模型对比分析。结果表明,我国煤矿事故存在显著的季节性特征,季节-小波神经网络组合预测模型的平均相对误差为1.1%,预测精度显著优于单一的预测模型,且与我国煤矿事故实际走势较为吻合,具有良好的预测效果。预测模型可为安全事故的预测提供方法和指导,也可为煤矿安全生产监管决策提供依据。     

基于组合预测方法的煤矿开采沉陷预计模型研究

文中以目前使用较为广泛的灰色系统和BP神经网络预计方法对中国神华集团榆家梁煤矿52406工作面地表沉陷进行了预测,同时建立灰色系统与BP神经网络的等权组合预测模型进行沉陷预计,并与单独的模型预测进行对比分析。结果表明:等权组合预测模型精度较高,在开采沉陷预计中具有较好的研究意义和应用价值。     

基于改进GM(1,1)模型与趋势预测法的能源消费组合预测

将改进GM(1,1)模型和趋势预测法相结合,设计一种组合预测模型,并将其应用于能源消费预测中,通过实际预测检验了组合预测模型的有效性与实用性。研究发现,组合预测模型在预测精度上优于单项预测模型,因此这种组合预测模型具有良好的预测效果。     

煤矿采空塌陷区危险性预测模型构建及其防治措施

采矿因素、地质因素等因素影响煤矿矿井采空塌陷区危险性预测结果,为了获取准确的煤矿采空塌陷区危险性预测结果,构建煤矿矿井采空塌陷区危险性预测模型。选取某省煤矿矿区作为研究区域,选取下沉系数与水平移动系数作为构建煤矿采空塌陷区危险性预测模型的参数,采用T-S模糊方法构建煤矿矿井采空塌陷区危险性预测模型,通过修正预测模型的模糊子集隶属函数更新预测模型,提升煤矿矿井采空塌陷区危险性预测精度。所构建模型输出煤矿矿井采空塌陷区危险性预测结果为中等,针对预测结果提出采用合理的采煤方式、合理避让、加强边坡监测3项煤矿矿井采空区塌陷防治措施,为煤矿矿井开采后防治采空区地面塌陷提供指导。     

基于支持向量机的矿井瓦斯浓度预测应用研究

以高河煤矿回采工作面刮板输送机机尾瓦斯浓度变化为例,运用PSO-SVM与GA-SVM算法分别对核参数g和惩罚因子c进行寻优,建立最优组合参数瓦斯浓度预测模型,进行瓦斯浓度预测。结果表明,基于支持向量机的瓦斯浓度预测模型在井下瓦斯浓度预测中具有一定的有效性与实用性;且相对于PSO-SVM模型,GA-SVM模型的预测效果更佳。     

煤灰软化温度建模与预测

基于Elman网络建立了煤灰软化温度预测模型,该模型以煤灰成分为输入向量,以煤灰的软化温度为输出向量。为了选取最优预测模型,分别讨论了输入向量维数、隐含层单元数以及激励函数对模型预测结果的影响。使用获得的最优网络模型对测试样本进行测试,结果表明该模型的预测精度高于常规BP网络。由所建最优预测模型可知,存在一个最优的煤灰成分分析数量。     

煤炭需求预测模型分析

基于最小二乘曲线拟合、灰色预测和最优组合模型,提出了全国煤炭需求量的预测模型,并利用各模型预测了全国2009-2013年的煤炭需求量。最后,对3种模型的预测结果作了分析,得出结论:最优组合预测模型从总体上起到了提高预测精度的作用,用此方法进行预测是有效的,预测的结果是可信的。     

多元非线性瓦斯涌出量组合预测方法

针对现有的一元线性单项预测方法信息源局限性和建模形式敏感性的缺陷,通过引入诱导有序加权几何平均(IOWGA)算子构建多元非线性瓦斯涌出量组合预测模型。工程实例表明:该预测模型具有预测精度高,数据可信度好,预测效果理想等优点,可应用于煤矿安全生产预测。     

距离判别分析理论在突出预测中的应用

为了更加准确的预测煤与瓦斯突出的危险性,基于距离判别分析理论,选取电磁辐射预测指标(电磁辐射强度E和脉冲数N)和常规指标R指标、钻孔瓦斯涌出初速度q及钻屑量S作为判别因子,选取演马庄矿某掘进工作面2011年4、5月日常预测数据作为训练样本,建立了工作面突出预测的距离判别分析模型。用所建立的模型对该掘进工作面待检验的6月份日常预测数据进行分析,预测结果与实际情况吻合良好,结果表明:距离判别分析模型方法简单、预测精度较单一指标有明显提高,误判率低,实现了动态预测和静态预测的有效结合,该方法在煤与瓦斯突出预测中具有较好的可行性和实用性。     

深埋隧道围岩变形预测的非线性组合模型

深埋隧道围岩变形受地应力、地下水、开挖方式等多种因素共同影响,表现为位移序列高度的非线性,为此,提出了基于变形信息融合的非线性组合预测模型。该模型以灰色GM（1,1）模型、RBF模型两种单项预测数据为基础,采用神经网络求取组合预测模型中单项模型所占权重,构建非线性组合预测,并将该模型应用于某深埋隧道围岩变形预测,同时将非线性组合预测的结果和简单平均定权组合、最优线性加权组合进行了比较。研究结果表明：所提出的方法较传统的定权方法在预测精度方面有明显的提高,预测结果更为稳健,在深埋隧道围岩变形预测中具有较好的工程和实践价值。     

