矿井涌水量灰色GM(1,2)预测模型

基于矿井涌水量序列具有明显的随机性和灰色特征,建立涌水量GM(1,2)预测模型,以克服灰色GM(1,1)模型对于随机波动大的长序列预测效果差的缺点。以王行庄煤矿为例,针对2012年7月至2013年12月王行庄煤矿18个月的涌水量资料,考虑与之密切相关的L7-8灰岩含水层水位降深,建立了矿井涌水量GM(1,2)预测模型;预测了2014年1—4月的涌水量;并与GM(1,1)预测模型进行模型精度与预测精度的比较。结果表明:GM(1,2)模型的预测精度达到了97.44%,GM(1,1)模型的预测精度为92.60%,GM(1,2)模型明显提高了矿井涌水量的预测精度。     

矿井涌水量预测方法的发展

对矿井涌水量的多种预测及计算方法进行分析和总结,将各种方法的应用范围与限制进行综合分析,探讨各方法的改进,进行实用性的评价;确定性数学模型法和不确定性方法相结合的方法将是矿井涌水量预测计算的主要发展方向;提出与一些发展迅速的新技术相结合进行矿井涌水量预测的可能性。     

矿井涌水量R/S灰色预测模型

基于矿井涌水量序列具有灰色和分形的特征,建立R/S灰色预测模型,以克服R/S方法无法进行定量预测以及灰色模型对于随机波动大的长时间序列预测效果差的缺点。以成庄煤矿为例,针对2008年1月—2013年12月矿井涌水量进行R/S分析,确定Hurst指数和平均循环周期,并在一个周期内进行灰色预测。结果表明:成庄矿涌水量序列的Hurst指数为0.839,涌水量有持续增加的趋势,其平均循环周期为18个月;与2014年1—4月实测涌水量对比,R/S灰色预测模型的预测精度为92.56%,高于灰色预测模型,为中长期时间序列的矿井涌水量预测提供了更有效的新方法。     

疏系数自回归模型及其在矿井涌水量预测中的应用

作者分析了诸如矿井涌水量等地质时间序列数据的特点以及现有的一些预测预报方法的局限性,引进了一种适合地质特点的数学模型——疏系数自回归模型,并利用该模型处理了大同矿务局某矿的月平均日涌水量数据。从计算结果可以看出,预测的精度满足了生产矿井的实际需要。     

基于CEEMD_GRU模型的矿井涌水量预测

为了提高矿井涌水量的预测精度,提出基于互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)与门控循环单元(gated recurrent unit,GRU)相结合的矿井涌水量预测模型(CEEMD_GRU).首先,通过CEEMD算法将一维涌水量数据分解为多个本征模态函数(intrinsic mode function,IMF)分量和一个残差余量,本征模态函数分量反映涌水量数据在不同时间尺度的波动特征,残差余量反映数据长期变化的趋势特征;然后,针对各分量分别建立GRU神经网络模型,将对一维数据的研究转换为对其分解后多维子分量的研究,训练学习各分量的时序变化规律并进行预测;最后,将预测结果融合得到最终涌水量预测值.将CEEMD_GRU与反向传播(back propagation,BP)、支持向量机(support vector machine,SVM)、GRU神经网络进行了对比实验,结果表明,基于CEEMD_GRU的均方根误差平均降低了60.8％,该研究为进一步提高矿井涌水量预测精度提供了思路.     

基于相空间重构和支持向量机的矿井涌水量预测

针对矿井涌水量典型的非线性特征,应用相空间重构与支持向量机耦合方法进行预测。将矿井涌水量的时间序列作相空间重构,并以最小嵌入维数作为支持向量机的输入节点,根据支持向量机原理建立矿井涌水量的预测模型。实例计算表明:与其他维数相比,当嵌入维数为4时,矿井涌水量的预测精度最高,说明引入最小嵌入维数是正确的。为检验该方法预测的可靠性,分别采用最小二乘法、指数函数法、相空间重构与支持向量机耦合法对实际矿井涌水量观测值进行回归预测。结果表明,非线性方法的预测效果比线性方法更佳。不同核函数预测结果证实RBF是最优的。     

