基于对立度算法的瓦斯涌出量预测

为减轻煤矿瓦斯灾害危害,对瓦斯涌出量进行预测具有十分重要的现实意义。为进一步提高预测精度,将对立度算法应用到实际案列中,并与其他预测算法进行对比分析。基于对立度算法的基本原理,构建对立度算法数值计算算子的基本步骤;通过引入煤矿瓦斯数据,对瓦斯涌出量进行了预测;在同等条件下,与采用其他经典方法预测所得结果进行对比。对比结果表明,对立度算法平均误差均小于其他经典方法,最小可低于1%;因此,应用对立度算法应用到瓦斯涌出量预测中可提高预测精度。     

黄陵二号煤矿瓦斯地质规律及涌出量预测

用地质观点研究煤层瓦斯赋存已获得实践检验,瓦斯的赋存及涌出与地质因素密不可分.在收集并整理黄陵二号煤矿井田地质资料和瓦斯资料的基础上,分析了井田地质构造特征,结合瓦斯地质理论,研究地质构造、煤层顶底板岩性、煤层埋藏深度、水文地质条件等因素对瓦斯赋存的影响,融合矿井勘探及生产期间实测瓦斯含量数据,采用瓦斯地质统计法建立回采面绝对瓦斯涌出量与煤层瓦斯含量的关系式,并以此对矿井未采区的瓦斯涌出量进行了预测.     

新登煤矿三水平综放工作面瓦斯涌出量预测

通过采用分源法和矿山统计法相结合的预测方法,综合分析得出了三水平初期开采阶段工作面采用轻放工艺回采时的瓦斯涌出量,极大地指导了矿井下一步的瓦斯管理和安全生产.     

新登煤矿三水平综放工作面瓦斯涌出量预测

通过采用分源法和矿山统计法相结合的预测方法,综合分析得出了三水平初期开采阶段工作面采用轻放工艺回采时的瓦斯涌出量,极大地指导了矿井下一步的瓦斯管理和安全生产.     

矿井瓦斯涌出量预测方法探讨

矿井瓦斯涌出量预测方法是目前矿井瓦斯防治领域仍在探讨的研究课题。本文对现有的几种预测方法进行了讨论，提出了一种新的预测方法－瓦斯地质数学模型法，并在煤矿生产实践中进行了应用。     

基于SVM的瓦斯涌出量非线性组合预测方法

为了提高矿井瓦斯涌出量的预测精度,提出了一种基于支持向量机(SVM)的瓦斯涌出量非线性组合预测方法.该方法应用结构化风险最小化准则且具有在全局意义上逼近任意非线性函数特性的SVM,建立了一个多输入单输出的瓦斯涌出量非线性组合预测模型,通过样本学习和平均绝对百分比误差最小原则确定预测模型的参数,对双曲线回归、指数回归和灰色预测方法得到的3个不同的单项预测数据进行非线性组合作为最终预测结果.结果表明,该方法的平均绝对误差为6.92%,均方根误差为0.93 m3/t,其预测精度明显优于各个单项预测结果,大幅降低了预测风险,为提高瓦斯涌出量预测精度提供了一条新途径.     

瓦斯涌出量的人工神经网络预测的研究

基于反向传播神经网络、径向基函数神经网络和广义回归神经网络对采煤工作面瓦斯涌出量进行预测,比较和分析了瓦斯涌出量的预测值和实测值,并选定精度评价体系对预测结果进行评定。结果表明:反向传播神经网络、广义回归神经网络和径向基函数神经网络都能够较好的预测瓦斯涌出量,其中径向基函数神经网络的预测更精准。径向基函数神经网络的后验差检验比值c=0.07,小误差概率P=1.0,预测误差精度达到1级。     

基于GA-LSSVR算法的回采工作面瓦斯涌出量预测

针对回采工作面瓦斯涌出量问题的小样本、非线性、影响因素关系复杂等特点,采用遗传-最小二乘支持向量回归算法对瓦斯涌出量进行预测,利用定量方法进行分析,避免了定性分析的局限性,有效提高了预测的精度。该模型首先利用遗传算法对最小二乘支持向量回归机中的参数进行训练和优化,然后运用遗传-最小二乘支持向量回归模型对测试样本进行了回采工作面瓦斯涌出量测试。测试结果表明:与支持向量回归机以及最小二乘支持向量回归机的预测值相比,遗传-最小二乘支持向量回归的回采工作面瓦斯涌出量预测可靠性和精确性更高。     

基于改进支持向量机的瓦斯涌出量预测

为了克服瓦斯涌出量预测传统模型存在泛化能力弱和预测精度低的缺点,基于改进粒子群优化支持向量机建立一种非线性的煤矿瓦斯涌出量预测新模型。用改进的粒子群优化算法对支持向量机的惩罚因子与核参数进行寻优,选取最佳参数,以最佳参数对给定的训练样本进行学习训练,得到系统输入输出之间依赖关系的估计,再由这种关系对未知输出做出预测,进而建立起新型支持向量机预测模型。仿真实验结果显示,与普通粒子群优化的支持向量机相比,改进算法可使预测值的最大误差降低3．86％,平均误差降低4．27％,即新模型能够克服传统预测模型人为选取参数的盲目性以及神经网络的过学习问题,从而提高瓦斯涌出量预测的精度。     

