改进BP神经网络在煤与瓦斯突出预测中的应用研究

影响煤与瓦斯突出的因素较多,且呈现出复杂的非线性关系,采用传统的BP神经网络对煤与瓦斯突出进行预测,存在收敛速度慢及易陷入局部极小两个突出问题。为了克服缺陷、提高煤与瓦斯突出预测的精准性,笔者提出了一种改进的BP神经网络,并将其应用到煤与瓦斯突出预测中,建立了基于MATLAB神经网络工具箱的改进BP神经网络模型,并以此模型为基础,研发了煤与瓦斯突出预测系统。通过试验可知,该系统可使煤与瓦斯突出预测管理工作更加准确、可靠和高效。     

工作面煤与瓦斯突出电磁辐射的神经网络预测方法研究

以自适应神经网络的基本原理为基础，系统研究了煤与瓦斯突出电磁辐射自适应神经网络预测的原理，将电磁辐射自适应神经网络模型应用于煤与瓦斯突出危险性预测，实现了煤与瓦斯突出危险性的电磁辐射动态趋势预测．应用结果表明，煤与瓦斯突出电磁辐射神经网络预测法具有预测方法简单、准确性高等特点，可应用于工作面煤与瓦斯突出危险性的预测．     

BP神经网络在煤与瓦斯突出预测中的应用

煤与瓦斯突出是一种极其复杂的瓦斯动力灾害现象.采用煤与瓦斯突出预测常用的7项指标作为输入值,基于BP神经网络的非线性自主学习能力,智能化、定量化地识别煤与瓦斯突出的类型.该模型基于MATLAB的神经网络工具箱加以实现.实验结果证明,基于BP神经网络的煤与瓦斯突出预测模型结果可靠,效果良好,应用性比较强.     

神经网络计算方法在煤与瓦斯突出预测中的应用

准确确定煤与瓦斯突出是对矿井安全生产十分有益的事。由于影响煤与瓦斯突出的因素很多，用传统方法很难对其进行准确预测。神经网络技术是一门在20世纪80年代中期兴起且在近年迅速发展的前沿交叉学科。它是以模拟大脑的思维方式进行计算的，比较善于处理多因素问题，因此用神经网络技术对煤与瓦斯突出进行预测是有一定的研究价值的。     

基于GIS的煤与瓦斯突出预测系统研究

本煤与瓦斯突出预测系统以GIS为平台,运用VB编程技术,以神经网络算法为基础,根据对煤与瓦斯突出有重大影响的四个参数的分析,建立了对矿井工作面的煤与瓦斯突出预测,为以后在煤与瓦斯突出预测工作中的实际应用奠定了理论基础。     

基于人工神经网络的煤与瓦斯突出预测

从煤与瓦斯突出的机理出发,考虑影响煤与瓦斯突出的5种主要因素,建立了能够准确预测煤与瓦斯突出的人工神经网络模型。应用所制作的软件进行实际检验,预测结果完全与实际相吻合,可以用来准确预测煤与瓦斯突出。     

基于人工神经网络的煤与瓦斯突出预测

从煤与瓦斯突出的机理出发,考虑影响煤与瓦斯突出的5种主要因素,建立了能够准确预测煤与瓦斯突出的人工神经网络模型。应用所制作的软件进行实际检验,预测结果完全与实际相吻合,可以用来准确预测煤与瓦斯突出。     

煤与瓦斯突出的预测及防治措施

在总结分析了国内外煤与瓦斯突出机理、突出类型、突出条件、突出一般规律和影响因素的基础上，重点比较分析了煤与瓦斯突出预测的各种方法及针对性防治措施，指出神经网络是预测煤与瓦斯突出非线性问题的最有前景的方法。     

支持向量机在煤与瓦斯突出预测中的应用

为了准确预测煤与瓦斯突出危险,首先利用灰色关联分析的方法寻找出影响煤与瓦斯突出的关键性因素,然后利用MATLAB的SVM工具箱建立煤与瓦斯突出的预测模型,并应用此模型识别瓦斯突出的类型。该模型基于MATLAB的SVM工具箱加以实现。实验结果表明,基于灰色关联分析的SVM煤与瓦斯突出预测模型结果可靠,效果良好,应用性强。     

基于BP神经网络灰色关联分析的煤与瓦斯突出危险性预测

基于BP神经网络理论和灰色关联分析,建立了煤与瓦斯突出危险性预测模型,使用数学软件MATLAB7.0,对收集资料的煤层进行了突出危险程度预测,预测结果与矿井实际情况相符。表明灰色关联BP神经网络模型对煤与瓦斯突出危险性预测准确性高,具有较高的实用性。     

Research on prediction for coal and gas outburst based on Matlab neural network toolbox and its application

In order to predict the danger of coal and gas outburst in mine coal layer correctly, on the basis of the VLBP and LMBP algorithm in Matlab neural network toolbox, one kind of modified BP neural network was put forth to speed up the network convergence speed in this paper. Firstly, according to the characteristics of coal and gas outburst, five key influencing factors such as excavation depth, pressure of gas, and geologic destroy degree were selected as the judging indexes of coal and gas outburst. Secondly, the prediction model for coal and gas outburst was built. Finally, it was verified by practical examples. Practical application demonstrates that, on the one hand, the modified BP prediction model based on the Matlab neural network toolbox can overcome the disadvantages of constringency and, on the other hand, it has fast convergence speed and good prediction accuracy. The analysis and computing results show that the computing speed by LMBP algorithm is faster than by VLBP algorithm but needs more memory. And the resuits show that the prediction results are identical with actual results and this model is a very efficient prediction method for mine coal and gas outburst, and has an important practical meaning for the mine production safety. So we conclude that it can be used to predict coal and gas outburst precisely in actual engineering.     

