共查询到20条相似文献,搜索用时 15 毫秒
1.
煤与瓦斯突出是一种复杂的非线性地质危害,建立适当的多指标非线性模型是预测的重点.通过采用两个均具有非线性、自主学习、自组织以及并行处理能力的BP及RBF人工神经网络,分别对煤与瓦斯的突出预测问题进行了建模比较.通过对山西某煤矿的实测数据在MATLAB环境下进行了仿真研究及测试,研究了两者在预测准确度和收敛速度方面的区别.仿真结果表明:RBF神经网络预测结果更快速且准确可靠,在煤与瓦斯突出预测方面具有实际应用价值. 相似文献
2.
应用神经网络技术进行煤与瓦斯突出预测 总被引:1,自引:0,他引:1
应用神经网络技术进行煤与瓦斯突出预测包括三步:网络构造、网络训练和网络应用。作者详细讨论了利用BP网络进行煤与瓦斯突出预测的具体步骤及实践体会。 相似文献
3.
为准确预测矿井煤与瓦斯突出的危险性,针对小样本情况下BP神经网络泛化能力低的缺点,采用概率神经网络对煤与瓦斯突出的危险性进行预测.该模型的预测准确性高,能有效地预测煤与瓦斯突出的危险性. 相似文献
4.
影响煤与瓦斯突出的因素众多,应用神经网络进行预测时,选取突出预测指标是关键.应用灰色关联分析筛选突出预测指标,结合神经网络建模进行了突出预测,使突出预测指标的选择由定性分析转化为定量分析,实现了灰色理论同神经网络在煤与瓦斯突出预测领域内的结合. 相似文献
5.
影响煤与瓦斯突出的因素众多,应用神经网络进行预测时,选取突出预测指标是关键.应用灰色关联分析筛选突出预测指标,结合神经网络建模进行了突出预测,使突出预测指标的选择由定性分析转化为定量分析,实现了灰色理论同神经网络在煤与瓦斯突出预测领域内的结合. 相似文献
6.
煤与瓦斯突出预测的改进差分进化神经网络模型研究 总被引:2,自引:0,他引:2
鉴于常规煤与瓦斯突出BP预测模型的不足,将改进DE算法用于BP网络模型参数的优化及训练,提出结合两者优点的改进差分进化神经网络(IDEBP)煤与瓦斯突出预测模型.模型通过对变异模式、变异交叉因子自适应确定等改进,有效提高了标准DE的性能.实现了DE全局优化搜索与BP自适应、自学习的有机结合,稳健性得到加强,更能充分辨识煤与瓦斯突出样本的复杂非线性知识.以36组工程实例数据,进行了IDEBP和DEBP模型与BP模型仿真对比实验.结果表明:该模型能有效避免常规BP的不足,在收敛迅速、结果辨识和预测精度等方面均大为提高,为瓦斯智能预测提供了新的解决方案. 相似文献
7.
基于免疫遗传算法的煤与瓦斯突出预测研究 总被引:4,自引:1,他引:3
根据影响煤与瓦斯突出的各个因素与突出强度之间存在的复杂的非线性映射关系,建立了突出强度预测的BP网络模型.针对BP网络收敛速度慢和易陷入局部极小值及基于遗传算法的BP网络易出现未成熟收敛问题,提出了一种基于免疫遗传算法(IGA)的BP网络,即利用IGA实现对BP网络的优化.IGA在遗传算法(GA)的基础上引入生物免疫系统中的多样性保持机制和抗体浓度调节机制,有效地克服了GA算法的搜索效率低、个体多样性差及早熟现象,提高了算法的收敛性能.结果表明:将基于IGA的BP网络应用于煤与瓦斯突出强度预测,该算法设计的BP网络具有较快的收敛速度和较强的全局收敛性能,在煤与瓦斯突出预测中取得了良好效果. 相似文献
8.
煤与瓦斯突出预测的自适应神经-模糊推理系统研究 总被引:1,自引:0,他引:1
在煤与瓦斯突出危险性预测方法中,神经网络方法存在着收敛速度慢、拟合能力差、预测精度低、训练结果不惟一等缺陷.针对这些缺陷,应用自适应神经-模糊推理系统的原理,建立了煤与瓦斯突出危险性预测的自适应神经-模糊推理方法,并应用该方法对部分实例进行了反演预测.预测结果表明:该方法具有收敛速度快、拟合能力强、预测精度高、训练结果惟一等优点,是一种优异的反演预测方法.作为一种探讨,还对煤与瓦斯突出的危险性进行了模糊划分. 相似文献
9.
针对采用BP神经网络对煤与瓦斯突出预测时的过学习现象,引入遗传算法对煤与瓦斯突出的影响因素进行选择,并建立了以筛选出的变量作为输入的优化BP网络预测模型.遗传算法中染色体采用二进制编码,个体适应度函数引入了惩罚函数,并对基本遗传算法的遗传操作算子进行了一定的改进,最后利用平煤八矿煤与瓦斯突出的实测样本,在MAT-LAB2009b环境中对上述算法进行仿真研究.结果表明,以遗传算法筛选出的变量作为输入建立的预测模型的输出结果的拟合效果变好,预测精度提高,建模时间缩短. 相似文献
10.
11.
