共查询到10条相似文献,搜索用时 312 毫秒
1.
2.
3.
邻近层瓦斯向回采工作面运移是造成工作面瓦斯浓度超限的原因之一。运用遗传算法和BP神经网络的基本理论,选取了影响邻近层瓦斯涌出9个基本指标,建立邻近层瓦斯涌出的预测模型,并通过现场实测数据对邻近层瓦斯涌出量进行了预测。预测结果表明:该模型预测获得的精度较高,预测模型可靠。 相似文献
4.
5.
《煤矿安全》2019,(12):152-157
为提高煤矿回采工作面瓦斯浓度预测精度,考虑瓦斯浓度受历史状态制约,提出长短时记忆神经网络LSTMNN煤矿回采工作面瓦斯浓度动态预测模型。利用山西省某煤矿回采工作面瓦斯浓度实测数据构建该模型学习训练样本,并检验预测效果。研究表明,LSTMNN算法通过遗忘、记忆过程对过去一段时间瓦斯浓度信息进行筛选,克服传统预测方法将输出值独立看待的短板,提高矿井瓦斯浓度预测精确度及可靠性;将LSTMNN算法预测结果与实测值对比,预测模型平均绝对误差、平均相对误差、均方根误差、纳什模型效率指数分别为0.004 319、0.800 6%、0.005 714、0.436 3。 相似文献
6.
7.
邻近层瓦斯通过裂隙通道向综采工作面运移是造成工作面瓦斯超限的重要原因之一。运用遗传算法改进的BP神经网络,建立邻近层瓦斯涌出预测模型,采用灰色关联理论,根据结构重要度选取影响因素,可以使综采工作面瓦斯预测结果更加准确,更有助于该工作面瓦斯治理。 相似文献
8.
9.