共查询到20条相似文献,搜索用时 0 毫秒
1.
煤与瓦斯突出灰色-神经网络预测模型的建立及应用 总被引:1,自引:0,他引:1
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. 相似文献
2.
煤与瓦斯突出灰色-神经网络预测模型的建立及应用 总被引:4,自引:0,他引:4
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. 相似文献
3.
4.
基于灰色-神经网络的新安煤田煤与瓦斯突出强度预测 总被引:1,自引:0,他引:1
《煤矿安全》2015,(9):166-168
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。 相似文献
5.
6.
7.
8.
9.
10.
11.
煤与瓦斯突出的神经网络预测分析 总被引:5,自引:0,他引:5
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。 相似文献
12.
13.
14.
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。 相似文献
15.
16.
神经网络在煤与瓦斯突出预测中的应用 总被引:6,自引:0,他引:6
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。 相似文献
17.
18.
模糊神经网络技术在煤与瓦斯突出预测中的应用 总被引:18,自引:1,他引:18
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. 相似文献
19.
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。 相似文献
20.
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。 相似文献