概率神经网络在煤与瓦斯突出中的应用

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.     

煤与瓦斯突出区域预测方法探讨

采用多参数综合分析方法进行区域性预测，划分突出危险区和突出威胁区的范围，分区、分级管理，指导煤矿安全生产。     

基于免疫遗传算法的煤与瓦斯突出预测研究

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.     

基于灰色理论与神经网络的煤与瓦斯突出预测

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．     

基于灰色理论与神经网络的煤与瓦斯突出预测

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．     

综合评判在煤与瓦斯突出预测中的应用

文章认为利用模糊数学中的综合评判方法进行预测煤与瓦斯突出结果较为准确，为瓦斯突出预测开辟了又重要途径，对煤矿安全生产具有重要指导意义。     

煤与瓦斯突出预测的改进差分进化神经网络模型研究

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.     

灰色系统理论在煤与瓦斯突出预测中的应用

本文采用灰色系统理论中的灰色聚类法对开滦矿区煤与瓦斯突出预测进行了尝试，经实践验证是可行的。     

工作面煤与瓦斯突出危险程度预测技术研究

在工作面突出危险性预测及综合防治的基础上，给出了突出危险程度预测方法，阐述了进行突出危险程度预测的必要性；提出了突出危险程度预测方法中突出预测敏感指标的确定方法；系统地分析了在突出危险程度预测方法中各种危险状况的理论意义．采用模式识别技术，建立模糊综合预测数学模型，确定了2种突出危险状态之间的临界值；并将突出危险程度预测方法在煤矿进行具体应用，提高了煤巷掘进速度，并取得了上千万元的经济效益．     

基于神经网络的煤与瓦斯突出规模预测研究

由于传统煤与瓦斯突出预测方法难以理清多种致因间的非线性关系,提出依据人工神经网络建立新的预测方法.基于枚举法思想改进BP、RBF神经网络,使其能够迭代出最佳隐藏层层数、神经元个数以及spread值,并引入GA-BP、GRNN神经网络对矿区实测数据进行学习仿真,对比4类不同的神经网络预测煤与瓦斯突出规模的性能.结果表明,...     

工作面连续非接触式突出危险性预测技术现状与展望

本文介绍了我国煤矿中所采用的工作面非接触式煤与瓦斯突出危险性预测中几项技术的应用情况，并对突出预测发展趋势提出了一些看法。     

瓦斯突出的气体介质条件

在研究瓦斯突出中的作用机理、煤的瓦斯吸附特性和煤的瓦斯放散特性的基础上,论述了瓦斯突出的气体介质条件,为认识瓦斯动力现象的本质提供了科学依据．     

焦作矿区煤与瓦斯突出危险性区域预测

根据矿区地质指标和综合指标Ｄ、Ｋ值对煤层瓦斯突出危险性进行预测，划分出突出危险区与突出威胁区的分布范围，为生产矿井实行瓦斯分区分级管理提供科学依据     

阳泉矿区煤与瓦斯突出的地质因素及预测方法

本文分析了阳泉矿区煤与瓦斯突出地质因素，总结了突出的预测方法及效果。     

煤与瓦斯突出电磁辐射监测仪

根据煤与瓦斯突出机理和突出预测与防治原理,论述了煤与瓦斯突出电磁辐射监测仪的硬件组成和关键电路的设计,并完成了软件设计。通过井下实验证实了该监测仪可实现与煤体无触监测,且信息接收、舆较为可靠,为煤与瓦斯突出的分析和预报提供了正确的原始数据资料。     

应用BP神经网络预测煤层含气量分布

煤层含气量分布和煤层气富集规律已成为当今重要的科研课题.充分利用BP神经网络具有的非线性映射能力、泛化能力和容错能力,批量数据处理使整体偏差值最小,分组拟合比单个样本拟合效果好的特点预测煤层气含量;煤层含气量在一定范围内变化,于是把煤层含气量作为因变量的数据进行分级预测,并且适当调节样本允许误差且允许个别错误存在,以减少模型整体误差.煤层的埋深、镜质组、灰分和挥发分为影响QP区块的主要因素,将这4个影响因素作为变量建立BP神经网络模型,调节网络模型各项参数,分配不同学习训练样本、检验样本和坚持样本以找出合理的神经网络学习训练结构.再与地质统计学和克里金插值法有机结合来预测煤层含气量分布规律和探索煤层气富集规律.     

一个煤与瓦斯突出区域预测专家系统原型的开发与实现

煤与瓦斯突出一直是威胁煤矿井下安全生产的重大地质灾害之一。论文从分析突出的因素出发，归结出煤与瓦斯突出的事故模型与问题特征，然后从工具选择、主系统开发、辅助系统开发等方面，具体讨论了专家系统原型的开发与实现过程。另外，文中提出的专家系统外挂模块松散结构体系的设计思想在国内外尚属首次。