基于因子分析与BP神经网络的煤体瓦斯渗透率预测

为提高煤体瓦斯渗透率预测准确性,使用因子分析法对BP神经网络模型进行优化、改进,提出一种改进的BP神经网络预测模型。根据煤体瓦斯渗透率相关主要影响因素实例数据,使用因子分析法对4个煤体瓦斯渗透率影响因素原始数据进行降维数据处理,优化得到2个公共因子;以2个公共因子代替原有4个煤体瓦斯渗透率影响因素作为BP神经网络模型输入层参数,建立改进的BP神经网络煤体瓦斯渗透率预测模型,进行实例数据检验改进BP模型预测效果。最终验证结果:20组训练样本预测值与实际值的相对平均误差为0. 63%,证明训练完成的改进BP神经网络模型具有良好的拟合效果;改进BP模型预测样本平均相对误差为3. 16%,传统BP模型预测样本平均相对误差为6. 37%,证明改进BP模型预测精确度优于传统BP模型。     

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.     

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-神经网络模型能够满足煤与瓦斯突出预测的要求．     

基于PCA和IFOA-BP煤与瓦斯突出软测量建模

针对煤与瓦斯突出预测指标存在的问题,引入一个新的指标F来表征瓦斯突出强度,并将主成分分析法(PCA)与改进果蝇算法优化的BP神经网络相结合,建立了煤与瓦斯突出软测量模型。通过PCA来对原始数据进行降维处理,消除变量间的相关性,选取贡献率高于80%的主成分来替代原有的9个影响因素作为BP神经网络的输入变量;采取候选解的线性生成机制(LGMS)和变邻域搜索(VNS)来改进果蝇算法,在改进后的果蝇算法(IFOA)的优化过程中,将果蝇群体位置的变化与BP神经网络学习过程中的权值和阈值的更新相对应,然后以提取的主成分作为输入变量,以新的指标F作为输出变量,建立了IFOA-BP预测模型。选取具有代表性的样本进行验证,实验结果表明,与BP和PSO-BP模型相比,IFOA-BP模型收敛速度快,预测精度高,具有较强的泛化能力。     

煤与瓦斯突出预测PCA—距离判别法研究

将主成分分析与距离判别法应用于煤与瓦斯突出预测中,建立了煤与瓦斯突出预测的PCA-距离判别法模型。通过PCA法提取煤与瓦斯突出影响因素的主成分,选取贡献率大于85%的3个主成分指标来代替原有的8个指标,同时确定这3个主成分为距离判别分析法的输入参数。以平宝公司试验工作面的17组原始数据为学习样本,5组原始数据为预测样本,对该方法进行了检验,预测结果与实际符合,可以作为煤与瓦斯突出预测的一种新方法。     

煤与瓦斯突出预测层次分析方法

针对煤与瓦斯突出是多因素共同作用的地质动力现象,以平顶山矿区东部3个煤矿(八矿、十矿、十二矿)工作面为例,建立了煤与瓦斯突出层次分析模型,并确定了煤与瓦斯影响因素的权重,同时,建立了煤与瓦斯突出预测模糊综合评判模型,划分出不同的突出危险性等级,为预测和防治煤与瓦斯突出提供了科学依据。     

层次分析法确定煤与瓦斯突出影响因素的权重

针对煤与瓦斯突出是多因素共同作用的地质动力现象,以平顶山八矿为例,对影响煤与瓦斯突出的相关因素进行了分析,并运用层次分析法确定了影响突出因素的权重系数,为煤与瓦斯突出预测和防治提供了科学的依据。     

改进BP神经网络在煤与瓦斯突出预测中的应用研究

影响煤与瓦斯突出的因素较多,且呈现出复杂的非线性关系,采用传统的BP神经网络对煤与瓦斯突出进行预测,存在收敛速度慢及易陷入局部极小两个突出问题。为了克服缺陷、提高煤与瓦斯突出预测的精准性,笔者提出了一种改进的BP神经网络,并将其应用到煤与瓦斯突出预测中,建立了基于MATLAB神经网络工具箱的改进BP神经网络模型,并以此模型为基础,研发了煤与瓦斯突出预测系统。通过试验可知,该系统可使煤与瓦斯突出预测管理工作更加准确、可靠和高效。     

