基于PSO—SVM的煤与瓦斯突出强度预测模型

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。     

基于PSO-SVM的煤与瓦斯突出强度预测模型

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.     

朴素贝叶斯分类器的误差估计

模式分类旨在依据识别对象特征的观察值将其归并至某个类别,贝叶斯分类决策可实现模式分类．给出一类遵从特征观察量独立性假设的贝叶斯分类器即朴素贝叶斯分类器设计．并给出朴素贝叶斯分类器的分类误差估计方法．理论分析与实验结果表明,朴素贝叶斯分类器设计方案可行,且其分类误差估计方法有效,可用于模式分类事务处理．     

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.     

一种文本处理中的朴素贝叶斯分类器

首先在特征独立性假设的基础上，讨论了朴素贝叶斯分类器的原理，以及训练朴素贝叶斯分类器和应用朴素贝叶斯分类器进行分类的问题。然后，通过EM算法（期望值最大算法），自动增加训练量，以得到较为完备的训练文本库，扩展了朴素贝叶斯分类器的应用，提高了朴素贝叶斯分类器的分类精度。文章最后给出一组实验数据。本文的研究发现，朴素贝叶斯分类器分类精度较高，并且不存在单分类器与多分类器的实现差异，是一个比较实用的分类器。     

电磁辐射法预测煤与瓦斯突出原理

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     

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．     

煤与瓦斯突出的压力容器物理爆炸假说

根据掘进工作面前方支承压力分布特征,建立了掘进工作面前方煤体的压力容器模型．通过分析认为,该模型满足压力容器爆炸的2个条件：气体迅速膨胀和容器壁脆性断裂．进而,基于压力容器发生物理爆炸前的孕育、爆炸后的能量及破坏能力,解释了煤与瓦斯突出的预兆、基本特点和一般规律,并分析了石门自行突出等问题的原因．最后,基于压力容器物理爆炸条件,给出了煤与瓦斯突出的预测指标和防突施工的努力方向,并对已有防突措施进行分析和评价．煤与瓦斯突出的压力容器物理爆炸假说的提出,对揭示煤与瓦斯突出机理具有重要意义．     

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．     

改进的煤与瓦斯突出灰靶预测模型

煤与瓦斯突出是威胁煤矿安全生产的重要灾害之一.矿井的突出危险性预测评估工作,对规范矿井生产、保证生产安全有着重要的意义.基于灰色系统理论,选取国内41组矿井现场实测的预测突出危险性单项指标,包括相对瓦斯压力、煤的破坏类型、煤的坚固性系数、煤样的瓦斯放散初速度,选取适当的靶心,建立判断煤与瓦斯突出危险性的改进的灰靶模型.应用该模型对10组矿井实测的数据进行突出危险性判断,结果与实际情况一致,说明基于改进的灰靶模型对矿井煤与瓦斯突出危险性预测是准确可行的.     

Regression analysis of major parameters affecting the intensity of coal and gas outbursts in laboratory

Estimating the intensity of outbursts of coal and gas is important as the intensity and frequency of outbursts of coal and gas tend to increase in deep mining. Fully understanding the major factors contributing to coal and gas outbursts is significant in the evaluation of the intensity of the outburst. In this paper, we discuss the correlation between these major factors and the intensity of the outburst using Analysis of Variance(ANOVA) and Contingency Table Analysis(CTA). Regression analysis is used to evaluate the impact of these major factors on the intensity of outbursts based on physical experiments. Based on the evaluation, two simple models in terms of multiple linear and nonlinear regression were constructed for the prediction of the intensity of the outburst. The results show that the gas pressure and initial moisture in the coal mass could be the most significant factors compared to the weakest factor-porosity. The P values from Fisher's exact test in CTA are: moisture(0.019), geostress(0.290), porosity(0.650), and gas pressure(0.031). P values from ANOVA are moisture(0.094), geostress(0.077), porosity(0.420), and gas pressure(0.051). Furthermore, the multiple nonlinear regression model(RMSE: 3.870) is more accurate than the linear regression model(RMSE: 4.091).     

基于灰关联方法的突出预测敏感指标研究

白羊岭煤矿为煤与瓦斯突出矿井,主采15号煤层为突出煤层.为提高煤巷掘进突出预测的准确性及有效性,通过现场测定突出预测指标及煤层瓦斯含量,利用灰关联分析方法对钻屑瓦斯解吸指标Δh2,K1,钻屑量S的敏感性进行了研究.研究表明,钻屑瓦斯解吸指标K1可以更准确地反映工作面前方煤体的突出危险程度,可作为白羊岭煤矿煤巷掘进突出预测的敏感指标,突出临界值为0.30 mL/（g.min0.5）.     

基于粗糙集与神经网络的煤与瓦斯突出预测方法

煤与瓦斯突出是受诸多因素影响的复杂问题,且影响因素相互关联,为了提高其预测的准确性,文中提出了一种基于粗糙集与神经网络的煤与瓦斯突出预测方法。通过煤与瓦斯突出预测实证分析,并与一般预测方法进行对比,进一步验证了文中预测方法的正确性和可行性。     

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．     

Comparing potentials for gas outburst in a Chinese anthracite and an Australian bituminous coal mine

Gas outbursts in underground mining occur under conditions of high gas desorption rate and gas content, combined with high stress regime, low coal strength and high Young’s modulus. This combination of gas and stress factors occurs more often in deep mining. Hence, as the depth of mining increases, the potential for outburst increases. This study proposes a conceptual model to evaluate outburst potential in terms of an outburst indicator. The model was used to evaluate the potential for gas outburst in two mines, by comparing numerical simulations of gas flow behavior under typical stress regimes in an Australian gassy mine extracting a medium-volatile bituminous coal, and a Chinese gassy coal mine in Qinshui Basin (Shanxi province) extracting anthracite coal. We coupled the stress simulation program (FLAC3D) with the gas simulation program (SIMED II) to compute the stress and gas pressure and gas content distribution following development of a roadway into the targeted coal seams. The data from gas content and stress distribution were then used to quantify the intensity of energy release in the event of an outburst.     

基于粗糙集理论的瓦斯灾害信息特征提取技术

为了准确预测煤与瓦斯突出的危险性,建立有效的煤矿瓦斯预警支持系统,针对煤矿瓦斯灾害的特点,本研究提出了一种新颖的基于粗糙集的瓦斯灾害特征提取算法。该算法首先利用维数化简技术对瓦斯灾害信息矩阵进行优化,并在此基础上,利用信息论中熵的概念和最大熵原理构建瓦斯灾害信息特征提取模型。通过实际应用,证实了粗糙集理论在瓦斯灾害特征提取与瓦斯灾害预测中的有效性和实用性。     

煤与瓦斯突出的土力学分析

为了探索煤与瓦斯突出机理,根据岩体结构分类方法,把破坏类型为Ⅲ,Ⅳ,Ⅴ类的煤视为散体结构岩体.借鉴土力学流土失稳理论分析煤与瓦斯突出机制,把临界失稳梯度作为煤体的抗突强度指标.通过对煤体瓦斯压力梯度变化过程的分析,指出低透气性煤比高透气性煤更容易发生高强度突出的原因是由于低透气性煤的"失稳分层"的单位体积煤体具有更高的气体膨胀能.提出隔渗帷幕法和反滤层法2种控突思路.