煤层含气量预测的BP神经网络模型与应用

为了对煤层含气量进行定量预测,采用BP神经网络预测方法,建立了煤层含气量预测的BP神经网络模型．以沁水盆地南部主采煤层为对象,分析得出了影响沁水盆地南部煤层含气量分布的主要控制因素有煤层有效埋藏深度、煤变质程度和煤岩、煤质特征等,选择了煤层有效埋藏深度、水分与灰分以及镜质组最大反射率3参数作为BP神经网络模型的基本特征量,建立了煤层含气量与这些因素之间的相关关系和BP神经网络预测模型,对煤层含气量进行预测分析．结果表明：BP神经网络模型具有极强的非线性逼近能力,能真实反映煤层含气量与主控因素之间的非线性关系,预测结果与实测值之间误差小,相对误差小于10%,预测效果明显地优于基于朗格缪尔方程的煤层含气量预测模型．     

河北省煤层气富集区及富集规律研究

为全面掌握河北省煤层气资源富集区与富集规律,通过收集河北省多矿区矿井煤层气资料、瓦斯资料、等温吸附资料等相关数据,并结合区域地质条件,对煤层气资源进行综合对比分析。结果表明,河北省煤层气分布具有时间性和空间性特征,构造演化是煤层气生成和富集的基础。基于煤层气分布规律将煤层气划分为3个富集带:太行山东麓高含气富集带受构造和水力作用控制呈"东高西低"富集规律,岩浆作用导致东侧南北向具有"南弱北强"特征,西侧南北向具有"局部强,整体弱"特征;蓟玉开平高含气富集带受构造和水力控气作用整体呈"北西翼高,南东翼低"特征;平原低含气富集带在构造演化过程中,抬升剥蚀作用使煤层上覆有效基岩厚度变小,煤层埋深虽大,但上覆巨厚冲积层不利于煤层气的保存,含气饱和度低。研究结果对河北省煤层气资源开发利用具有一定理论指导意义。     

BP神经网络在经济研究中的应用

讨论误差逆传播学习算法模型（BP）在经济研究中的应用。建立第三产业就业的BP神经网络模型,以1978—2003年我国人均GDP和第三产业就业人员比重的历史数据为样本,运用该模型和回归方程进行处理。比较结果发现,前者在拟合精度上高于后者。运用模型对经济变量进行仿真和预测,结果表明BP神经网络能够对训练样本进行精确的拟合,在样本数据区间范围内获得良好的拟合结果,特别适合于分析经济发展规律,在经济预测上也具有较大的应用价值。     

基于RS-SVM的建筑施工项目安全预警模型

针对目前建筑施工项目安全风险管理的现状,应用粗集理论对建筑施工项目的安全因素进行预处理,将处理后的信息结构作为支持向量机的输入数据进行训练和预测,构建建筑施工项目安全风险预警模型,并在小样本条件下,与BP神经网络进行对比分析。结果表明,RS-SVM预测模型的最小均方根误差为0.011 5,BP神经网络的均方根误差为0.070 7,RS-SVM预警模型的预测精度、泛化能力明显优越于BP神经网络学习方法。     

郑庄东大井区煤层含气量主控地质因素

以郑庄区块东大井区为主要研究对象,综合运用实验测试数据、煤田钻孔及煤层气井资料,并结合沉积、构造和地下水动力的原理和方法,深入分析了该区煤层含气量分布和主控地质因素。研究结果表明:研究区煤层含气量较高,总体呈自东向西逐渐增大的趋势,且主要受煤层埋藏深度、地质构造和水动力条件三个因素控制。即煤层埋深对含气量分布具有较好的控制作用,总体上含气量高值区大都位于北部深埋区域;地质构造对含气量的影响主要表现为次级构造叠加在煤层埋深影响的总体背景之上导致含气量展布复杂化;北部地区水动力条件对煤层气的运移和富集具有显著的控制作用,是影响煤层含气量展布的主要因素;而南部地区则由于埋深和断层等因素的影响,从而导致水动力条件与煤层含气量的相关性不太明显。     

