煤与瓦斯突出灰色-神经网络预测模型的建立及应用

对煤与瓦斯突出影响因素进行灰关联分析,以此确定人工神经网络的输入参数．并应用改进的BP算法,选择灰关联分析的5个优势因子作为输入参数,建立了煤与瓦斯突出预测的神经网络模型．选用典型突出矿井的煤与瓦斯突出实例作为学习样本,对网络进行训练学习,并以云南恩洪煤矿的煤与瓦斯突出实例作为预测样本,将经过网络预测的结果与传统方法的计算结果进行对比．结果表明该灰色-神经网络模型能够满足煤与瓦斯突出预测的要求．     

煤与瓦斯突出灰色-神经网络预测模型的建立及应用

对煤与瓦斯突出影响因素进行灰关联分析,以此确定人工神经网络的输入参数.并应用改进的BP算法,选择灰关联分析的5个优势因子作为输入参数,建立了煤与瓦斯突出预测的神经网络模型.选用典型突出矿井的煤与瓦斯突出实例作为学习样本,对网络进行训练学习,并以云南恩洪煤矿的煤与瓦斯突出实例作为预测样本,将经过网络预测的结果与传统方法的计算结果进行对比.结果表明该灰色一神经网络模型能够满足煤与瓦斯突出预测的要求.     

基于灰色理论与神经网络的煤与瓦斯突出预测

影响煤与瓦斯突出的因素众多，应用神经网络进行预测时，选取突出预测指标是关键。基于经验和所谓“多多益善”原则的选择方法都有一定的不合理、不科学性。笔者应用灰色关联分析筛选突出预测指标，结合神经网络建模进行突出预测，使突出预测指标的选择由定性分析转化为定量分析，实现了灰色理论同神经网络在煤与瓦斯突出预测领域内的结合。经过实例验证，本方法是可行的。     

基于灰色-神经网络的新安煤田煤与瓦斯突出强度预测

通过新安煤田二1煤层煤与瓦斯突出强度进行灰关联分析,确定了影响突出强度优势因素,利用改进的BP算法对新安煤田突出强度进行了预测,结果表明:煤层顶板砂岩厚度是影响煤田突出强度的最主要因素,煤厚、瓦斯压力次之;大型突出主要集中在顶板砂岩厚度大、瓦斯压力高的新安矿西南部小断层密集区、新义矿中部断层密集区、义安矿中部F29断层及其伴生断层附近区域等区域。     

基于改进灰色关联分析方法的煤与瓦斯突出预测研究

基于灰色系统理论,对灰色关联分析方法进行改进,包括分辨系数的改进以及采用距离分析法对比较序列进行赋权处理。利用改进的灰色关联分析模型,参考华北地区某矿历年来的突出资料,定量分析该矿4项煤与瓦斯突出的预测指标,确定最优预测指标。     

基于BP神经网络煤与瓦斯突出强度预测模型

在分析湖南土朱矿5煤层煤与瓦斯突出资料的基础上,确定煤层瓦斯含量,瓦斯压力,煤的坚固性系数及瓦斯放散初速度为影响煤与瓦斯突出的主要因素,利用MATLAB软件,基于BP神经网络,建立了适合土朱矿的煤与瓦斯突出强度预测模型,并进行了实际检验,确定了模型的可行性,为指导土朱矿的安全生产提供了理论依据。     

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。     

煤与瓦斯突出控制因素加权灰色关联模型的建立与应用

通过分析煤与瓦斯突出的主要影响因素，运用突出贡献率确定权重系数，利用灰色理论建立煤与瓦斯突出综合评价加权灰色关联模型.以谭家山矿煤为实例，在统计分析历年来该矿煤与瓦斯突出情况的基础上，对各影响因素进行了关联排序.理论分析计算结果符合实际情况.     