基于线性回归与重标极差R/S法的年平均流量变化趋势分析

采用重标极差R/S法寻找年平均流量序列的变异点,对序列进行分割,然后运用线性回归法分析年平均流量分割样本序列变化趋势,利用R/S法求出分形Hurst指数并分析序列的持久性或反持久性特征,最后综合两者的结果分析序列未来的变化趋势特征。并以某站年平均流量序列为例进行分析,结果表明:基于线性回归与重标极差R/S法的年平均流量变化趋势分析方法可行。     

基于反距离加权法的DTW-RNN神经网络吸水剖面预测模型

基于同位素吸水剖面法和分层注水量计算法在应用中存在这样或那样的不足,创新了一种油水井多层合注合采液量劈分技术方法.该方法是在实测吸水剖面资料的基础上,选取油层有效厚度、有效渗透率、措施系数、原油粘度等共8个因素作为建立预测模型的主要影响因素,以注入井的注水数据为输入值,通过反距离加权法以及时间规整算法对输入值进行距离计...     

GM(1,1)-星野法沉降预测模型研究与应用

围绕目前高速公路路基沉降预测精度不高,预测方法适用性不强等问题,基于组合预测理论,借助MATLAB计算软件,将基于灰色理论的GM(1,1)预测模型和星野法沉降预测模型线性组合,以组合预测误差的平方和最小为标准确定两种预测方法的权重系数,提出GM(1,1)-星野法组合预测模型。结合广东某高速公路施工期以及运营期路基实测沉降数据,GM(1,1)-星野法组合预测模型预测结果较两种方法单独预测结果具有更高的预测精度,工程适用性更强。     

基于等维灰数递补模型法的路面使用性能预测方法

考虑到目前国内路面使用性能预测方法存在主观性强、综合性差的不足,选取路面损坏状况指数(Pavement Condition Index, PCI)作为分析指标,分别比较了路面性能衰变PPI模型、常规GM(1,1)模型以及等维灰数递补模型的路面使用性能预测方法对PCI指标的预测效果。结果表明,3种模型的预测精度均能满足一级精度。其中,等维灰数递补模型预测结果的后验差比值最小,预测的稳定性和精确度最好,更适用于路面使用性能的预测。     

Spontaneous combustion influenced by surface methane drainage and its prediction by rescaled range analysis

This study established numerical modeling using COMSOLTMto examine the influence of horizontal location and drainage ability of surface borehole on spontaneous combustion in longwall working face gob. Rescaled Range Analysis(R/S analysis) was employed to investigate the chaos characteristic of N_2/O_2 ratio from a surface borehole in 10416 working face gob, Yangliu Colliery, China. The simulation results show that there is always a circular ‘‘dissipation zone" around the drainage borehole and an elliptic ‘‘spontaneous combustion zone" in deep gob. Little influence was found on spontaneous combustion zone on the intake side of the gob but the width of spontaneous combustion zone in middle gob is enlarged, while the depth of spontaneous combustion zone near the return side is reduced. The R/S analysis indicates that the influence of surface borehole on spontaneous combustion can be divided into two stages by the chaos feature of N_2/O_2: safety drainage stage and spontaneous combustion initiating stage. It can be concluded that the methane drainage from gob through surface borehole can intervene in the distribution of spontaneous combustion zone in gob and the chaos feature of N_2/O_2 from surface borehole can effectively reflect coal spontaneous combustion condition in gob.     

基于Visual Modflow的岩溶水疏降流场模拟和涌水量预测

为确保鹤壁矿区寺湾矿安全生产,采用国际通用的Visual Modflow地下水渗流模拟软件,以寺湾矿石炭系太原组二灰岩溶水大型放水试验为基础,建立了岩溶水三维渗流数值模型.通过该模型的识别和检验,成功模拟了放水试验所形成的渗流场和水位动态变化,利用此模型计算的设计疏降水平的涌水量与采用相关曲线外推法、漏斗均衡法和解析法计算结果相差不大,已成为矿井排水系统改造的重要参数,为受承压水威胁的太原组下夹煤的安全合理开采提供了科学依据.     

