共查询到20条相似文献,搜索用时 0 毫秒
1.
2.
3.
5.
通过分析瓦斯压力“成长”过程,运用时间序列分析的方法,建立压力曲线模型,准确地预测了钻孔最终真实瓦斯压力值。该法对封孔不和其他原因造成后期漏气而导致测压失败的现象,尤为有用。 相似文献
6.
7.
8.
9.
依据神经网络建模的原理,提出了一种基于神经网络的时间序列预测方法,并通过在山东枣庄矿业集团公司柴里煤矿进行的预测分析,验证了预测方法的有效性。为解决煤炭自燃的预测提供了一条良好的思路和方法,具有较大的理论意义和应用价值。 相似文献
10.
基于加权LS-SVM时间序列短期瓦斯预测研究 总被引:1,自引:0,他引:1
针对神经网络的瓦斯预测模型存在的泛化性能差且存在易陷入局部最优的缺点,提出了基于最小二乘支持向量机(LS-SVM)时间序列瓦斯预测方法.由于标准最小二乘支持向量机(LS-SVM)要求样本误差分布服从高斯分布,且标准LS-SVM丧失鲁棒性与稀疏性等特点,提出了基于加权LS-SVM的瓦斯时间序列预测的方法,从而提高了标准L... 相似文献
11.
12.
13.
把矿山的经营参数作为互相关联的随机变量,并用随机过程理论建立时间序列预测模型,利用以往的数值预测现在的经营参数,为矿山适时选择最佳生产经营参数提供参考。 相似文献
14.
针对传统位移预测算法求解巷道位移时预测精度不佳且误差大等问题,建立萤火虫算法(FA)优化BP神经网络的预测模型,解决了BP神经网络初始权值和阈值难以确定、预测模型参数局部最优及预测精度不佳等问题。以锦丰金矿30中段巷道为研究对象,利用巷道顶板和两帮的位移监测数据进行预测分析,并采用BP神经网络模型与FA-BP神经网络模型进行比较。研究结果表明:FA-BP神经网络模型的平均相对误差分别为0.15%和0.13%,BP神经网络模型分别为-2.02%和0.87%,说明FA-BP神经网络模型具有更好的预测精度。 相似文献
15.
16.
在分析传统的矿井瓦斯涌出量预测方法的基础上,应用Fuzzy时间序列模型,对祁东煤矿的瓦斯涌出量进行预测.实验证明,该模型的计算精度符合实际. 相似文献
17.
矿业项目投资决策系统涉及到矿产品价格、生产成本、市场需求及风险利率水平等主要变量,其中,矿石价格起主导作用,且其波动性呈非线性特征,难以用经典的时间序列理论来预测,因而难以实现矿业投资决策系统的最优化。以铀矿资源为例,采用BP神经网络与自适应模糊推理系统(ANFIS)技术,并结合时间序列技术分别建立铀矿产品价格的BP神经网络和ANFIS时间序列模型,并对铀矿产品价格的预测进行了比较分析,研究结果表明,铀矿石价格的ANFIS时间序列比BP神经网络时间序列具有较好的预测效果。 相似文献
18.
19.
基于ARIMA模型的矿区重金属污染时间序列预测 总被引:1,自引:0,他引:1
矿区重金属污染具有时间序列的特征,因此可以采用时间序列ARIMA模型对重金属污染进行预测。对南方某铜硫矿,在1995年1月—2008年6月重金属月监测数据的基础上,运用ARIMA模型建立了矿区尾矿库废水总排放口Zn浓度的预测模型,结果表明,ARIMA(1,1,2)模型能较好地拟合2008年1月—2008年6月重金属污染变化规律,经实际计算结果验证所建模型,误差在5%左右,经检验其精度满足要求。预测结果显示,该矿区未来重金属Zn仍然处在污染状态。 相似文献
20.