矿井瓦斯涌出量预测方法的研究

本文对国内外关于矿井瓦斯涌出量预测方法及该领域的最新成果作了介绍。最后重点介绍了由作者参加的研究方法－瓦斯地质类比法。该方法具有综合性强，计算简便，采用多因素分析，预测精度高的特点。     

低瓦斯煤层工作面瓦斯涌出量预测与防治

利用瓦斯地质数学模型法建立了工作面瓦斯涌出量数学模型,预测了未采区工作面瓦斯涌出量.瓦斯涌出量等值线大体上沿北东方向展布,并具有随煤层埋深增加而增大的总体趋势.依据工作面瓦斯涌出量构成及瓦斯涌出量预测结果,提出了工作面瓦斯治理的两套措施,即采空区瓦斯抽放和下行风加专用排瓦斯巷.     

低瓦斯煤层工作面瓦斯涌出量预测与防治

利用瓦斯地质数学模型法建立了工作面瓦斯涌出量数学模型,预测了未采区工作面瓦斯涌出量.瓦斯涌出量等值线大体上沿北东方向展布,并具有随煤层埋深增加而增大的总体趋势.依据工作面瓦斯涌出量构成及瓦斯涌出量预测结果,提出了工作面瓦斯治理的两套措施,即采空区瓦斯抽放和下行风加专用排瓦斯巷.     

人工神经网络在瓦斯涌出量预测中的应用

当采掘工作面遇有岩浆岩破坏煤系和煤层时,地质条件尤为复杂,采用常规的矿山统计法和瓦斯含量法预测瓦斯涌出量难以取得理想的结果.作者从矿井地质综合分析入手,采用BP神经网络的方法建立了适用于矿井未采区瓦斯涌出量的预测模型,分别用48个4-2煤层、40个7-2煤层钻孔点的煤层瓦斯质量体积、煤层埋藏深度、煤质、火成岩分布、顶底板砂泥岩比值等数据作为输入层,预测地质条件相对复杂矿井的瓦斯涌出量.经已采区实测值与预测值比较分析认为,预测结果可信.     

人工神经网络在瓦斯涌出量预测中的应用

当采掘工作面遇有岩浆岩破坏煤系和煤层时,地质条件尤为复杂,采用常规的矿山统计法和瓦斯含量法预测瓦斯涌出量难以取得理想的结果．作者从矿井地质综合分析入手,采用BP神经网络的方法建立了适用于矿井未采区瓦斯涌出量的预测模型,分别用48个4-2煤层、40个7-2煤层钻孔点的煤层瓦斯质量体积、煤层埋藏深度、煤质、火成岩分布、顶底板砂泥岩比值等数据作为输入层。预测地质条件相对复杂矿井的瓦斯涌出量．经已采区实测值与预测值比较分析认为．预测结果可信．     

综采工作面相对瓦斯涌出量灰色模型预测

以灰色模型GM(1,1)为基础,对赵庄煤矿综采工作面的相对瓦斯涌出量进行了灰色预测和精度检验,并利用残差灰色模型对预测结果进行了修正.结果表明,灰色预测模型所需建模信息少,运算方便,模型预测精度高,是处理小样本预测问题的有效工具;当预测结果不满足精度要求时,还可以建立残差灰色模型对预测结果进行修正,从而进一步提高预测结果精度;在预测煤层相对瓦斯涌出量时,能达到较高的精度,可以满足工程技术的要求.     

基于PolyAnalyst线性回归的瓦斯涌出量预测应用研究

瓦斯涌出量受多种相关因素的影响.通过运用PolyAnalyst软件平台提供的线性回归模型进行瓦斯涌出量的预测,自动选取合适的影响因素建立预测瓦斯涌出量的多元线性回归模型.结果表明,通过软件分析得到精度较好的预测模型,将预测值与对应的真实值做分析比较,误差满足要求,预测准确度较高.     

基于灰色线性回归组合理论的矿井瓦斯涌出量预测

为了减小瓦斯对矿井开采安全性的威胁,以铁法煤业集团晓南矿瓦斯地质为研究对象,利用灰色线性回归理论,根据矿井瓦斯监测数据,建立瓦斯涌出量的灰色线性回归组合模型,对晓南矿深部瓦斯涌出量进行预测。结果表明：灰色线性回归组合模型既改善了线性回归预测模型中不仅表达指数增长的缺陷,又弥补了灰色系统预测模型中不含线性因素的不足,在预测矿井深部瓦斯涌出量中取得了较好的效果。