瓦斯涌出量的灰色建模及其预测

为了正确预测瓦斯涌出量,根据灰色理论提出的灰色预测方法,把非等间距数列变为等间距数列,利用不同时间段瓦斯涌出量的原始数据建立矿井瓦斯涌出量GM(1,1)预测模型,进行瓦斯涌出量预测,选择了合理的误差检验模型,结果表明预测程度高.利用灰色预测理论,通过对某矿矿井工作面瓦斯涌出资料进行分析、研究建立煤矿瓦斯涌出量灰色预测模型,并对矿井瓦斯涌出量变化趋势进行预测.     

贵州煤矿瓦斯涌出量灰色预测的应用

运用灰色理论建立巷道瓦斯涌出量的灰色模型，对贵州某矿矿井瓦斯涌出量进行预测预报．采用残差识别方法修正GM（1，1）模型进行瓦斯涌出量预测，预测精度更高。利用灰色灾变预测理论，对某矿矿井工作面瓦斯涌出资料进行分析、研究建立煤矿瓦斯涌出量灰色预测模型，并对矿井瓦斯涌出量变化趋势进行预测。通过建立灰色预测模型，进行矿井瓦斯涌出量灾变性预测。     

贵州煤矿瓦斯涌出量灰色预测的应用

运用灰色理论建立巷道瓦斯涌出量的灰色模型,对贵州某矿矿井瓦斯涌出量进行预测预报.采用残差识别方法修正GM(1,1)模型进行瓦斯涌出量预测,预测精度更高.利用灰色灾变预测理论,对某矿矿井工作面瓦斯涌出资料进行分析、研究建立煤矿瓦斯涌出量灰色预测模型,并对矿井瓦斯涌出量变化趋势进行预测.通过建立灰色预测模型,进行矿井瓦斯涌出量灾变性预测.     

基于灰色建模预测李雅庄矿井瓦斯涌出量

为了正确预测瓦斯涌出量,根据灰色理论的灰色预测方法,利用不同时间段瓦斯涌出量的原始数据,建立矿井瓦斯涌出量GM(1,1)预测模型,进行瓦斯涌出量预测,并选择了合理的误差检验模型,预测程度高。经对李雅庄矿井瓦斯涌出资料建立矿井瓦斯涌出量灰色预测模型,对矿井瓦斯涌出量进行预测的实践表明,确有良好效果。     

基于改进灰色模型的矿井瓦斯涌出量预测

为了对矿井深部瓦斯涌出量进行预测,介绍了灰色线性回归组合模型的建模方法,以某煤矿相对瓦斯涌出量统计数据为实例,利用灰色线性回归组合模型对其瓦斯涌出量进行预测,通过检验得出模型的精度等级为一级。结果表明:灰色线性回归组合模型可以使传统的灰色GM(1,1)模型不含线性因素的情形得到改善,在预测矿井深部瓦斯涌出量中取得了良好的预测效果,具有一定的实用价值。     

瓦斯涌出量灰色-RBF网络模型的建立与应用

为了减少瓦斯事故给煤矿生产带来的损失,本文在灰色模型预测煤矿瓦斯涌出量的基础上,结合神经网络理论,构建了灰色-RBF网络模型,充分利用灰色模型的"小样本、贫信息"的预测特点及RBF神经网络自学习、自适应能力特点。首先使用灰色模型对瓦斯涌出量进行初步预测,然后建立RBF网络模型进行再次预测,得到瓦斯涌出量的最终预测值;RBF网络模型的训练和预测计算用MATLAB软件完成。通过对安徽省某矿瓦斯涌出量的预测结果对比,灰色-RBF网络模型的预测误差分别为0.325和0.221,灰色模型预测误差为2.51和2.45,结果表明灰色-RBF网络模型预测明显高于单一灰色模型预测的预测精度。为煤矿瓦斯涌出量预测提供一种预测精度高的方法。     

基于灰色马尔可夫模型预测煤矿瓦斯涌出量

在煤矿瓦斯涌出量灰色预测的基础上引入马尔可夫链预测理论,建立了煤矿瓦斯涌出量灰色马尔可夫预测模型,并将该模型应用到采煤工作面瓦斯涌出量预测分析中。结果表明,用该模型预测瓦斯涌出量比单一灰色模型预测的精度有较大提高,从而说明灰色马尔可夫预测模型预测煤矿瓦斯涌出量的潜在规律是可行有效的。     

基于灰色神经网络算法的煤矿瓦斯涌出量预测模型研究

煤矿设计和开采受瓦斯涌出量的影响。由于地质条件不同,瓦斯涌出量也各有不同,传统方法预测瓦斯涌出量精确性很低。文章首先对灰色神经网络预测的现状做出介绍,然后分别介绍了灰色系统和神经网络的模型,最后结合灰色神经网络模型对煤矿瓦斯涌出量的应用实例做出分析。研究表明,灰色神经网络算法有很大的应用前景和推广价值。     

GM(1,1)灰色预测模型在矿井瓦斯涌出量预测中的应用

瓦斯是造成煤矿生产过程中事故频发的重要因素.以预测矿井瓦斯涌出量为研究目的,运用灰色系统理论,通过对矿井瓦斯涌出资料进行分析、研究建立GM(1,1)瓦斯涌出量灰色预测模型对瓦斯涌出量变化趋势进行预测,并与现场实际瓦斯涌出量比较,结果表明该模型精度较高,能够很好用于矿井瓦斯涌出量的预测,为井下安全生产和瓦斯监测提供依据,从而避免瓦斯事故的发生.     