基于混合神经网络(GANN)的沥青路面使用性能预测模型

针对GM模型要求的样本点少、不必有较好的分布规律,且计算量少、操作简便,而BP神经网络可以反馈校正输出的误差,具有并行计算、分布式信息存储、强容错力、自适应学习功能等特点,将GM(1,1)模型与BP神经网络模型相结合,建立了混合神经网络预测模型,并结合实例进行了检验性预测。结果表明:混合神经网络模型在预测精度方面优于传统灰色模型。该模型的算法概念明确、计算简便,有较高的拟合和预测精度,具有良好的应用前景。     

基于灰色遗传BP神经网络的大坝变形预测

提出了一种基于灰色预测模型的遗传算法优化BP神经网络的组合预测模型。通过对原始大坝序列进行灰色拟合,弱化原始序列的随机扰动影响,增强数据的线性规律,并采用遗传算法优化BP神经网络的连接权值和阈值,之后将灰色拟合后的残差作为优化后的BP神经网络的输入样本进行训练和测试,进而建立灰色遗传BP神经网络预测模型。组合模型充分结合了BP神经网络自适应学习的优点,避免了灰色方法及模型在非线性预测方面的缺陷;同时集成了遗传算法的全局寻优性能,弥补了神经网络容易陷入局部极值点的缺陷。与灰色GM(1,1)和单一BP神经网络对比表明,组合模型能保证较优的局部预测值和较高的全局预测精度,应用于复杂的大坝变形预测中是可行的。     

变照度下的视觉测量系统误差建模

针对二维视觉在线测量工件时,照度变化因素导致测量误差的问题,提出基于遗传算法优化的最小二乘支持向量机（GA-LSSVM）,建立照度误差模型的方法. 分析视觉测量系统的误差来源,通过最小二乘法分析照度影响下的误差规律. 利用照度变化误差实验,获得照度和测量系统的误差数据,分别训练GA-LSSVM、支持向量机（SVM）以及BP神经网络,建立照度和测量系统误差模型,对系统测量误差进行预测. 结果表明：在变照度测量误差预测模型中,GA-LSSVM模型、SVM模型及BP神经网络模型的预测精度分别为94.90%、90.23%及80.60%. 这表明遗传算法优化的最小二乘支持向量机建立的变照度误差模型,在拟合和预测精度上优于传统的BP神经网络.     

应用地震属性预测煤层顶板泥岩百分比含量分布

从地震属性分析入手,提出了用于煤层顶板泥岩百分比含量预测的地震属性分析方法和BP人工神经网络岩性预测方法.以淮南矿区潘东西四采区三维地震勘探区为依托,优选出平均瞬时相位、主频序列1,能量半衰时和主频斜率等4种地震属性作为13-1煤层顶板岩性预测分析的基本参数,结合已知钻孔资料,建立了煤层顶板泥岩百分比含量BP人工神经网络预测模型,运用训练好的网络对研究区13-1煤层顶板泥岩百分比含量进行了预测分析.结果表明,BP神经网络模型具有极强的非线性逼近能力,能真实反映煤层顶板岩性与地震属性之间的非线性关系,预测结果与实测值之间误差小,相对误差一般小于10%,地震属性可以用于煤层顶板岩性分布预测.     

温度对大型桥梁模态频率的影响研究

为了分析温度对大型桥梁模态频率的影响程度及规律,在桥梁的长期监测中,寻找一种直观、准确、具有可操作性的方法,以预测、滤除温度对模态频率的影响。以桥梁结构的温度及温差分布作为输入矢量,以模态频率作为输出矢量,建立了基于单截面温度分布和多截面温度分布的两个BP神经网络模型,进行拟合及预测效果的对比分析。结果发现,两模型均对模态频率进行了较好地预测、拟合,具有较强的泛化能力。基于多测面温度分布的神经网络模型,预测效果更好,平均相对偏差仅略大于千分之一。因此,温度分布、变化对桥梁模态频率有显著影响,BP神经网络模型能较好地拟合、预测频率随温度的变化,温度沿桥梁纵向分布的差异对模态频率的影响不可忽略。     

