共查询到19条相似文献,搜索用时 125 毫秒
1.
贵州煤矿瓦斯涌出量灰色预测的应用 总被引:4,自引:0,他引:4
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. 相似文献
2.
矿井延深瓦斯涌出量的灰色预测 总被引:4,自引:0,他引:4
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。 相似文献
3.
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。 相似文献
4.
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。 相似文献
5.
瓦斯涌出量的灰色建模及其预测 总被引:3,自引:0,他引:3
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. 相似文献
6.
7.
8.
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. 相似文献
9.
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. 相似文献
10.
11.
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。 相似文献
12.
13.
14.
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。 相似文献
15.
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。 相似文献
16.
矿井瓦斯涌出量预测的模糊分形神经网络研究 总被引:10,自引:2,他引:10
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。 相似文献
17.
18.
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。 相似文献
19.
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。 相似文献