用人工神经网络预测煤与瓦斯突出

设计了反向传播人工神经网络模型来预测煤与瓦斯突出.用“留一法”训练了神经网络模型，然后对几个实际样本进行了预测.预测结果表明：对其中两个样本的预测完全准确，另一个出现了偏差，均方误差、相对均方误差和拟和值的统计指标值分别为0.577 4，0.577 4%和1.866 0.     

基于决策树ID3改进算法的煤与瓦斯突出预测

为提高工作面突出预测指标预测的准确率,根据灰色相关理论和决策树ID3算法,提出了基于决策树ID3改进算法的煤层工作面煤与瓦斯突出预测方法。该方法以工作面的钻屑解吸指标作为主要决策属性,以地质构造、瓦斯浓度变化等现场较为直观的突出征兆作为辅助决策属性,同时根据矿井实际工作面煤与瓦斯突出数据建立预测样本数据集,把决策属性的相对灰色关联度作为决策树ID3改进算法的最大信息增益计算权重,建立了煤层工作面煤与瓦斯突出决策树预测模型,并采用该预测模型对10组煤与瓦斯突出数据进行了预测,结果表明,该模型预测的准确率显著高于采用单一钻屑指标预测的准确率。     

煤与瓦斯突出预测敏感指标及其临界值研究进展

煤与瓦斯突出预测是突出煤层2个"四位一体"综合防突措施的关键环节,对确定突出预测敏感指标及其临界值具有重要意义。以往突出预测敏感指标及临界值的确定,包括地应力指标和瓦斯指标,是通过现场反复测试、试验确定的;而现今的突出防治管理模式不支持这种方法,故只能采取实验室试验研究,主要是针对瓦斯相关指标的研究,结合部分现场验证来确定。选取大隆矿12煤、芦岭矿8煤、祁南矿3煤、朱仙庄矿10煤、童亭矿7煤和新景3煤等6个煤样,煤种涉及中等变质程度的气肥煤到高等变质程度的无烟煤,试验研究了各煤样瓦斯压力P与瓦斯含量W,瓦斯压力P与钻屑瓦斯解吸指标K_1和Δh_2,以及钻屑瓦斯解吸指标K_1与Δh_2之间的关系规律。结果表明:突出预测的瓦斯指标之间具有单值对应关系,但各煤样的这种对应关系是变化的,国家相关标准给出的突出预测指标建议临界值之间并不对应,也不能完全反映煤层的实际突出危险性与突出严重程度,不同变质程度煤层很难存在统一的临界值;应用煤层瓦斯相关指标之间的对应关系,结合突出煤层的实际,如始突深度、突出动力现象、钻孔动力现象等,可间接确定突出预测敏感指标的临界值。同时,未来精细化的突出防治对突出预测敏感指标有更高的要求,进一步研究的方向应包含反映地应力状况、小构造影响下煤层赋存、预测煤层潜在突出强度的指标,以及适应突出灾害差异性的新突出预测方法及措施效果检验方法。     

基于突变理论的煤与瓦斯突出危险性预测的研究

将突变理论引入到煤与瓦斯突出危险性预测的研究中,进行了将突变理论和模糊数学结合的突变级数法进行突出预测的研究,从而构建了煤与瓦斯突出危险性预测的评价模型.基于突变理论的煤与瓦斯突出危险性的预测研究,综合考虑了不同指标对突出危险性的影响程度,通过实例分析计算表明,该方法预测结果能较好地与实际相吻合.     

BP神经网络在煤与瓦斯突出预测中的应用

鉴于煤与瓦斯突出对煤矿的安全生产的威胁以及其影响因子的复杂性,合理的选择煤与瓦斯突出预测的影响因子,利用非线性的BP人工神经网络建立煤与瓦斯突出强度预测模型,来预测煤与瓦斯突出强度的大小。结果显示,煤与瓦斯突出强度的预测值与实测值吻合得较好,表明采用BP神经网络预测煤与瓦斯突出强度是可行的,为矿井煤与瓦斯突出的预测提供了一种预测精度较高的方法。     

基于SVM的煤与瓦斯突出预测模型及应用

为有效预测矿井内煤与瓦斯突出的危险程度,对其影响因素做了分析与探讨,分别构建了基于粒子群优化算法以及遗传算法支持向量机的煤与瓦斯突出预测模型,并且通过实例对两种模型预测的准确性进行了验证。分别利用单项以及综合指标、BP神经网络以及PSO-SVM模型、GA-SVM模型,对寺河煤矿二号井的突出区域进行预测比较。结果表明,PSO-SVM的预测模型不仅可以在小样本数据中预测出煤与瓦斯突出程度的大小,而且综合预测结果更加精确,其在解决矿井内煤与瓦斯突出的小样本数据中显示出更加强大、通用的性能。     

煤与瓦斯突出BP神经网络预测系统研究

煤与瓦斯突出是严重危害煤矿安全生产的一种非线性瓦斯动力灾害。文章将BP神经网络运用于煤与瓦斯突出预测模型,从煤与瓦斯突出的原因、BP神经网络用于煤与瓦斯突出预测的原理、运用实例三方面,对利用BP神经网络预测煤与瓦斯突出的研究加以阐释,证明了BP神经网路预测系统的精度高于传统系统。