灰关联分析方法在煤与瓦斯突出控制因素分析中的应用

应用灰色系统理论的灰关联分析方法对平顶山八矿煤与瓦斯突出控制因素进行了研究，找出了该矿煤与瓦斯突出的主要影响因素并对影响因素进行了排序。分析计算结果符合实际情况，灰关联分析方法为煤与瓦斯突出预测准确性的提高提供了新的思路和方法。     

煤与瓦斯突出危险应用灰色关联度的研究

以评估煤与瓦斯突出的危险程度为目的,以突出宏观显现对煤与瓦斯突出危险数据库进行分类,以三维立体图展现突出危险与瓦斯压力、放散初速度、坚固性系数和破坏类型。建立了突出危险灰色关联度模型,结果表明:煤体破坏类型与坚固性系数是作用煤与瓦斯突出的关键指标,主要导致在巷道或采面发生的突出;瓦斯压力与放散初速度是影响煤与瓦斯突出的控制指标,钻孔突出多数由瓦斯参数主导突出过程。     

煤与瓦斯突出的神经网络预测分析

煤与瓦斯突出是一处复杂的过程，做好预测预报工作显得尤为重要本文通过建立煤与瓦斯突出的人工神经网络预测模型，原始样本的学习可预测待报样本的突出情况，并进行了实例分析。经过检验，该预测模型的预测精度较高。     

基于灰色关联分析的煤与瓦斯突出预测指标优选

煤与瓦斯突出是煤矿地下开采过程中的一种动力现象,猛烈的动力效应可导致火灾和爆炸事故的发生。因此,对煤与瓦斯突出的相关因素合理地预测与评价,对煤炭工业的健康持续发展具有重要意义。利用灰色理论中灰色关联分析数学模型,定量分析了6种预测煤与瓦斯突出的指标,并确定了最佳预测指标,为煤与瓦斯突出预测指标的选择提供了定量化依据。     

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.     

灰色理论在煤与瓦斯突出的主控因素分析中的应用

首先分析了现有的煤与瓦斯突出的控制因素与评价方法，然后利用灰色理论创立了煤与瓦斯突出综合评价的加权灰色关联分析方法。并以某矿为例．应用该方法分析了煤与瓦斯突出控制因素，找出了主控因素并对影响因素进行了排序，分析计算结果符合实际情况综合灰色关联分析方法为煤与瓦斯突出预测准确性的提高提供了新的方法。     

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．     

神经网络在煤与瓦斯突出预测中的应用

应用神经网络中的BP网络模型对金竹山矿区煤与瓦斯突出进行了预测。为了加快神经网络模型的收敛速度,增强其跳出局部极小点的能力,采用了自适应变步长法和改进模拟退火法(SA法)相结合的方法。实际应用表明,该模型预测准确性高,是一种有效的煤与瓦斯突出危险性预测方法。     

利用MATLAB神经网络进行煤与瓦斯突出预测的研究

从煤与瓦斯突出的机理出发，考虑煤与瓦斯突出的综合影响因素，利用MATLAB神经网络工具箱，在VC 中嵌入MATLAB神经网络模块，建立了能够准确预测煤与瓦斯突出的神经网络预测模型，并制成了相应的预测软件。应用该软件进行实际检验，预测结果完全与实际相吻合，可以用来准确预测工作面煤与瓦斯突出。     

模糊神经网络技术在煤与瓦斯突出预测中的应用

由于煤与瓦斯突出发生的内在机理的复杂性、突出影响因素与突出事件之间的相关规律的不精确性和模糊性, 使得基于经验的传统预测方法和基于数学建模的统计预测方法的应用都受到很大限制． 而具有表达、处理不精确信息和实现信息影射变换双重特性的模糊神经网络, 通过训练能够捕捉、把握影响突出的因素与突出事件之间的特定相关规律, 从而有望实现煤与瓦斯突出的正确预测．     

基于灰色关联分析法和数理化理论的煤与瓦斯突出预测

煤与瓦斯突出是含瓦斯煤岩体发生的极其复杂的动力现象,属于复杂非线性动力系统在时空演化过程中的灾变行为,是影响煤矿安全生产的主要灾害之一。探索煤与瓦斯突出现象背后的规律性,对预防突出具有非常重要的意义。文章首先采用灰色关联分析方法对预测指标及众多影响突出因素进行样本分类,建立指标与因素映射量之间的关系,确定各映射量影响因子的大小,然后结合数理化理论建模,模型较好的体现了煤与瓦斯突出危险性与各影响因素之间的量化关系。最后通过实例论证,得到了较高的预测可靠性。     

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。