煤与瓦斯突出预测的模糊ISODATA聚类方法研究

煤与瓦斯突出影响因素复杂,是不确定性问题,即不仅具有随机性,又具有模糊性。提出将模糊ISODATA聚类应用于煤与瓦斯突出的预测,以平顶山八矿煤与瓦斯突出相关因素指标为基础,对潜在的突出危险区域进行了聚类分析,预测结果与矿井生产实践相一致。     

大力加强科技创新以科学技术引领企业又好又快发展

阐述了煤炭基建施工企业科技创新的重要性。结合中煤第一建设公司科技创新情况,介绍了煤炭基建施工企业科技创新活动谋划与部署的具体内容及应采取的措施。     

SMA超弹性及减隔震器的研究与发展

讨论了影响SMA超弹性性能的主要因素,分析了两种不同的超弹性本构关系,总结了SMA超弹性阻尼器在工程振动控制领域的最新研究进展,包括各种阻尼器的减、隔震效果及作用机制,布置方式和优化设计等,展望了SMA在减、隔震方面的发展趋势。     

VB和Surfer接口研制及在地表移动变形的应用

移动变形等值线图是描述矿区地表移动和变形分布的主要途径,但其绘制方法比较烦琐。为了克服该方法的不足,开发了VB和Surfer接口程序,将其绘图功能集成到地表移动变形预计应用程序中,实现了等值线的自动绘制,为预测结果的正确分析提供可靠的基础图件。实例验证表明,该方法不仅减少了编程量,而且提高了作图效率。     

大直径锚索及机具的研究与应用

目前我国煤矿井下锚索规格普遍采用φ15.24mm和φ17.8mm,在地质条件复杂和地压大的条件下,锚索常出现拉断现象。为保证巷道支护稳定和安全,研制出φ18.9mm和φ21.6mm大直径锚索,使锚索最大承载力分别比φ15.24mm和φ17.8mm锚索提高12%和38%。对大直径锚索的研制以及对配套锚具和施工机具的研制进行了表述,同时对煤矿井下使用情况进行了介绍。     

SMA超弹性及减隔震器的研究与发展

讨论了影响SMA超弹性性能的主要因素，分析了两种不同的超弹性本构关系，总结了SMA超弹性阻尼器在工程振动控制领域的最新研究进展，包括各种阻尼器的减、隔震效果及作用机制，布置方式和优化设计等，展望了SMA在减、隔震方面的发展趋势。     

科技进步与科技期刊的发展

从投稿方式、审稿方式、作者群3方面,探讨了科技期刊的发展。     

建安工程投标报价方法及策略

通过对现阶段经济发达地区工程投标报价方法的分析 ,对工程投标报价改革的方向及策略进行了探讨     

大中型选煤厂集散式监控系统的设计与应用

通过对选煤厂生产性质及工艺特点的比较与分析 ,深刻地阐述了大中型选煤厂集散式监控系统的设计内容与构成 ,系统配置及其应注意的问题等。     

聚氨酯密封件质量性能检测及储运管理

介绍了矿用设备关键元件聚氨酯密封件质量性能检测、储存、包装等生产工序,分析了各生产工序过程中的操作技术要点,指出了各生产工序的注意事项,为提高聚氨酯密封件性能检测、储存、包装管理水平提供了参考。     

煤与瓦斯突出事故案例分析及灾害防治

通过对煤与瓦斯突出事故案例的剖析,提出了地应力、瓦斯压力是煤与瓦斯突出发生、发展的动力,而煤体(或岩体)的坚固性则是起阻碍突出发生的力。总结了煤与瓦斯突出事故教训,提出了防治煤与瓦斯突出事故发生的预防措施。