神经网络在高浓度充填料浆流变特性中的应用

为了探究高浓度充填料浆中各组分对充填料浆流变参数的影响,以实验室测得15组配比实验数据为样本,建立了塑性粘度、初始切应力与其主要影响因素质量浓度、胶凝剂用量、粉煤灰用量、煤矸石用量之间的BP神经网络模型,通过各影响因素的权重值将料浆配比进行了优化,并以唐安矿的充填料浆配比为例加以验证。结果表明：建立模型的最大预测相对误差为-3.209%;矸石含量对流变参数的影响最大,胶凝剂含量对流变参数的影响最小;料浆浓度对塑性粘度的影响较大,而粉煤灰对初始切应力的影响较大;当浓度一定时,粉煤灰和矸石的比例应该尽量大一些;按照料浆配比的优化方案,唐安矿料浆输送达到了预期的目标。     

智能加权灰靶决策模型在煤与瓦斯突出危险评价中的应用

为了提高煤与瓦斯突出预测的准确性,并将突出强度与可能突出的危险程度进行量化,更有针对性地指导现场防突工作,基于灰色系统理论,提出煤与瓦斯突出危险性评价的智能加权灰靶决策模型的新方法。模型中将4个突出单项指标临界值作为灰靶临界值,并作为一致效果测度函数的正负分界点(即零点),充分考虑目标效果值中靶和脱靶两种不同情形,对应突出强度和可能突出的危险程度,将突出危险性进行量化,实现了定性与定量相结合的预测,并分别划分突出强度等级及突出可能性程度等级,使预测结果更直观、更准确。评价结果表明,该方法对矿井进行煤与瓦斯突出危险程度的评价是可行的。     

采空区煤自燃预测的随机森林方法

煤自然发火温度的准确预测是矿井煤自燃防控的关键。为了准确可靠地预测采空区煤自燃温度,在大佛寺煤矿40106综放工作面开展了长期的采空区温度和气体观测实验,提出了一种基于随机森林(RF)方法的采空区煤自燃预测模型,并将预测结果与支持向量机(SVM)和BP神经网络(BPNN)方法对比。采用粒子群优化算法(PSO)对RF和SVM超参数进行优化,建立了参数优化的PSO-RF和PSO-SVM预测模型。结果表明,RF,PSO-RF,SVM和PSO-SVM模型均具有较强的泛化性和鲁棒性; RF在建模过程中拥有宽广的参数适应范围,当树的数量(ntree)超过100后,其训练误差趋于稳定,ntree的改变对预测性能没有实质的影响;虽然PSO算法可以找到RF最优超参数,但默认参数的RF模型就能获得满意的预测性能; SVM预测结果则对超参数十分敏感,PSO优化可以显著提高其预测精度,其预测性能依赖于超参数的最优选择; BPNN模型在训练阶段拥有极佳的预测结果,但易出现"过拟合",导致泛化性弱,测试阶段误差较大。通过在其他矿井煤自燃预测中应用,验证了RF方法的稳定性和普适性,且无需复杂参数设置和优化就能获得良好的预测性能,可进一步应用于其他能源燃料领域。     

基于瓦斯涌出特征的煤与瓦斯突出连续预测技术及应用

针对现阶段煤与瓦斯突出预测技术难以实现时间和空间领域的全方位预测,预测结果准确率低、预测结果发布滞后且影响工作面正常采掘作业生产等技术缺陷,提出了一种利用工作面瓦斯涌出特征预测工作面前方煤与瓦斯突出危险情况的非接触式、连续预测方法。通过对煤矿监测数据结构特征进行综合分析,确定了瓦斯涌出特征突出预警系统的预警指标,建立了煤与瓦斯突出连续预测技术模型,并引入单项预测指标权重评判集,采用加权平均设计思路,构建形成了煤与瓦斯突出预警综合评判规则。在此基础上,采用C/S、B/S双架构系统开发模式,设计开发了瓦斯涌出特征突出预警系统平台。通过下峪口煤矿应用结果显示,该系统平台总体预警准确率达到了86%,且能够超前准确地预测工作面前方的煤与瓦斯突出危险情况,为突出矿井的正常掘进生产提供了安全保障。     

矿井煤与瓦斯突出弹性波特征评价及其应用

采用多波地震勘探与常规的煤与瓦斯突出危险性预测技术相结合方法,分析了突出煤体弹性波响应特征.结果表明:多波地震探测能够以数据和剖面图形方式,给出巷道前方地质构造及异常预报结果;煤层的地球物理属性变化大小主要表现为煤层中物性变异界面多少,煤层中存在的物性变异处,正是瓦斯容易富集区;弹性波频谱分析对煤岩体结构特征解释具有很好的针对性,对每一道波形的波谱特征进行具体的研究,利用吸收系数、品质因子等多个参量进行计算与对比,建立常规的突出危险性评价指标与地震波波谱特征的关系.