运用偏最小二乘回归法计算导水裂缝带高度

为克服导水裂缝带高度计算经验公式中仅考虑煤层顶板岩性和开采厚度所带来的误差,综合分析开采深度、煤层倾角、开采厚度、走向长度、倾斜长度、顶板岩性等变量的影响,运用偏最小二乘回归法提取对自变量、因变量有强解释能力的主成分,建立了因变量与自变量间的回归公式。根据淮南矿区走向长壁垮落式采煤中导水裂缝带高度实测资料,基于偏最小二乘回归法建立导水裂缝带高度预测模型,经辅助分析检验表明该模型预测精度较高,可以作为淮南矿区相似条件下导水裂缝带高度的计算公式。     

基于主成分回归分析法的导水裂缝带高度预测

为减小经验公式法在导水裂缝带高度预测方面存在的误差,探索较高预测精度的导水裂缝带预测方法,本文基于山东滕州矿区积累的实测数据,对采深、煤层厚度、工作面倾向长度、岩性参数、顶板厚度及倾角等六个因素进行了综合分析,借助MATLAB数据分析软件,运用主成分分析的方法,结合回归模型检验分析,建立了适用于滕州矿区的顶板导水裂缝带高度预测回归模型,并与经验公式法所得结果进行了对比分析。结果表明:基于山东滕州矿区12个煤矿的实测数据建立的主成分回归模型,对蒋庄煤矿两验证工作面导水裂缝带高度预测结果分别为56.239 1m、49.102 1m,预测相对误差分别为3.00%、2.83%;运用经验公式法对两工作面导水裂缝带高度预测结果均定为60.00m,预测相对误差分别为-9.89%、-25.65%。由此可见,采用主成分回归分析模型方法预测煤层顶板导水裂缝带发育高度具有较高的准确性,该模型可以更好地预测导水裂缝带发育高度,服务煤层顶板水害防治。     

大采高开采条件下导水裂隙带发育高度预测研究

为了提高大采高开采条件下导水裂隙带高度预测准确度,结合BP神经网络模型,通过进行导水裂隙带高度影响因素的主成分分析,建立了以采高和岩性为主要影响因素的BP网络导水裂隙带高度预测模型,并通过实例对模型效果进行了验证。     

基于支持向量机的导水裂缝带高度预测模型

文中研究并建立了基于支持向量机(SVM)的长壁冒落开采条件下采空区顶板导水裂缝带高度非线性预测模型。首先分析了影响导水裂缝带高度的因素,搜集多个矿区的导水裂缝带高度实测资料作为训练和测试样本,将SVM模型与BP神经网络模型(BP-NN)的预测结果进行对比分析。结果表明:SVM的预测精度和稳定性相比BP-NN有较大提高,综合反映了采空区顶板导水裂缝带高度与地质采矿条件的非线性关系,是导水裂缝带高度预测的一种新思路,值得进一步研究和推广。     

PSO－RBF神经网络在导水裂缝带高度预测中的应用

水体下采煤留设保护煤柱时,导水裂缝带高度的选取直接关系着煤矿的安全开采问题。为提高导水裂缝带高度的求取精度,在综合分析导水裂缝带高度的主要影响因素的基础上,本文选取了6个主要影响因素作为输入层神经元,并将POS算法和径向基(RBF)神经网络有机结合,构建了基于PSORBF神经网络的导水裂缝带高度预测模型。经过25组实测数据的学习训练和检验,验证了预计模型的可靠性。结果表明:与实测结果相比,预计结果的相对差值最大为7.43%,最小为1.41%,满足沉陷工程的精度要求。     