瓦斯涌出量的灰色模型预测与曲线拟合预测对比

为了研究矿井瓦斯涌出量预测的规律,分析了2种常用预测模型数据的处理方法.结合顾桥煤矿1116(1)工作面瓦斯涌出量监测数据,将灰色GM(1,1)模型与曲线拟合方法应用于该工作面瓦斯涌出量的数据处理和预测结果的分析、检验,精度满足瓦斯涌出量预测要求,并运用F检验法,对2种预测结果进行相关性分析,得出了合理选择灰色GM(1,1)预测模型预测矿井瓦斯涌出量的基本结论.     

灰色系统理论在矿井瓦斯涌出量预测中的应用

以预测矿井瓦斯相对涌出量为研究目的，通过灰色系统的建模、关联度分析及残差辨识为基础，建立了灰色系统理论模型，并将该模型应用到某矿瓦斯涌出量预测分析中，对该矿历年来相对瓦斯涌出量进行了灰色生成，建立了灰色预测系统；由后验差检验结果、对照精度检验等级可知，灰色系统预测矿井瓦斯涌出量的拟合精度好，预测结果正确可靠，反映出了矿井瓦斯涌出量的客观存在与发展态势.     

矿井延深瓦斯涌出量的灰色预测

简要分析了矿山统计法预测瓦斯涌出量的弊端,采用灰色系统预测方法,根据不同采深瓦斯涌出量的原始数据建立了矿井瓦斯涌出量的动态GM(1,1)模型,通过建立残差GM(1,1)模型的方法对误差进行检验,实例表明预测精度较高,对做好矿井延深瓦斯涌出量预测并进行矿井安全生产具有较好的指导意义。     

改进的灰色马尔柯夫模型预测采煤工作面瓦斯涌出量

以预测工作面绝对瓦斯涌出量为研究目的,通过对回采工作面瓦斯涌出量原始数据取自然对数为基础,建立改进的GM(1,1)模型,然后将其与马尔柯夫模型相结合,建立了改进的灰色马尔柯夫模型,并将该模型应用到中岭煤矿首采工作面瓦斯涌出量预测分析中.结果表明,灰色马尔柯夫模型预测工作面瓦斯涌出量拟合精度较好,结果正确可靠,有一定的普遍应用性.     

矿井瓦斯涌出量灰色GM（1,1）预测模型的分析

灰色预测模型为矿井瓦斯涌出量时间动态数列的预测提供了一条新的途径。本文在对灰色ＧＭ（１，１）预测模型进行有关分析的基础上，提出了矿井瓦斯涌出量预测的ＧＤＭ模型，以进一步拓宽灰色预测的应用范围。利用该预测模型对一些矿井进行瓦斯涌出量的预测研究，均得到了较为满意的结果。     

基于灰色GM(1,1)新陈代谢模型的矿井瓦斯涌出量动态预测

矿井工作面瓦斯涌出是一个动态不确定的过程,因此最新瓦斯涌出数据的研究至关重要,本文将灰色GM(1,1)模型瓦斯涌出量预测结果加入原始数列,对原始数据序列的信息进行更新,建立了矿井瓦斯涌出量GM(1,1)新陈代谢动态预测模型,采用残差检验法对该模型精度进行检验,其平均相对误差为3.861%,预测精度明显优于GM(1,1)模型,提高了灰色GM(1,1)模型预测瓦斯涌出量的精度。     

基于GM(1,1)模型的矿井瓦斯涌出量预测研究

以预测矿井瓦斯相对涌出量为研究目的,应用灰色系统理论,建立了预测矿井瓦斯涌出量的灰色系统GM(1,1)模型,并对其不断优化,再采用后验差检验对预测模型的结果进行了判断。实例表明,该模型的计算精度符合工程实际,可用于矿井瓦斯涌出量的预测。其方法与结果对治理瓦斯、保证煤矿的安全生产具有重要意义。     

矿井瓦斯涌出量预测的GM(1,1)模型研究

利用灰色系统理论,根据不同时期的瓦斯涌出量数据,建立了瓦斯涌出量灰色预测模型,并通过对发耳矿井的瓦斯涌出资料统计分析,采用了GM(1,1)模型进行预测,选择了合理的误差检验方法对预测结果进行判断,结果表明,该模型的计算结果符合工程实际需要,预测程度较高.     

运用灰色系统理论预测矿井瓦斯涌出量

矿井瓦斯涌出量的变化可以认为是一灰色系统。本文将灰色系统理论中的GM(1,1)模型引进矿井瓦斯涌出量预测中,预测矿井瓦斯涌出量变化动态及其结果。     

基于灰色-神经网络组合模型的瓦斯涌出量预测

针对煤矿瓦斯涌出量,建立了以预测方法有效度为优化指标的求解组合预测权重系数的优化模型,并对灰色—神经网络组合预测模型采用简化方法求解。预测结果表明:该模型比使用灰色和神经网络预测模型能获得更高的精度,可用于矿井瓦斯涌出量的预测。     

灰色-分源预测法对煤矿瓦斯涌出量的应用研究

以预测矿井的相对瓦斯涌出量为目的，提出灰色-分源预测的新方法，构建了灰色-分源预测的数学模型，即将灰色预测与分源预测相结合，用灰色理论对采煤工作面的相对瓦斯涌出量和掘进工作面的绝对瓦斯涌出量作长期预测，再将预测结果代入分源预测计算公式中，对矿井相对瓦斯涌出量进行预测；该方法起到了取长补短的作用，既克服了单独应用时灰色理论预测精度低、分源预测短期性的缺点，又将灰色理论预测的长期性和分源预测的准确性结合了起来。文中详细介绍了灰色-分源预测方法的计算流程及数学模型，最后通过实例验证了该方法具有可行性，可实现煤矿瓦斯涌出量的中长期动态预测，准确度较高。