BP神经网络在煤与瓦斯突出预测中的应用

煤与瓦斯突出是一种极其复杂的瓦斯动力灾害现象.采用煤与瓦斯突出预测常用的7项指标作为输入值,基于BP神经网络的非线性自主学习能力,智能化、定量化地识别煤与瓦斯突出的类型.该模型基于MATLAB的神经网络工具箱加以实现.实验结果证明,基于BP神经网络的煤与瓦斯突出预测模型结果可靠,效果良好,应用性比较强.     

神经网络在煤与瓦斯突出预测中的应用

应用神经网络中的BP网络模型对金竹山矿区煤与瓦斯突出进行了预测。为了加快神经网络模型的收敛速度,增强其跳出局部极小点的能力,采用了自适应变步长法和改进模拟退火法(SA法)相结合的方法。实际应用表明,该模型预测准确性高,是一种有效的煤与瓦斯突出危险性预测方法。     

模糊神经网络技术在煤与瓦斯突出预测中的应用

由于煤与瓦斯突出发生的内在机理的复杂性、突出影响因素与突出事件之间的相关规律的不精确性和模糊性, 使得基于经验的传统预测方法和基于数学建模的统计预测方法的应用都受到很大限制． 而具有表达、处理不精确信息和实现信息影射变换双重特性的模糊神经网络, 通过训练能够捕捉、把握影响突出的因素与突出事件之间的特定相关规律, 从而有望实现煤与瓦斯突出的正确预测．     

工作面煤与瓦斯突出电磁辐射的神经网络预测方法研究

以自适应神经网络的基本原理为基础，系统研究了煤与瓦斯突出电磁辐射自适应神经网络预测的原理，将电磁辐射自适应神经网络模型应用于煤与瓦斯突出危险性预测，实现了煤与瓦斯突出危险性的电磁辐射动态趋势预测．应用结果表明，煤与瓦斯突出电磁辐射神经网络预测法具有预测方法简单、准确性高等特点，可应用于工作面煤与瓦斯突出危险性的预测．     

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。     

煤与瓦斯突出的神经网络预测分析

煤与瓦斯突出是一处复杂的过程，做好预测预报工作显得尤为重要本文通过建立煤与瓦斯突出的人工神经网络预测模型，原始样本的学习可预测待报样本的突出情况，并进行了实例分析。经过检验，该预测模型的预测精度较高。     

利用MATLAB神经网络进行煤与瓦斯突出预测的研究

从煤与瓦斯突出的机理出发，考虑煤与瓦斯突出的综合影响因素，利用MATLAB神经网络工具箱，在VC 中嵌入MATLAB神经网络模块，建立了能够准确预测煤与瓦斯突出的神经网络预测模型，并制成了相应的预测软件。应用该软件进行实际检验，预测结果完全与实际相吻合，可以用来准确预测工作面煤与瓦斯突出。     

BP神经网络在煤与瓦斯突出预测中的应用

鉴于煤与瓦斯突出对煤矿的安全生产的威胁以及其影响因子的复杂性,合理的选择煤与瓦斯突出预测的影响因子,利用非线性的BP人工神经网络建立煤与瓦斯突出强度预测模型,来预测煤与瓦斯突出强度的大小。结果显示,煤与瓦斯突出强度的预测值与实测值吻合得较好,表明采用BP神经网络预测煤与瓦斯突出强度是可行的,为矿井煤与瓦斯突出的预测提供了一种预测精度较高的方法。     

瓦斯地质法在煤与瓦斯突出预测中的应用

介绍了中马村煤矿的基本情况。运用瓦斯学的一般原理,对该矿的瓦斯地质进行分析和整理,建立了适合该矿的煤与瓦斯突出预测瓦斯地质法,通过比较证实了瓦斯地质法比其它预测方法安全经济。     

用人工神经网络预测煤与瓦斯突出

设计了反向传播人工神经网络模型来预测煤与瓦斯突出.用“留一法”训练了神经网络模型,然后对几个实际样本进行了预测.预测结果表明：对其中两个样本的预测完全准确,另一个出现了偏差,均方误差、相对均方误差和拟和值的统计指标值分别为0.577 4,0.577 4%和1.866 0.     

Research on prediction for coal and gas outburst based on Matlab neural network toolbox and its application

In order to predict the danger of coal and gas outburst in mine coal layer correctly, on the basis of the VLBP and LMBP algorithm in Matlab neural network toolbox, one kind of modified BP neural network was put forth to speed up the network convergence speed in this paper. Firstly, according to the characteristics of coal and gas outburst, five key influencing factors such as excavation depth, pressure of gas, and geologic destroy degree were selected as the judging indexes of coal and gas outburst. Secondly, the prediction model for coal and gas outburst was built. Finally, it was verified by practical examples. Practical application demonstrates that, on the one hand, the modified BP prediction model based on the Matlab neural network toolbox can overcome the disadvantages of constringency and, on the other hand, it has fast convergence speed and good prediction accuracy. The analysis and computing results show that the computing speed by LMBP algorithm is faster than by VLBP algorithm but needs more memory. And the resuits show that the prediction results are identical with actual results and this model is a very efficient prediction method for mine coal and gas outburst, and has an important practical meaning for the mine production safety. So we conclude that it can be used to predict coal and gas outburst precisely in actual engineering.     

