基于灰色建模预测李雅庄矿井瓦斯涌出量

为了正确预测瓦斯涌出量,根据灰色理论的灰色预测方法,利用不同时间段瓦斯涌出量的原始数据,建立矿井瓦斯涌出量GM(1,1)预测模型,进行瓦斯涌出量预测,并选择了合理的误差检验模型,预测程度高。经对李雅庄矿井瓦斯涌出资料建立矿井瓦斯涌出量灰色预测模型,对矿井瓦斯涌出量进行预测的实践表明,确有良好效果。     

瓦斯涌出量的灰色建模及其预测

为了正确预测瓦斯涌出量,根据灰色理论提出的灰色预测方法,把非等间距数列变为等间距数列,利用不同时间段瓦斯涌出量的原始数据建立矿井瓦斯涌出量GM(1,1)预测模型,进行瓦斯涌出量预测,选择了合理的误差检验模型,结果表明预测程度高.利用灰色预测理论,通过对某矿矿井工作面瓦斯涌出资料进行分析、研究建立煤矿瓦斯涌出量灰色预测模型,并对矿井瓦斯涌出量变化趋势进行预测.     

改进的EMD-Elman采煤工作面瓦斯涌出预测

采煤工作面时间序列的瓦斯涌出量对于煤矿安全生产具有重要意义。针对瓦斯涌出量的非线性和不稳定性的特点,基于EMD和Elman神经网络基本原理,建立改进的EMD-Elman时间序列的瓦斯涌出量预测方法,首先EMD分解提取瓦斯涌出量时间序列不同尺度信息,Elman对子模型进行预测,然后,通过加权融合,对加权结果进行PSO算法寻优处理,得出瓦斯涌出量预测结果,并对预测方法进行了应用研究,研究结果表明:工作面瓦斯涌出量预测结果吻合度为95.3%,均方误差为0.0025;改进的EMD-Elman瓦斯涌出预测方法,能够有效显示瓦斯涌出的不稳定性非线性特点,降低不稳定性对预测结果的影响,预测吻合度高达95.2%。     

利用分源法预测矿井瓦斯涌出量

分析了以往瓦斯涌出量预测方法的不足，引进了一种新型预测法——分源法，利用其模型对某矿进行了瓦斯涌出量的预测，并与实际的瓦斯涌出量进行了比较。结果表明，分源法是一种比较可靠的瓦斯涌出量预测方法。     

贵州煤矿瓦斯涌出量灰色预测的应用

运用灰色理论建立巷道瓦斯涌出量的灰色模型,对贵州某矿矿井瓦斯涌出量进行预测预报.采用残差识别方法修正GM(1,1)模型进行瓦斯涌出量预测,预测精度更高.利用灰色灾变预测理论,对某矿矿井工作面瓦斯涌出资料进行分析、研究建立煤矿瓦斯涌出量灰色预测模型,并对矿井瓦斯涌出量变化趋势进行预测.通过建立灰色预测模型,进行矿井瓦斯涌出量灾变性预测.     

基于时间序列的矿井瓦斯涌出量预测

由于矿井瓦斯浓度的变化受多种因素共同影响,矿井瓦斯涌出量预测经常出现无法获得一部分变量的情况。针对该问题,提出了一种基于时间序列的矿井瓦斯涌出量预测方法,详细介绍了采用时间序列AR模型对矿井瓦斯涌出量进行预测的具体实现。实验结果表明,该方法能准确预测矿井瓦斯涌出量。     

基于RBF神经网络的瓦斯涌出量预测

传统瓦斯涌出量预测方法存在一定的局限性,预测精度不能满足要求。为了提高瓦斯涌出量预测精度,采用RBF神经网络对瓦斯涌出量相关数据进行建模。通过训练13组样本,对5组数据进行预测,分析了隐层神经元个数对预测精度的影响,并与同结构的BP神经网络预测结果进行了对比。研究结果证明了RBF神经网络在瓦斯涌出量预测中的有效性。     

分源预测法参数确定及应用研究

为了准确地预测矿井瓦斯涌出量,从而减小矿井瓦斯涌出量预测值与实际瓦斯涌出量值的误差,运用分源预测法对沁海煤矿在目前开采条件下的瓦斯涌出量进行预测。参照五采区的瓦斯涌出量统计结果,确定分源预测法中的预测参数,运用该参数对沁海煤矿已采采区进行预测,并与已采采区瓦斯涌出量统计值进行对比验证,得出在矿井开采方式不变的情况下,分源预测法中的预测参数基本保持不变;预测参数的选择不应凭经验来选择,而应参照矿井实际瓦斯涌出量来定量选择,结果证明此种预测参数的选择方法对矿井瓦斯涌出量的预测准确性较高。     

基于EMD-ARMA的矿井瓦斯涌出量预测

以矿井瓦斯涌出量预测方法为主要研究目的,针对瓦斯涌出量影响因素多,各因素间耦合机理及瓦斯涌出量变化规律复杂等诸多预测难点,提出了一种基于经验模态分解(EMD)和ARMA时间序列的综合分析方法,采用经过处理的时间序列对矿井瓦斯涌出量进行具体预测。根据各样本数据的不同特点选取合适的模型,建立EMD-ARMA预测模型,对矿井瓦斯涌出量及其变化趋势进行预测。     

矿井延深瓦斯涌出量的灰色预测

简要分析了矿山统计法预测瓦斯涌出量的弊端,采用灰色系统预测方法,根据不同采深瓦斯涌出量的原始数据建立了矿井瓦斯涌出量的动态GM(1,1)模型,通过建立残差GM(1,1)模型的方法对误差进行检验,实例表明预测精度较高,对做好矿井延深瓦斯涌出量预测并进行矿井安全生产具有较好的指导意义。