贵州煤矿瓦斯涌出量灰色预测的应用

运用灰色理论建立巷道瓦斯涌出量的灰色模型,对贵州某矿矿井瓦斯涌出量进行预测预报.采用残差识别方法修正GM(1,1)模型进行瓦斯涌出量预测,预测精度更高.利用灰色灾变预测理论,对某矿矿井工作面瓦斯涌出资料进行分析、研究建立煤矿瓦斯涌出量灰色预测模型,并对矿井瓦斯涌出量变化趋势进行预测.通过建立灰色预测模型,进行矿井瓦斯涌出量灾变性预测.     

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。     

矿井瓦斯涌出量灰色GM（1,1）预测模型的分析

灰色预测模型为矿井瓦斯涌出量时间动态数列的预测提供了一条新的途径。本文在对灰色ＧＭ（１，１）预测模型进行有关分析的基础上，提出了矿井瓦斯涌出量预测的ＧＤＭ模型，以进一步拓宽灰色预测的应用范围。利用该预测模型对一些矿井进行瓦斯涌出量的预测研究，均得到了较为满意的结果。     

运用灰色系统理论预测矿井瓦斯涌出量

矿井瓦斯涌出量的变化可以认为是一灰色系统。本文将灰色系统理论中的GM(1,1)模型引进矿井瓦斯涌出量预测中,预测矿井瓦斯涌出量变化动态及其结果。     

瓦斯涌出量的灰色建模及其预测

为了正确预测瓦斯涌出量,根据灰色理论提出的灰色预测方法,把非等间距数列变为等间距数列,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,选择了合理的误差检验模型,结果表明预测程度高.利用灰色预测理论,通过对某矿矿井工作面瓦斯涌出资料进行分析、研究建立煤矿瓦斯涌出量灰色预测模型,并对矿井瓦斯涌出量变化趋势进行预测.     

灰色系统理论在矿井瓦斯涌出量预测中的应用

以预测矿井瓦斯相对涌出量为研究目的，通过灰色系统的建模、关联度分析及残差辨识为基础，建立了灰色系统理论模型，并将该模型应用到某矿瓦斯涌出量预测分析中，对该矿历年来相对瓦斯涌出量进行了灰色生成，建立了灰色预测系统；由后验差检验结果、对照精度检验等级可知，灰色系统预测矿井瓦斯涌出量的拟合精度好，预测结果正确可靠，反映出了矿井瓦斯涌出量的客观存在与发展态势.     

基于灰色GM(1,1)新陈代谢模型的矿井瓦斯涌出量动态预测

矿井工作面瓦斯涌出是一个动态不确定的过程,因此最新瓦斯涌出数据的研究至关重要,本文将灰色GM(1,1)模型瓦斯涌出量预测结果加入原始数列,对原始数据序列的信息进行更新,建立了矿井瓦斯涌出量GM(1,1)新陈代谢动态预测模型,采用残差检验法对该模型精度进行检验,其平均相对误差为3.861%,预测精度明显优于GM(1,1)模型,提高了灰色GM(1,1)模型预测瓦斯涌出量的精度。     

基于灰色模型的不同开采强度矿井瓦斯涌出量的预测

在分析了传统的矿井瓦斯涌出量预测方法的基础上,应用灰色系统理论GM(1,1)模型,对矿井在不同开采强度下的瓦斯涌出量进行预测.在实际生产中有一定的指导意义.     

基于Fuzzy时间序列模型矿井瓦斯涌出量预测研究

在分析传统的矿井瓦斯涌出量预测方法的基础上,应用Fuzzy时间序列模型,对祁东煤矿的瓦斯涌出量进行预测.实验证明,该模型的计算精度符合实际.     

综放工作面瓦斯涌出量预测模型研究

以预测综放工作面瓦斯涌出量为目的,通过分析综放工作面瓦斯涌出量的多种影响因素,建立了包含多参量的瓦斯涌出量预测模型。该模型克服了传统预测方法的缺点,很好地解决了综放开采瓦斯涌出量受多因素影响的问题,并结合矿井实际监测数据进行实例分析,验证了预测模型结果的准确性和方法的可行性,能够有效地实现对矿井综放工作面开采层瓦斯涌出量的长期动态预测。     

