共查询到18条相似文献,搜索用时 109 毫秒
1.
矿井瓦斯涌出量的分形预测 总被引:1,自引:0,他引:1
介绍了分形理论中的时间序列(R/S)分析方法。通过对矿井瓦斯涌出量时间序列的分形处理。根据极差、标准差的结构分维值的大小,对矿井瓦斯涌出量的增量趋势作了分形预测。 相似文献
2.
3.
4.
5.
针对矿井瓦斯涌出量的非线性动力学特性,以平煤六矿1978-1991年的矿井瓦斯涌出量构建时间序列,通过改进的重标极差(R/S)方法对其进行分析。分析结果表明:CH4、CO2涌出量时间序列的霍斯特指数分别为0.996 7、0.847 8;分形维数分别为1.003 3、1.152 2。同时,对时间序列进行V(n)分析,得出CH4涌出量序列的记忆期为11 a,CO2涌出量序列的记忆期为10 a,矿井瓦斯涌出量时间序列看似无序却蕴藏规律,该结论的提出具有一定的指导意义。 相似文献
6.
7.
煤矿瓦斯涌出量预测是矿井安全中的一个关键和热点问题。煤矿瓦斯涌出量涉及很多因素,例如日产量、日进度、煤层厚度、煤层间距、煤层深度等,瓦斯涌出量预测是一个非线性问题。径向基神经网络是目前应用非常广泛的一种局部神经网络模型,在函数回归、序列预测中具有很好的应用效果。文中提出了将径向基神经网络用于预测煤矿瓦斯涌出量的想法,并分析了可行性。 相似文献
8.
基于神经网络的矿井瓦斯涌出量预测系统及应用 总被引:1,自引:0,他引:1
正确预测瓦斯涌出量,对于指导矿井设计和煤矿安全生产有重要的现实意义。为解决现有的矿井瓦斯涌出量预测方法不能实现自动化处理等问题,本文开发了基于神经网络的矿井瓦斯涌出量预测系统GGP,并介绍了该系统在实际工程上的应用情况。 相似文献
9.
10.
采煤工作面时间序列的瓦斯涌出量对于煤矿安全生产具有重要意义。针对瓦斯涌出量的非线性和不稳定性的特点,基于EMD和Elman神经网络基本原理,建立改进的EMD-Elman时间序列的瓦斯涌出量预测方法,首先EMD分解提取瓦斯涌出量时间序列不同尺度信息,Elman对子模型进行预测,然后,通过加权融合,对加权结果进行PSO算法寻优处理,得出瓦斯涌出量预测结果,并对预测方法进行了应用研究,研究结果表明:工作面瓦斯涌出量预测结果吻合度为95.3%,均方误差为0.0025;改进的EMD-Elman瓦斯涌出预测方法,能够有效显示瓦斯涌出的不稳定性非线性特点,降低不稳定性对预测结果的影响,预测吻合度高达95.2%。 相似文献
11.
12.
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
13.
瓦斯灾害是煤矿中最严重的灾害之一,瓦斯治理是我国煤矿安全的主攻方向。瓦斯涌出量的预测对遏制矿山瓦斯灾害、保证矿山安全和矿山技术经济指标都有重要意义。传统的方法预测精度不高,而神经网络在构建网络模型时具有一定的主观性。将混沌时间序列理论引入瓦斯预测中,为构建神经网络模型提供理论依据。通过实例证明在实际应用中是可行的。 相似文献
14.
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
15.
16.
基于神经网络算法的煤矿瓦斯涌出量预测模型研究 总被引:1,自引:0,他引:1
在煤矿生产过程中存在着瓦斯涌出现象,严重威胁着煤矿的安全生产。瓦斯涌出检查在矿井设计、建设和开采作业过程中显得尤为重要。文章采用神经网络有效地对矿井瓦斯气量进行检测分析,利用分析结果进行准确预测。文中将介绍神经网络预测的整体构建过程,结合仿真实例,分析煤矿瓦斯涌出量预测模型的可靠性。 相似文献
17.
基于灰色神经网络算法的煤矿瓦斯涌出量预测模型研究 总被引:1,自引:0,他引:1
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。 相似文献
18.
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。 相似文献