焦作煤田深部煤层含气量预测

针对焦作煤田埋深1000 m以深的含气量数据很少,不能满足深部煤层气资源量评价的要求,需要在全面了解本区煤层气的富集和分布规律的基础上,对深部煤层含气量进行预测。本文主要讨论采用含气量梯度法和温度-压力-吸附曲线法来进行预测深部煤层含气量。     

基于主成分分析和支持向量机的结构损伤识别研究

提出了一种利用振动响应加速度信号结合主成分分析和支持向量机算法进行结构损伤识别的方法。首先,提取结构加速度振动响应信号;然后,采用主成分分析方法对上述提取到的结构加速度振动响应信号进行分析,提取前n阶主成分并将其按照某种规则组合成一维向量,作为结构损伤特征向量;最后,利用支持向量机的分类和回归算法分别进行损伤位置和损伤程度识别研究。该方法可以在样本较少的条件下取得较好的损伤识别结果,且具有一定的抗噪声能力。白噪声激励下的五层框架结构的数值模拟结果证明了该方法的有效性。     

基于主成分分析的模糊支持向量机焊接图像分割

焊接是钢结构件生产的主要方法,射线检测法是焊接缺陷的重要检查方法之一,针对焊缝缺陷图像目标边界模糊、灰度不均匀及强噪声的特征,笔者提出了基于主成分分析的模糊支持向量机方法分割焊接缺陷图像。首先,利用主成分分析法降低模糊支持向量机特征向量的维数,去除次要特征分量对支持向量的影响,提高支持向量机的分类速度和精度;然后针对焊接缺陷图像的特征,提出了以3×3窗口为单元的分割算法,将模糊支持向量机引入该系统,进一步降低了噪声对构建最优分类器的不良影响。试验结果表明,对于焊缝缺陷图像,基于主成分分析的模糊支持向量机可以取得较好的分割效果。     

基于测井参数的煤层含气量预测研究

基于临兴区块8+9#煤层测井资料和实验样品解吸数据,通过煤层含气量与测井参数之间相关性分析,采用多元回归分析方法建立煤层含气量预测模型,并对预测模型进行验证及误差分析。结果表明该模型能较好地对煤层含气量进行预测,可信度较高。     

基于AVO反演技术的煤层含气量预测

为预测煤层气含气量,结合山西寺河煤矿实际资料,在分析不同含气量AVO异常特征的基础上,通过反演得到AVO属性,建立多地震属性与含气量之间的相关关系,从而获得煤层含气量分布。对于含气量不同的钻井,高含气量的煤层一般能形成较强的AVO异常,低含气量的煤层AVO异常很小。基于截距和梯度属性,可获得纵波阻抗、横波阻抗、极化参数、密度和伪泊松比等地震属性。地震属性与煤层含气量之间具有相关性,其中截距、纵波速度、纵波阻抗、横波阻抗、极化参数、密度、伪泊松比等属性与含气量具有较大相关性。研究表明,井孔处煤层含气量预测结果与实测瓦斯含量预测误差低,吻合性好,表明基于AVO反演技术预测煤层含气量是一种可行的方法。     

基于最小二乘支持向量机的煤层瓦斯含量预测

在分析和比较了目前常用的预测方法基础上,提出了一种基于最小二乘支持向量机的煤层瓦斯含量预测方法。一方面,该方法较好地解决小样本学习问题,避免了人工神经网络等智能方法在对煤层瓦斯含量进行预测时所表现出来的过学习、泛化能力弱等缺点;另一方面,用等式约束代替传统支持向量机的不等式约束,减小了模型的复杂度,加快了求解速度。应用实例表明,该模型具有预测精度高、速度快、容易实现等优点,适合对煤层瓦斯含量的预测。     

基于回归模型的煤层含气量预测方法研究

煤层含气量是煤层气储层评价的重要参数,基于煤层含气量与测井参数的关系较为复杂,论文对煤层含气量与测井参数做相关分析,对于相关系数较小的参数,通过构造复合参数法,提高了含气量与参数的相关系数,最终共优选6种测井参数,建立含气量与测井信息的线性、二次多项式回归方程,并对预测值进行有效性检验,证明建立的线性和二次回归方程是有效的。     

基于叠后反演的煤层含气量预测研究

为了准确对煤层含气量进行预测,以新景矿区3~#煤层为研究区,利用测井岩石物理分析的方法,对煤层含气量与多种物性参数进行交会分析,筛选出与含气量相关性高的参数,并得到与含气量的线性关系。在此基础上,利用叠后反演的方法,得到3~#煤层的纵波阻抗数据体,最后结合含气量与密度和纵波速度之间的线性关系,实现了3~#煤层含气量的预测研究,预测结果与实测值比较吻合。     

基于小波理论的支持向量机瓦斯涌出量的预测

将小波框架理论引入到支持向量机预测函数中,建立了基于小波理论的支持向量机预测模型。该模型通过小波变换将输入向量映射到一个高维特征空间,在这个特征空间内,利用支持向量机进行预测。经实验表明该模型预测的结果比较准确,在时间复杂度上和预测精度上要优于以往的预测模型,能够达到指导实践的要求。     

基于最小二乘支持向量机的煤层底板突水量预测

针对底板突水受到多种复杂因素的影响和突水量预测可看成是非线性、高维数、有限样本的模式识别问题,提出煤层底板突水量预测的最小二乘支持向量机方法,给出预测步骤,建立了符合期望风险最小化原则的预测模型,表达了最大突水量等级与其影响因素之间的非线性关系.     