中国煤储层岩石物理学因素控气特征及机理

基于全国主要矿区或勘探区统计资料,总结了煤级、煤岩类型、显微组分组成等煤的岩石物理学因素与煤层含气量、吸附性、渗透性等之间的关系,探讨了煤储层岩石物理学特征的控气作用机理．发现煤级－含气量的“包络线”具有阶段性演化规律,最大含气量的显著变化与煤化作用阶跃高度一致,煤储层含气量较高的地区沿纬向等间距展布且与较高煤级煤分布区吻合,煤的兰氏体积与镜质组含量关系中存在一个镜质组含量临界值．指出不同煤化作用阶段控气作用的实质在于煤物理结构和化学结构的演化,沉积作用控气的思路对煤储层渗透率非均质性预测具有一定实践意义．     

河南省下二叠统山西组二_1煤煤层气储层描述

从煤厚、煤岩组成、煤级、煤体结构、裂隙系统、渗透性、吸附／解吸特性等方面对河南省的主可采煤层二１煤的煤层气的储层特征进行了详细论述．指出镜质组含量较高、割理比较发育、外生裂隙发育适中的原生结构煤和碎裂煤渗透性最好,是最有利的储层;外生裂隙发育适中的无烟煤是有利储层;碎粒煤为不利储层;糜棱煤为不可开发储层．临界解吸压力较高、含气量较高的中煤级煤分布区是煤层气勘探开发的首选地区．     

陆相盆地低煤级煤储层特征研究—以准噶尔、吐哈盆地为例

研究了准噶尔、吐哈盆地低煤级煤储层的特征,结果表明：该储层几何形态复杂,且受成煤环境的控制,表现出显著的规律性变化。煤体形态可归纳为与成煤环境对应的4种类型,其中形成于湖成三角洲的朵状、舌状煤体成藏规模最大,浅部煤储层以含气量低、甲烷浓度低、含气饱和度中等、含气强度大为特征;但在构造相对简单的盆缘斜坡深部具有很好的勘探开发潜力,煤储层孔容及比表面积都很大且变化范围也大;中值孔径、孔隙率的变化特征与孔容一致,预示了低煤级煤储层较高的基岩渗透率,兰氏体积和兰氏压力都显著低于中、高煤级煤储层,煤储层达到饱和的机率更大,更容易解吸。古构造应力场控制着煤储层割理裂隙系统的发育程度和分布规律,现代构造应力场特征影响煤储层割理裂隙系统的开合程度,盆缘斜坡多为高渗区。     

黄岩汇煤矿瓦斯地质规律及区域预测

在收集整理黄岩汇煤矿地质资料和瓦斯资料的基础上,运用地质构造控制理论,展开井下实测和地质编录,以分析矿区和井田地质构造分布特征,研究地质构造、顶底板岩性、煤层埋藏深度等地质因素对瓦斯赋存的影响,得出了井田内15号煤层瓦斯含量分布规律和构造煤的分布规律;同时,对黄岩汇煤矿15号煤层突出危险性也进行了区域预测．研究表明,煤层埋藏深度是影响黄岩汇煤矿15号煤层瓦斯含量分布的主控因素,其他地质因素仅仅影响煤层瓦斯的局部变化;将埋深大于321m的15号煤层划分为突出危险区,其余的则为非突出危险区．     

石门沟煤矿3号煤层瓦斯赋存规律探究

煤层瓦斯质量体积（含量）是煤层瓦斯主要参数之一,是矿井进行瓦斯涌出量预测、煤与瓦斯突出预测和瓦斯抽放设计的重要依据.只有摸清矿井瓦斯赋存规律,才能对采掘面瓦斯抽放制定合理的技术措施.为避免石门沟煤矿瓦斯治理的盲目性,笔者通过分析煤层瓦斯质量体积与埋藏深度的关系,并结合矿井地质构造,研究了煤层瓦斯赋存规律,总结得出石门沟煤矿3号煤层瓦斯质量体积受地质构造控制,在远离地质构造区域,瓦斯质量体积与埋藏深度呈正相关,并推出其关系式,为矿井瓦斯治理提供可靠数据.     