摘。要:选取了影响煤与瓦斯突出的5个因素作为属性条件,把突出强度作为目标变量,利用训练样本对朴素贝叶斯分类器模型进行了学习训练,对测试样本进行了预测,从结果来看精确度较高.因此朴素贝叶斯分类器模型预测煤与瓦斯突出强度是有效的. 相似文献
12.
基于PSO-SVM的煤与瓦斯突出强度预测模型 总被引:1,自引:0,他引:1
为有效预测煤与瓦斯的突出强度,分析了煤与瓦斯突出的主要影响因素,建立了基于粒子群优化支持向量机方法(PSO-SVM)的煤与瓦斯突出强度预测模型,通过实例对该模型的预测效果进行检验,同时还分别采用了BP神经网络(BP-NN)和支持向量机方法(SVM)对该实例进行了预测,进而对这3种方法的预测精度进行了比较.分析结果表明3种方法的预测准确率PSO-SVM为87.5%、BP-NN为50%、SVM为62.5%.可见,PSO-SVM方法的预测效果要好于BP-NN和SVM,对煤矿煤与瓦斯突出强度预测具有一定的参考价值和指导意义. 相似文献
13.
电磁辐射法预测煤与瓦斯突出原理 总被引:40,自引:0,他引:40
研究了瓦斯对电磁辐射(EME)的影响规律及影响机制,对电磁辐射法预测煤与瓦斯突出原理进行了探讨,研究结果表明:煤体变形破裂时,电磁辐射与煤岩体的载荷及变形破裂过程密切相关,煤体中的瓦斯能使电磁辐射增强,瓦斯在煤体中的流动及冲击能产生电磁辐射;电磁辐射强度和脉冲数两项指标综合反映了工作面丧方煤体的突出危险程度,用电磁辐射法预测预报煤与瓦斯突出是可行的,煤岩电磁辐射技术在预测煤与瓦斯突出和冲击地压等方 相似文献
14.
15.
16.
基于支持向量机的煤与瓦斯突出预测研究 总被引:6,自引:1,他引:5
煤与瓦斯突出已经成为影响煤矿生产最严重的安全问题和经济问题之一.在国内外有多种用于预测煤与瓦斯突出的方法,包括动态和静态预测。但是这些方法大多只考虑单一的参数,因此它们对煤与瓦斯突出的预测效果并不是很理想.对于近年来应用较为广泛的神经网络。由于其固有的缺陷。对于高雏、小样本的情况具有不太理想的预测效果.作者综合考虑了多个因素,并将支持向量机(Support Vector Machine)这一方法应用到煤与瓦斯突出预测中.经过仿真试验。证明这种方法能够取得较好的预测效果. 相似文献
17.
突变理论能比较有效地解决光滑系统中可能出现的突变问题。本文利用突变理论对煤与瓦斯延期突出进行了研究,认为延期突出的滞后时间是由地应力、煤体中的瓦斯、煤的物理力学特性及外作用(爆破等)等的共同作用所产生的,并依此提出了延期突出的预测预报方法。 相似文献
18.
综述了煤与瓦斯突出模拟试验研究现状,主要从瓦斯压力、地应力和煤体物理力学性质及其综合作用方面分析了其对煤与瓦斯突出的影响以及在这些因素影响下的突出特点、形式和规律。鉴于煤与瓦斯突出的复杂性,目前的研究还存在以下不足:(1)试验过程中用的都是颗粒煤或者是型煤,很难真实反映现场的煤层物理特性;(2)试验载荷的施加方式和大小反映不了现场煤体中真实的三维应力状态;(3)实验室模拟试验中的突出口多数情况是人为打开的,而不是煤体内部达到突出条件后自主打开的。建议使用原煤煤样、加大模拟实验尺度、采用真三轴加载方式、合理设置突出口进一步开展多因素耦合的煤与瓦斯突出模拟试验,对煤层瓦斯突出机理的研究具有重要的现实意义。 相似文献
19.
神经网络在煤与瓦斯突出预测敏感指标确定中的应用 总被引:1,自引:1,他引:0
煤与瓦斯突出是地应力、瓦斯和煤岩力学性质综合作用的结果,其作用过程属于非线性问题,使用常规方法确突出预测敏感指标及其临界值,存在着效率不高的问题.采用三率法,研究了大平煤矿煤与瓦斯突出预测指标,得出了预测突出的敏感指标及临界值;通过使用人工神经网络的BP模型,选取样本、训练样本和识别样本,并与现场实际对比,对用常规方法所确定的敏感指标及其临界值进行了验证.结果表明,可以使用神经网络方法预测煤与瓦斯突出危险性和确定突出预测敏感指标. 相似文献
20.
构造煤及其对煤与瓦斯突出的控制作用 总被引:34,自引:5,他引:34
高空隙率、低透气性使构造煤能够保持较高的瓦斯压力 ;破碎性、“隔离”作用及“气垫”作用 ,使构造煤抵御外力作用的能力大大降低 ;构造煤变形幅度大的特性 ,为瓦斯的迅速解吸、放散和快速流动创造了条件 ;构造煤薄弱分层或“通道层”的存在 ,则为煤与瓦斯突出的初始激发和持续发展奠定了基础 ;上述因素的共同作用 ,影响和制约了煤与瓦斯突出的强度和分布 .尽管如此 ,一定厚度的构造煤的存在只是发生煤与瓦斯突出的必要条件和有利条件 ,而非充分条件 . 相似文献