基于支持向量机理论的煤矿瓦斯涌出量预测研究

针对影响瓦斯涌出量的因素复杂多样化以及各因素之间的非线性问题,采用径向基核函数把支持向量机算法中的低维空间向量集映射到高维空间,进而建立基于实验数据的煤矿瓦斯涌出量预测模型。样本数据分为训练样本、测试样本和校验样本,结合MATLAB强大的运算功能,进行仿真研究。结果显示:整个系统具有较强的逼近和容错能力,以及较快的收敛速度,对煤矿瓦斯涌出量具有较好的预报效果。     

深部煤甲烷吸附性能及含气量预测分析

煤的甲烷吸附能力是含气量估算和煤层气开发潜力分析的重要参数之一。根据深部13-1煤等温吸附实验结果,分析了煤的甲烷吸附性能。同时,基于Langmuir方程,探讨了煤层含气量特征。结果表明:13-1煤的吸附体积12.98～23.44 m~3/t,平均16.34 m~3/t;兰氏压力1.60～4.83 MPa,平均3.22 MPa。含气饱和度均处于近饱和状态,对于煤层气的开采有利。因此,以上结果可为深部煤层气的研究和勘探提供了理论依据。     

基于分形和支持向量机矿井涌水量的预测

针对矿井涌水量预测问题,提出一种新的非线性预测方法。首先利用分形理论对矿井涌水量的时间序列进行相空间重构,应用自相关系数法确定最小嵌入维数,并以最小嵌入维数作为支持向量机的输入节点,根据支持向量机原理建立矿井涌水量的预测模型。将河南鹤壁四矿1982-1997年的矿井涌水量作为时间序列的训练样本,在Matlab环境下,利用所建立的预测模型预测不同嵌入维数时2000和2001年的矿井涌水量。结果表明：与其他维数相比,当嵌入维数为4时,井筒涌水量的预测值误差最小,预测精度最高。为检验该方法预测的可靠性,分别将不同维数下井筒、巷道和工作面涌水量1988-2001年的预测值与观测值进行对比,发现预测值与观测值较一致。〓     

基于支持向量机的微震预测研究

为了对金属矿山井下开采中的地质灾害进行预测和控制,以某铁矿的微震监测系统在线监测的结果作为分析对象,将人工智能领域中的支持向量机算法引入矿山微震事件与地质灾害相关分析中,建立基于支持向量机的微震预测模型,并对一段时间区段的微震进行预测和对比,取得了良好效果。     

延川南区块深部煤层含气量测井解释研究

以延川南区块西部地区2~#煤层测井及煤岩测试资料为基础,利用一元及多元回归方法计算煤层含气量,并对计算结果进行对比研究。结果表明:声波时差(DT)、深侧向电阻率(LLD)、密度(DEN)多元回归计算煤层含气量误差相对较小,一般在10%左右,能够有效预测研究区煤层含气量,具有较好的应用前景。     

淮南潘集深部13-1煤层含气量影响因素分析

运用煤层气含量测试直接法,结合地质背景,对淮南煤田潘集深部13_(-1)煤层含气量及其与显微组分、最大镜质组反射率R_(o,max)和水分等因素的关系进行了分析。结果表明:13_(-1)煤层气含量与Ro,max之间的关系不明显;含气量与镜质组呈正相关关系,但与惰质组和固定碳之间的相关性不明显;另外,水分与含气量呈弱负相关关系,灰分含量与含气量具有明显的正相关关系;含气量随挥发分的增加呈三段式变化。     

煤层含气量的主控因素及定量预测

从煤层的生气潜能和储气能力两个方面分析影响煤层含气量的主控因素，认为煤层的储气能力是造成现今煤层含气量差异分布的主要因素；结合影响工区煤层含气量差异分布的主要地质因素分析，以现有的钻测资料为依据，选取相应的参数，建立适当的BP神经网络模型，对工区的煤层气含量进行预测分析.预测结果与实测资料对比分析表明：预测的煤层气含量与实测的煤层气含量之间的误差较小，且明显优于线性回归预测的结果.     

深部煤层瓦斯涌出量预测研究

以开滦矿务局赵各庄矿121煤层为研究对象,分析了影响该煤层瓦斯涌出量的各项地质因素,并采用统计单元划分结合数量化理论Ⅰ的方法,筛选影响该煤层瓦斯涌出量的主要因素,建立了瓦斯涌出量的多变量数学模型,检验精度后,对未采区的瓦斯涌出量进行了预测。     

改进的粒子群支持向量机预测瓦斯涌出量

提出一种基于改进的粒子群参数优化的支持向量回归机算法(IPSO-SVR),该方法引入混沌映射及网格分区寻参思想,能避免粒子群算法(PSO)陷入局部最优解。使用IPSO-SVR算法建立瓦斯涌出量预测模型,结果表明基于IPSO算法寻优参数建立的瓦斯涌出量支持向量回归预测模型具有良好的预测效果。与粒子群优化参数的支持向量回归机(PSO-SVR)模型、广义回归神经网络(GRNN)模型进行比较,IPSO-SVR模型预测效果明显优于PSO-SVR和GRNN模型,可用于瓦斯涌出量的实际预测,表明所提出的IPSO算法是选取SVR参数的有效方法。     

基于支持向量机的电机故障预测研究

对现在比较盛行的状态监测与故障检测和预测做了阐述性的介绍,并且就故障预测方法在现代工业生产的应用性方面做了定性分析,并将支持向量机的这种对小样本数据比较有效的训练和处理方法引入到电机的故障预测中来。