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.     

基于ARIMA时间序列的瓦斯涌出量预测研究

矿井瓦斯涌出量预测对于煤矿的安全生产至关重要。为精确预测煤矿瓦斯涌出量,以ARIMA时间序列模型为基础,分析预测了煤矿瓦斯涌出量,并以乌东煤矿为例,建立乌东煤矿西区瓦斯涌出量预测指标体系,利用ARIMA模型进行瓦斯涌出量预测。结果表明:预测值与实际值对比,ARIMA瓦斯涌出量预测最大相对误差3. 62%,最小相对误差1. 84%,平均相对误差0. 13%,ARIMA预测模型可以有效预测煤矿瓦斯涌出量,为煤矿安全生产提供重要依据和参考。     

基于随机动态模型的矿井瓦斯涌出量预测研究

为了对矿井瓦斯涌出量进行预测,基于灰色系统和时间序列分析的基本理论,建立了矿井瓦斯涌出量预测的随机动态模型,并将该模型应用到某矿瓦斯涌出量预测分析中.实例应用表明,随机动态模型在矿井瓦斯涌出量预测方面是有效的,预测结果正确可靠,反映出了矿井瓦斯涌出量的发展态势.     

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.     

基于灰色马尔可夫模型预测煤矿瓦斯涌出量

在煤矿瓦斯涌出量灰色预测的基础上引入马尔可夫链预测理论,建立了煤矿瓦斯涌出量灰色马尔可夫预测模型,并将该模型应用到采煤工作面瓦斯涌出量预测分析中。结果表明,用该模型预测瓦斯涌出量比单一灰色模型预测的精度有较大提高,从而说明灰色马尔可夫预测模型预测煤矿瓦斯涌出量的潜在规律是可行有效的。     

GM(1,1)灰色预测模型在矿井瓦斯涌出量预测中的应用

瓦斯是造成煤矿生产过程中事故频发的重要因素.以预测矿井瓦斯涌出量为研究目的,运用灰色系统理论,通过对矿井瓦斯涌出资料进行分析、研究建立GM(1,1)瓦斯涌出量灰色预测模型对瓦斯涌出量变化趋势进行预测,并与现场实际瓦斯涌出量比较,结果表明该模型精度较高,能够很好用于矿井瓦斯涌出量的预测,为井下安全生产和瓦斯监测提供依据,从而避免瓦斯事故的发生.     

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。     

基于灰色建模预测李雅庄矿井瓦斯涌出量

为了正确预测瓦斯涌出量,根据灰色理论的灰色预测方法,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,并选择了合理的误差检验模型,预测程度高。经对李雅庄矿井瓦斯涌出资料建立矿井瓦斯涌出量灰色预测模型,对矿井瓦斯涌出量进行预测的实践表明,确有良好效果。     

瓦斯涌出量的灰色模型预测与曲线拟合预测对比

为了研究矿井瓦斯涌出量预测的规律,分析了2种常用预测模型数据的处理方法.结合顾桥煤矿1116(1)工作面瓦斯涌出量监测数据,将灰色GM(1,1)模型与曲线拟合方法应用于该工作面瓦斯涌出量的数据处理和预测结果的分析、检验,精度满足瓦斯涌出量预测要求,并运用F检验法,对2种预测结果进行相关性分析,得出了合理选择灰色GM(1,1)预测模型预测矿井瓦斯涌出量的基本结论.     

优化神经网络模型在瓦斯涌出预测中的应用

为准确预测矿井瓦斯涌出量,降低瓦斯涌出带来的危害,通过灰色关联分析理论得出影响瓦斯涌出量的主要因素为原始瓦斯含量>煤层厚度>煤层埋深>工作面长度>推进速度>煤层倾角,通过优化RBF模型对瓦斯涌出量预测模型进行构建,并运用Matlab仿真模拟预测矿井瓦斯涌出量,结果显示:基于优化RBF模型仿真模拟预测得出的矿井瓦斯涌出量与实际瓦斯涌出量非常接近,5组预测数据中,最大误差为3.6%,最小误差为0.8%,平均误差为1.84%,预测精度较高,可应用于矿井瓦斯涌出量的预测当中。     

改进的灰色马尔柯夫模型预测采煤工作面瓦斯涌出量

以预测工作面绝对瓦斯涌出量为研究目的，通过对回采工作面瓦斯涌出量原始数据取自然对数为基础，建立改进的GM(1，1)模型，然后将其与马尔柯夫模型相结合，建立了改进的灰色马尔柯夫模型，并将该模型应用到中岭煤矿首采工作面瓦斯涌出量预测分析中.结果表明，灰色马尔柯夫模型预测工作面瓦斯涌出量拟合精度较好，结果正确可靠，有一定的普遍应用性.     

基于灰色系统理论的矿井瓦斯涌出量预测方法

瓦斯涌出量预测是瓦斯防治的重要技术环节.在综合分析开滦钱家营矿-850 m水平7煤层地质条件和采掘顺序的基础上,探讨了Gm(1,1)模型预测矿井瓦斯涌出量的方法.依据预测结果,确定矿井瓦斯涌出量的动态变化和总的趋势,为煤矿安全生产提供技术保障.     

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。     

基于多变量灰色模型高瓦斯矿井综放工作面瓦斯涌出量预测

预测瓦斯涌出量是煤矿制定有效瓦斯防治措施中的重要环节。在综合考虑影响瓦斯涌出量因素的基础上,运用多变量灰色模型预测高瓦斯综放工作面的瓦斯涌出量,预测精度较高。     

优化神经网络在矿井瓦斯涌出预测中的应用

为有效预测矿井瓦斯涌出量,减少瓦斯灾害事故,通过分析得出影响瓦斯涌出量影响因素关系为原始瓦斯含量煤层厚度工作面长度推进速度煤层埋深煤层倾角,运用优化神经网络模型及MATLAB软件模拟预测矿井瓦斯涌出量。结果显示,预测结果与实测结果平均误差仅为2.3%,证明优化神经网络模型能达到较好预测效果,预测精度较高,可应用于矿井瓦斯涌出量预测中。     

矿井瓦斯涌出量灰色预测法

以矿井瓦斯涌出量的预测为主要研究目的,讨论了应用灰色模型预测瓦斯涌出量的可行性,简要介绍了灰色预测建模方法及模型精度检验方法,最后将上述理论应用于一个实例,并编制了用于灰色预测的MATLAB程序。研究表明,灰色模型预测瓦斯涌出量方法简单、预测精度高。     

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.     

分源法预测回采工作面瓦斯涌出量

在分析了分源法预测瓦斯涌出量原理的基础上,本文结合某矿区回采工作面实况和保护层工作面瓦斯涌出量预测经验总结,对目前分源法预测回采工作面瓦斯涌出量模型进行了修正,并将预测结果与实测的瓦斯涌出量值进行了比较。结果表明,修正后的分源法预测模型能可靠的预测回采工作面瓦斯涌出量,对该矿回采工作面瓦斯治理提供了依据。     

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。     

基于改进的GM(1,1)模型的瓦斯涌出量预测研究

为了排除历史数据的随机性,提高瓦斯涌出量的预测精度,引入缓冲算子对瓦斯涌出量的历史数据的随机性加以弱化,并建立了瓦斯涌出量的灰色预测GM(1,1)模型,通过预测值和实测值的对比分析可以看出,改进的GM(1,1)模型在采掘面瓦斯涌出预测中具有较高的精度。