石门沟煤矿3号煤层瓦斯赋存规律探究

煤层瓦斯质量体积(含量)是煤层瓦斯主要参数之一,是矿井进行瓦斯涌出量预测、煤与瓦斯突出预测和瓦斯抽放设计的重要依据.只有摸清矿井瓦斯赋存规律,才能对采掘面瓦斯抽放制定合理的技术措施.为避免石门沟煤矿瓦斯治理的盲目性,笔者通过分析煤层瓦斯质量体积与埋藏深度的关系,并结合矿井地质构造,研究了煤层瓦斯赋存规律,总结得出石门沟煤矿3号煤层瓦斯质量体积受地质构造控制,在远离地质构造区域,瓦斯质量体积与埋藏深度呈正相关,并推出其关系式,为矿井瓦斯治理提供可靠数据.     

水文地质条件对白额勘探区煤层气富集的影响

地下水水动力场对煤层气富集具有明显影响。在研究区东部,煤储层埋藏浅,地下水的径流作用相对较强,煤层气被径流逸散。研究区西南部,煤储层埋藏深,地下水由本区东北浅部向西南深部顺层径流,对煤层中向上扩散的气体起到了封堵作用。矿区西南部为地下水低水位等势面区域,地下水严重滞留,有利于煤层气富集保存,是煤层气富集的有利区域。研究结构显示,地下水化学场特征同样影响煤层气富集。地下水滞留区域与高矿化度中心一致,同样与区域富气中心分布一致。这说明滞留或弱水力交替地下水是煤层气富集成藏的有利水文地质条件。     

煤与瓦斯突出预测的改进差分进化神经网络模型研究

鉴于常规煤与瓦斯突出BP预测模型的不足,将改进DE算法用于BP网络模型参数的优化及训练,提出结合两者优点的改进差分进化神经网络(IDEBP)煤与瓦斯突出预测模型.模型通过对变异模式、变异交叉因子自适应确定等改进,有效提高了标准DE的性能.实现了DE全局优化搜索与BP自适应、自学习的有机结合,稳健性得到加强,更能充分辨识煤与瓦斯突出样本的复杂非线性知识.以36组工程实例数据,进行了IDEBP和DEBP模型与BP模型仿真对比实验.结果表明:该模型能有效避免常规BP的不足,在收敛迅速、结果辨识和预测精度等方面均大为提高,为瓦斯智能预测提供了新的解决方案.     

基于遗传算法的煤与瓦斯突出影响因素研究

针对采用BP神经网络对煤与瓦斯突出预测时的过学习现象,引入遗传算法对煤与瓦斯突出的影响因素进行选择,并建立了以筛选出的变量作为输入的优化BP网络预测模型.遗传算法中染色体采用二进制编码,个体适应度函数引入了惩罚函数,并对基本遗传算法的遗传操作算子进行了一定的改进,最后利用平煤八矿煤与瓦斯突出的实测样本,在MAT-LAB2009b环境中对上述算法进行仿真研究.结果表明,以遗传算法筛选出的变量作为输入建立的预测模型的输出结果的拟合效果变好,预测精度提高,建模时间缩短.     

煤层气排采时渗透率动态特征研究

正确认识煤层气井开采过程中的渗透性变化特征是实现煤层气科学高效开发的重要前提.目前,大量的室内实验研究渗透率随排采的变化时仅考虑压力敏感性,而没有考虑在实际生产过程中存在的基质收缩效应的影响.笔者提出一种动态分析方法,利用实际生产数据,分段拟合出不同生产时间下的煤层参数,包括渗透率和地层压力等,并且在前人研究的基础上建立了考虑应力敏感效应和基质收缩效应的渗透率数学模型,通过数据回归获得到模型的具体参数.该方法可以用于描述煤层渗透率的动态特征,预测煤层气产量变化,指导现场配产.