共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
3.
4.
为提高预测模型的可靠性,实现对煤层未采区域瓦斯含量的精确预测,以山阳煤矿5#煤层为研究对象,进行未采区瓦斯含量的预测。运用瓦斯地质学和多元线性回归分析法,得出基岩厚度、煤层厚度和埋深是影响该矿瓦斯赋存的主要因素,并将其作为BP神经网络模型的输入端神经元,初步构建出瓦斯含量预测模型;结合地勘时期瓦斯钻孔的实际数据,进行网络训练,再对预测模型的可靠性进行检验。结果表明:该预测模型预测瓦斯含量,精度较高,效果较好,能满足工程要求。采用多元线性回归-BP神经网络可以对未开采区域煤层瓦斯含量进行准确预测,为矿井瓦斯灾害防治提供一定的参考依据。 相似文献
5.
影响煤层瓦斯含量的多地质因素线性回归分析 总被引:2,自引:0,他引:2
煤层瓦斯含量是煤矿瓦斯防治的重要参数,对煤层含量的预测可以为瓦斯抽放和防治煤与瓦斯突出提供技术依据。以地质勘探期间实测瓦斯含量、钻孔的揭煤资料为基础,利用线性统计规律和瓦斯地质因素分析方法确定煤层瓦斯含量的主控因素,并对定性因素进行量化,通过丰富翔实的钻孔数据,采用多元线性回归的分析方法建立煤层瓦斯含量预测模型,可达到对矿井的瓦斯含量及分布规律进行预测的目的。 相似文献
6.
7.
8.
煤层瓦斯不均衡赋存是制约煤矿瓦斯安全管理的主控因素,准确合理的瓦斯地质区划是有效进行瓦斯防治的基础和保障。基于瓦斯地质区划理论方法,综合分析影响鹿台山煤矿3号煤层瓦斯赋存的主要地质因素,采用多元线性回归、数量化理论I、构造关联度分区等方法,筛选出影响2号煤层瓦斯含量的地质变量包括煤层埋深、围岩透气性和褶皱平面变形系数3个主要地质指标,建立了瓦斯含量预测的数学模型并对预测模型进行了理论和实践验证,模型精度较高。在此基础上利用瓦斯含量预测模型对2号煤层瓦斯含量进行预测和瓦斯地质区划。经实践验证,瓦斯地质区划结果符合实际地质情况。 相似文献
9.
针对煤层瓦斯含量预测急迫性,提出应用数值分析方法对其分布规律进行回归分析。在地面勘探和井下钻孔测试瓦斯含量数据的基础上,综合分析煤层地质对瓦斯含量的影响,分别建立了上覆岩层厚度、煤层有效厚度、煤层埋藏深度与煤层瓦斯含量关系式,并建立了三因素作用下的瓦斯含量预测模型。将预测模型应用于2401综采工作面,得出工作面瓦斯含量范围为1.40~4.32 m3/t,与生产过程中测得的瓦斯相对涌出量一致,为开展煤矿瓦斯防治工作奠定了基础。 相似文献
10.
11.
12.
13.
《中国矿业》2016,(11)
为提高煤层瓦斯含量预测的精度和效率,提出用灰色关联分析从影响因素中筛选主要因素,结合运用GA-BP神经网络预测煤层瓦斯含量的方法。通过遗传算法(GA)优化BP神经网络的权值和阈值,解决BP神经网络易过早收敛极小值以及收敛速度慢的问题。用Matlab构建灰色关联分析-GA-BP神经网络、GA-BP神经网络和BP神经网络模型。选取成庄矿3#煤层的含量与影响因素作为实验数据对该模型进行实验分析,比较三个的预测模型的预测结果。实验结果表明:顶板泥岩厚度、煤层厚度、基岩厚度、煤层深度是影响成庄矿3#煤层瓦斯含量的主要因素。灰色关联分析-GA-BP神经网络预测模型平均相对误差为2.77%,比后两种预测模型的预测结果好,能准确预测煤层瓦斯含量。 相似文献
14.
煤层瓦斯含量是矿井瓦斯灾害防治及煤层气开发的基础参数,为提高煤层瓦斯含量预测的科学性及准确性,提出了基于WPA-BP神经网络的煤层瓦斯含量预测模型,并将其与DGC瓦斯含量直接测定结果对比分析;构建煤层瓦斯含量因素指标体系;对WPA-BP预测模型不断迭代训练,使其预测值与真实值绝对误差在1%以下;最后利用该预测模型对临近工作面煤层瓦斯含量进行预测,并将预测结果与DGC测定瓦斯含量对比分析。结果表明:随着指标因素增大,瓦斯含量变大;WPA-BP神经网络预测模型相对误差为0.06%~12.92%(平均1.83%);对比分析表明,预测模型预测结果比DGC直接测定的瓦斯含量高,主要是由于损失量的计算有误差导致的,应用深度学习预测煤层瓦斯含量可矫正煤层瓦斯含量测定的准确性。 相似文献
15.
16.
针对黄陵2#煤矿二盘区煤层瓦斯含量的影响因素进行灰色关联度分析,得出影响因素的主次。然后运用灰色系统理论,建立煤层瓦斯含量的灰色预测模型,经过检验,该模型精度能够满足工程要求,有一定的实用性,可以作为瓦斯防治工作的依据。 相似文献
17.
18.
19.
基于灰色理论-BP神经网络的煤层瓦斯含量预测研究 总被引:1,自引:0,他引:1
煤层瓦斯含量是矿井瓦斯灾害防治的主要参数之一,影响其分布特征的地质因素有很多。利用灰色理论的灰色关联分析法对选取的8个影响煤层瓦斯含量的地质因素进行了分析,筛选出断距、埋深、基岩厚度以及挥发分4个主要影响因素,并将其作为BP神经网络模型的输入端建立了煤层瓦斯含量预测模型。对该预测模型进行训练与仿真检验,并与传统的多元线性回归预测方法进行比较分析。 相似文献
20.
以黄陵矿煤层瓦斯含量与相关因素的数据为例,采用基于多元非线性回归理论的数学方法,建立了一种适合矿井实际的预测模型:多元非线性瓦斯含量预测模型,通过该模型进行了煤层瓦斯含量预测,预测精度较高,适用性较强。 相似文献