基于偏最小二乘回归的回采工作面瓦斯涌出量预测模型

针对回采工作面瓦斯涌出量回归建模过程中自变量间出现多重共线性问题,提出应用偏最小二乘回归(PLS)对瓦斯涌出量进行预测的建模思路。选取地质及采矿2个方面共12个参数指标作为回归因子,利用15个瓦斯涌出实例为建模样本,建立了回采工作面瓦斯涌出量的偏最小二乘回归模型。建立的模型对训练样本拟合效果良好,最大误差为6.09%,平均误差仅为2.06%;对其余几个案例进行预测,精度优于主成分分析和BP神经网络,与最小二乘-支持向量机模型相当。研究表明,基于偏最小二乘回归进行工作面瓦斯涌出量预测是一种有效可行的方法。     

基于Elman神经网络的导水裂隙带高度预测模型

准确预测导水裂隙带高度对于矿区煤炭资源安全开采具有重要意义。本文提出一种基于Elman神经网络的导水裂隙带高度预测模型,该方法克服了BP神经网络训练速度慢,稳定性差等问题,通过在结构层中增加一层承接层,作为一步延时算子,达到记忆的目的,增加了全局的稳定性;本文选择开采深度、开采厚度、覆岩结构、工作面斜长、煤层倾角作为影响导水裂隙带高度的主要因素,通过采用43组训练样本和3个测试样本数据建立了基于Elman神经网络的导水裂隙带高度预测模型,并与BP神经网络算法进行了对比。结果表明：BP神经网络与Elman神经网络的最大相对误差分别为16.35%和7.49%,Elman神经网络的预测精度更高。     

k-means和QGA优化RBF神经网络模型在导水裂缝带高度预测方面的应用

导水裂缝带高度选取精度的高低直接影响到水体下采煤系统的安全性。为准确预计导水裂缝带高度,本文构建了RBF神经网络基础模型,采用QGA量子遗传算法和K-means算法对基础模型进行优化,获得了K-means和QGA优化的RBF神经网络导水裂缝带高度预计模型。模型经过训练学习和检验,发现模型预计精度满足工程精度需求,且与PSO-RBF神经网络相比,精度更高、收敛速度更快。     

煤全水分近红外光谱检测的预处理方法研究

水分含量多少是煤质好坏的重要指标,在研究煤的基础理论及煤加工中具有特殊意义。本实验采用多元散射矫正(MSC)、平滑处理、微分处理等预处理方法,结合主成分回归法及偏最小二乘法分析了预处理方法对煤粉全水分模型的影响;发现多元散射矫正(MSC)处理结合偏最小二乘法获得的模型最佳,其校正模型R=0.988 1,RMSEC=0.501,预测结果 R=0.955,RMSEC=0.601;发现平滑处理也可以提高模型可靠性,但过度平滑会使模型可靠性变差;综合比较主成分回归法模型与偏最小二乘法模型,发现偏最小二乘法获得的模型要好于主成分回归获得的模型。     

综采工作条件下覆岩导水裂隙带高度预测模型优化

准确预测导水裂隙带高度是煤炭防治水中的重要问题,也是保障煤矿安全生产的前提。目前,导水裂隙带高度预测模型存在预测准确性差等问题。在广泛收集各地不同煤矿区综采导水裂隙带发育高度实测数据的基础上,总结前人研究成果,选取采厚、工作面斜长、倾角、采深和硬岩比例系数5个因素建立导水裂隙带高度预测模型。同时,采用因素分析法分析了影响因素的权重,确定主控因素,并建立多元线性回归模型、多元非线性回归模型及BP神经网络预测模型,并对预测模型计算导水裂隙带高度进行准确性检验。以西山矿区实测导水裂隙带高度为例,选出最优模型,对最优预测模型BP神经网络模型进行检验分析,并与“三下”规范经验公式、多元线性回归模型和多元非线性回归模型计算结果进行对比。结果表明,“三下”规范经验公式与实际数据存在失真,已不能指导综采条件下导水裂隙带高度预测,而BP神经网络预测模型误差在10%以内,且绝对误差和相对误差较为稳定,同时该模型降低了因素之间的相关性,提高了预测准确性。因此,BP神经网络预测模型在预测导水裂隙带高度方面具有较好的准确性和应用性。研究成果可为指导矿井现场防治水害的工作提供参考建议。