基于耦合算法的煤矿瓦斯涌出量预测模型研究

针对煤矿回采工作面瓦斯涌出量系统的时变性、非线性、复杂性、不确定性等特点,提出了混沌免疫粒子群算法(CIPSO)与Elman神经网络的耦合算法(CIPSO-ENN)用于非线性动态绝对瓦斯涌出量预测。算法通过实时的对其权值、阈值寻优,建立了基于CIPSO 和ENN 的耦合算法的绝对瓦斯涌出量预测系统模型,并利用矿井监测到的各项历史数据进行试验,结果表明该模型较其他预测模型其辨识收敛速度、预测精度和鲁棒性等性能都有明显的提高。     

基于改进灰色模型的矿井瓦斯涌出量预测

为了对矿井深部瓦斯涌出量进行预测,介绍了灰色线性回归组合模型的建模方法,以某煤矿相对瓦斯涌出量统计数据为实例,利用灰色线性回归组合模型对其瓦斯涌出量进行预测,通过检验得出模型的精度等级为一级。结果表明:灰色线性回归组合模型可以使传统的灰色GM(1,1)模型不含线性因素的情形得到改善,在预测矿井深部瓦斯涌出量中取得了良好的预测效果,具有一定的实用价值。     

等维新息模型在矿井瓦斯涌出量预测中的应用

为了准确预测矿井瓦斯涌出量,介绍了灰色预测理论模型的建模方法与模型精度评定方法,阐述了采用等维新息模型进行矿井瓦斯涌出量分析的特点。并以顾桥煤矿1116(1)工作面相对瓦斯涌出量统计数据为实例,利用等维新息模型对其瓦斯涌出量趋势进行预测,分析了等维新息模型的合理维数,取得了较好的预测结果,并得到了具有实用价值的预测模型。     

基于多元线性回归理论的煤矿瓦斯涌出量预测

为有效地预测煤矿瓦斯涌出量,降低矿井生产中的危险,分析影响煤矿瓦斯涌出量的因素,基于多元线性回归理论,构建了煤矿瓦斯涌出量预测模型。选取煤层瓦斯含量、煤层埋深、煤层厚度、邻近层瓦斯量4个因素作为自变量,不考虑其它因素的影响,运用SPSS软件处理数据,得出瓦斯涌出量与其影响诸因素之间的线性回归方程。通过瓦斯涌出量模型的建立及其实践的检验,证明此类线性回归方程能够很好地预测瓦斯涌出量,进而为瓦斯治理工作提供理论支撑,对改善我国煤矿安全生产状况具有积极意义。     

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。     

矿井瓦斯涌出量预测的模糊分形神经网络研究

将模糊控制技术、分形理论中的时间序列分析方法与神经网络技术有机地结合起来，并运用于矿井瓦斯涌出量的预测中。通过对矿井瓦斯涌出量时间序列的模糊分形处理，用BP神经网络对影响因素间的非线性关系进行拟合。检验结果表明，模型可靠，预测精度高。     

回采工作面瓦斯涌出BP神经网络分源预测模型及应用

基于回采工作面瓦斯涌出分源涌出，利用人工神经网络分别预测开采煤层、邻近煤层、采空区3种来源的瓦斯涌出量；因3种来源瓦斯涌出量的影响因素不同，为了避免不相关因素的干扰，提高预测精度，确定整个预测体系由开采层、邻近层、采空区等3个瓦斯涌出量预测神经网络组成，对每个涌出源分别建立神经网络预测模型；最后采用Matlab中BP神经网络算法，针对实际矿井进行应用，预测误差小.     

瓦斯涌出量灰色-RBF网络模型的建立与应用

为了减少瓦斯事故给煤矿生产带来的损失,本文在灰色模型预测煤矿瓦斯涌出量的基础上,结合神经网络理论,构建了灰色-RBF网络模型,充分利用灰色模型的"小样本、贫信息"的预测特点及RBF神经网络自学习、自适应能力特点。首先使用灰色模型对瓦斯涌出量进行初步预测,然后建立RBF网络模型进行再次预测,得到瓦斯涌出量的最终预测值;RBF网络模型的训练和预测计算用MATLAB软件完成。通过对安徽省某矿瓦斯涌出量的预测结果对比,灰色-RBF网络模型的预测误差分别为0.325和0.221,灰色模型预测误差为2.51和2.45,结果表明灰色-RBF网络模型预测明显高于单一灰色模型预测的预测精度。为煤矿瓦斯涌出量预测提供一种预测精度高的方法。     

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。