基于矢量和法的矿山边坡稳定性分析

基于矢量和法的矿山边坡稳定分析方法在边坡的荷载和滑面已知的情况下,运用有限元法计算滑裂面上的真实应力分布,得出滑裂面上各处静滑动摩擦力合力方向的反方向即安全系数的计算方向θ,并在此方向上由抗滑力与滑动力的矢量和得出矢量法安全系数F(θ).本文运用矢量分析法计算出大冶东露天采场F9断裂带内某边坡的安全系数,将计算结果与极限平衡法和有限元强度折减法计算结果进行了分析和比较,分析表明该法与已得到工程验证的有限元强度折减法模拟该边坡渐进破坏的定向分析结果相吻合,说明了矢量分析法的可行性和工程实用性.     

基于IFS-NARX模型的网络安全态势预测

针对现有预测方法较难解决复杂网络环境下网络安全态势预测的不确定性,以及需有效利用经验数据提高网络安全态势预测效率和准确性的问题,通过构造网络安全大数据特征要素的直觉模糊集,提出采用基于直觉模糊集的非线性自回归神经网络(IFS-NARX)对网络安全态势进行预测的方法。实验分析表明:该预测方法相对于现有的网络态势预测方法具有更高的学习效率,更能准确有效地预测出未来一段时间内的大数据安全态势的变化趋势。     

基于马尔可夫排队模型的行程时间预测方法

针对城市交通流诱导系统(UTFGS)亟待解决的综合路段行程时间预测这一关键问题,利用马尔可夫排队模型给出了车辆路段(含信号交叉口)实时行程时间预测的基本公式,并结合实际工程项目对公式中的一些参数进行了简化,提高了模型的实用性。人工调查数据验证表明该模型具有较高的精度。同时给出了相对误差图。     

基于图神经网络的地表水水质预测模型

针对水质数据在时间和空间维度上的复杂依赖关系,提出基于图神经网络（GNN）的地表水水质预测模型. 该模型采用GNN建模地表水水质监测站点在空间上的复杂依赖关系,使用长短时记忆网络（LSTM）建模水质指标序列在时间上的复杂依赖关系,将编码结果输入到解码器中得到预测输出. 实验结果表明,与时间序列分析方法、通用回归方法和一般深度学习方法相比,该模型能够实现23.3%、26.6%和14.8%的性能提升.     

一种基于监督降维和形状分析的基因选择方法

因为由主分量分析与形状分析相结合的基因选择方法没有有效利用样本的类别信息,所以提出了一种新的基因选择方法,将间隔最大化判别分析和形状分析相结合,在选择基因过程中不仅考虑了基因与基因之间的相互作用,也考虑了基因与类之间的相互关系,提高了所选基因集的分类性能.对4组微阵列基因表达数据的实验表明,该方法的性能优于主分量分析与形状分析相结合的方法,与当前两个流行的多变量F ilter方法相比,也具有一定的优势.     

基于主影响因素的城市时用水量预测

针对城市用水量影响因素的多样性、随地域时间多变的特点及与时用水预测时间尺度难匹配的问题,提出基于主影响因素的城市时用水量预测方法.该方法先以改进的灰色关联法对用水量影响因素进行分析讨论,把得到的主影响因素作为算法输入量对预测日用水量做预测;而后针对预测日的时用水特征,在动态模糊聚类中引入聚类中心距离评价函数及非线性约束条件,寻求预测日的各时段水量分配模式,并依据该模式做时用水量的最终预测及合理调度.用萧山南阳镇历史用水量为例,做预测仿真验证,结果表明,该方法能够很好跟踪预测日的时用水量变化,稳定跟踪能力及跟踪精度上远优于传统时间序列预测法,易满足供水系统的调度精度需求.     

基于云模型理论的短期风速预测方法

基于不确定性理论与方法,采用模糊c均值(FCM)聚类算法对历史风速数据进行聚类分析.在此基础上,利用云模型理论将由聚类产生的一系列定量数据集合转化为由3个云模型数字特征值表示的定性概念,建立风速云模型.将历史风速时间序列中的分钟级变化规律以及日变化规律应用到云模型规则发生器中,建立风速预测的组合云模型.误差概率统计发现,该模型24h风速预测绝对误差小于2m/s的概率为97.94%,预测曲线的均方根误差为0.98m/s.将云模型预测值的期望与RBF神经网络预测值对比,预测精度有所提高,预测曲线基本反映出了风速的变化规律,表明基于云模型的预测方法在风速预测方面的可行性.