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。     

分源预测法预测矿井瓦斯涌出量的误差来源分析

为了进一步提高矿井瓦斯涌出量预测的可靠性,确定合理通风设计和制定瓦斯防治措施。通过用分源预测法对试验矿井采掘工作面瓦斯涌出量的预测,将分源预测结果与实际采掘工作面的瓦斯涌出作比较,分析了分源预测瓦斯涌出量误差的来源及原因。结果表明,分源预测法预测矿井瓦斯涌出量误差主要由煤层瓦斯含量、采掘工艺、煤层赋存3方面引入。     

苏村煤矿为低瓦斯矿井的确定因素分析

由于我国现有的矿井瓦斯涌出量矿山统计预测法和矿井瓦斯涌出量分源预测法均不适用于瓦斯风化带煤层开采的瓦斯涌出量预测。文章以实测含量和瓦斯风化带内矿井最大瓦斯涌出量为依据,预测了苏村煤矿15号煤层开采时矿井的最大瓦斯涌出量,得出苏村煤矿井田范围内的15号煤层处于瓦斯风化带的结论,并利用地质构造控制理论解释了苏村煤矿处于瓦斯风化带的原因。     

基于多元线性回归理论的煤矿瓦斯涌出量预测

为有效地预测煤矿瓦斯涌出量,降低矿井生产中的危险,分析影响煤矿瓦斯涌出量的因素,基于多元线性回归理论,构建了煤矿瓦斯涌出量预测模型.选取煤层瓦斯含量、煤层埋深、煤层厚度、邻近层瓦斯量4个因素作为自变量,不考虑其它因素的影响,运用SPSS软件处理数据,得出瓦斯涌出量与其影响诸因素之间的线性回归方程.通过瓦斯涌出量模型的建...     

侯甲煤矿瓦斯赋存与瓦斯涌出量预测

矿井瓦斯涌出量预测的任务是确定新矿井、新水平、新采区、新工作面投产前瓦斯涌出量的大小,为矿井、采区和工作面通风提供瓦斯涌出方面的基础数据,它是矿井通风设计、瓦斯抽放和瓦斯管理必不可少的基础参数。根据侯甲煤矿实际情况,选择了分源预测法预测3#煤层开采时的矿井瓦斯涌出量,得出矿井在开采3#煤层前期、中期和后期的瓦斯涌出量,确定侯甲煤矿在3#煤层开采时属于高瓦斯矿井,为矿井通风设计和瓦斯治理提供依据。     

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。     

瓦斯风化带内煤层瓦斯(CH4)涌出量预测技术研究

介绍了煤层处于瓦斯风化带内的高头窑煤矿瓦斯涌出量预测技术.通过对该矿各煤层地质钻孔测得的瓦斯含量数据进行针对性的筛选和修正,并对各煤层瓦斯成分进行分析处理后,采用矿井瓦斯涌出量预测方法对该矿的矿井瓦斯涌出量成功进行了预测,其结果为该矿今后的矿井安全生产提供了技术依据,并为其他类似的拥有瓦斯风化带内煤层的矿井提供矿井瓦斯涌出量预测参考.     

基于多源信息融合的瓦斯涌出量预测方法

提出基于多源信息融合的瓦斯涌出量动态预测是一种传统矿井涌出量预测与现代计算机编程相结合的新的矿井瓦斯涌出量预测方法。这种方法通过矿井实测煤层瓦斯含量、地勘瓦斯含量、K1-p或△h2-p关系曲线、煤巷掘进瓦斯涌出反演煤体瓦斯含量等多源信息融合,得出煤层瓦斯赋存规律和较为准确的瓦斯含量分布图,结合瓦斯含量分布和分源预测法构建同等开采工艺条件下煤层瓦斯含量与瓦斯涌出量数学模型,利用新工作面瓦斯涌出数据和矿山统计法不断跟踪及修正瓦斯涌出量数学模型,形成融合后数学模型,实现对已采区域的瓦斯涌出量目标跟踪和未采区域的瓦斯涌出量动态预测。     

阜康西沟煤矿瓦斯涌出量预测

瓦斯涌出量是制定瓦斯防治措施的基本依据,为了制定合理的瓦斯防治措施,必须预测煤矿瓦斯涌出量。文章通过实验得出阜康西沟煤矿各煤层瓦斯吸附常数,现场实测了各煤层瓦斯压力,计算出各煤层瓦斯含量并预测矿井瓦斯涌出量,对煤矿瓦斯防治工作具有现实的指导意义。     

灰色关联优化BP神经网络预测工作面瓦斯涌出量

根据义马中部井田瓦斯地质规律,选取埋深、开采强度、开采顺序和煤层厚度作为自变量,瓦斯涌出量为目标量,构建自变量矩阵和参考序列,进行瓦斯涌出量影响因素灰色关联度分析;由于各瓦斯地质影响因素与瓦斯涌出量的高度非线性关系,将各影响因素进行归一化处理,建立优化神经网络预测瓦斯涌出量数值模型,样本训练收敛速度快,误差在0.12%以内,并用此模型对耿村井田深部煤层瓦斯涌出量进行了预测。