煤与瓦斯突出预测的SOFM模型及应用

煤与瓦斯突出是煤矿生产活动中常见的一种动力灾害之一,其危险性等级评价是煤矿安全生产的必要前提和保证。文章综合考虑煤与瓦斯突出发生的地应力、瓦斯和煤的物理力学性质等条件,选取地质破坏程度、瓦斯压力、瓦斯放散初速度、煤的坚固性系数以及开采深度作为煤与瓦斯突出危险性预测的评价指标。基于此,文章借签一种自组织特征映射(SOFM)神经网络,建立煤与瓦斯突出危险性预测的SOFM神经网络模型,将SOFM神经网络模型应用于国内26个典型矿井的煤与瓦斯突出危险性预测。研究表明,SOFM神经网络模型预测效果较好,其正判率为92.31%。说明该模型可为小样本、多指标的煤与瓦斯突出预测提供一种新的思路。     

瓦斯涌出异常预报煤与瓦斯突出

通过对掘进工作面突出前夕煤壁瓦斯浓度变化规律的研究,提出了利用瓦斯浓度变化预报煤与瓦斯突出的方法,并建立了突出预报数学模型.研究表明：对瓦斯浓度序列的移动平均线、振幅、频次和方差等几个方面的综合评判,可预报掘进工作面突出的发生,并以潘一矿突出实例进行验证,表明在突出前2.5 h瓦斯浓度变化出现异常,根据这一异常可实现突出预报.     

突出口径对煤与瓦斯突出强度影响研究

改进大型煤与瓦斯突出模拟试验装置,增加两个气体压力传感器和两个温度传感器,进行突出口径分别为10mm,30mm,50mm的煤与瓦斯突出模拟试验。试验结果表明:在0.75 MPa瓦斯压力条件下,突出口径为10mm时没有发生煤与瓦斯突出,突出口径为50mm和30mm时发生煤与瓦斯突出,突出煤体质量分别为25.40kg和15.05kg。随着突出口径的减小煤与瓦斯突出的煤量减少,突出强度降低。突出口径的大小影响煤体突出的状态,突出口径越大,煤体突出的距离越远,破坏性也越高。突出后煤样中粒径在1.6~5.0mm范围内的煤颗粒比例减小,而粒径小于0.75mm的煤颗粒比例增加,体现了突出过程中的破碎功,具有较强的粉碎性。突出口径越大,煤体越易于破裂失稳并发生煤与瓦斯突出,煤体中瓦斯的放散受突出口径的影响,使煤体中瓦斯压力梯度变化趋势不同。突出口径越大,瓦斯压力降低越快,瓦斯对煤体的粉碎性越明显,突出强度也越大,突出过程中煤体温度也发生变化,说明突出口径影响含瓦斯煤的破断失稳和突出特性。     

煤与瓦斯突出强度和瓦斯量的计量方法

针对我国瓦斯突出特征参数确定中存在的主要问题,通过实测和分析,阐述了瓦斯突出强度的计量原则,提出突出煤岩量的计算方法,介绍了突出发生后的瓦斯涌出规律,提出瓦斯涌出量的计算方法.为统一和规范煤与瓦斯突出特征参数提供了技术途径,为煤矿突出后的现场勘查、资料记录与分析和突出矿井的鉴定提供了参考.     

基于FTA方法的煤与瓦斯突出危险性评价研究

煤与瓦斯突出事故已被广泛研究,基于FTA方法的突出专项危险评价极少被涉及。依据煤与瓦斯突出综合假说和事故因果理论,本文提出了煤与瓦斯突出概念模型;基于FTA方法构建突出事故树基本模型。以大兴煤矿为工程实例,结合地质构造因素与突出事故树基本模型,建立了大兴矿突出事故树模型,通过最小割集、最小径集与结构重要度的计算,来评价该矿突出路径、危害程度及防治措施,完成煤与瓦斯突出危险专项评价。     

煤与瓦斯突出危险性综合判识方法研究

针对我国现采用的煤与瓦斯突出鉴定方法不能准确判定煤层是否具有煤与瓦斯突出危险性的问题,基于煤与瓦斯突出的演化过程,建立了煤与瓦斯突出激发过程的极限平衡方程,推导出了激发突出的判据关系式,表明突出发生与否直接与煤体强度、瓦斯压力、煤层方向应力和顶板支承压力相关,并与采高、支护作用等因素间接关联。结合典型的煤层物理力学和瓦斯参数,采用现有突出危险性鉴定方法和所建立的综合判识方法分别进行计算,并利用数值模拟方法进行验证,得出的综合判识方法对煤与瓦斯突出危险性的评价更为准确。     

基于Windows平台的采掘工作面煤与瓦斯突出预测专家系统

在全面分析采掘工作面煤与瓦斯突出影响因素的基础上，构建了突出预测推理知识模型；在此基础上借助XF6.1开发工具设计实现了基于Windows平台的采掘工作面煤与瓦斯突出预测专家系统.在知识表达方面采用可视化的、面向对象的“知识体-对象块-构件”的综合知识表示方式和“规则架+规则体”的规则知识表示方法；推理机设计则采用混合推理策略.初步应用表明，本专家系统基本能以“准”专家水平对采掘工作面煤与瓦斯突出作出预测，较以往预测手段预测精度有明显提高.