基于随机搜索优化XGBoost的瓦斯涌出量预测模型*

为防治瓦斯灾害,解决井下瓦斯涌出量在预测过程中因影响因素繁多带来的精度较低问题,提出1种基于套索(Lasso)回归与随机搜索优化极限梯度提升(XGBoost)的模型进行瓦斯涌出量预测。以沈阳某煤矿综采面瓦斯涌出量历史数据为例,综合考虑影响瓦斯涌出量的影响因素。首先利用Lasso回归提取对瓦斯涌出量有重要影响的特征数据,作为预测输入;采用随机搜索算法对XGBoost模型4种主要参数进行寻优,选取最优参建立预测模型获得预测指标并分析比较其他模型。研究结果表明:Lasso回归筛选出的影响因素结合随机搜索获得的最优参数组合优化XGBoost比其他模型预测精度更高,平均相对误差为1.53%,均方根误差为0.140 3 m3/min,希尔不等系数为0.013 2,研究结果可为现场瓦斯管理提供参考依据。     

灰色组合模型在钻孔瓦斯流量预测中的应用

钻孔瓦斯流量直接关系着钻孔抽放煤层瓦斯涌出量及钻孔瓦斯涌出初速度的判定,因此研究钻孔瓦斯流量的变化及发展趋势具有较大实用价值。利用"灰色组合预测"思想,提出一种对多种常用预测模型进行熵权法计算权重的组合预测方法,从而可根据有限的实测数据达到预测瓦斯流量发展的目的,结合工程实例,将灰色组合预测模型和单点模型模拟的结果进行比较,其结果表明组合的灰色模型预测精度较高,对瓦斯抽放设计和矿井安全生产具有较大的指导意义。     

基于证据理论的煤矿瓦斯涌出组合预测

为提高煤矿瓦斯涌出量预测的准确度,引入证据理论组合预测方法。根据瓦斯涌出量及其主要影响因素间的实验数据,采用3个不同的粒子群神经网络模型对涌出量进行初步预测。并由BP、RBF网络对预测误差及预测点的影响因素进行分析建模,以获取每个模型的可信度。再利用证据理论对其进行合成,确定组合模型的权值,最终实现对瓦斯涌出量的组合预测。实例结果表明,该组合预测方法的平均绝对误差、均方误差分别为18.5%、5.8%,均小于神经网络组合法及等权平均法的相应预测误差,适用于煤矿瓦斯涌出量预测。     

矿井瓦斯涌出量预测的灰色建模法

简要介绍了瓦斯涌出量的常用预测方法 ,指出了各种预测方法的弊端 ,从矿山实际出发 ,把非等间距数列变为等间距数列 ,根据灰色理论提出的预测方法 ,利用不同采深瓦斯涌出量的原始数据建立矿井瓦斯涌出量的动态GM(1,1)模型 ,进行瓦斯涌出量预测 ,选择了合理的误差检验模型 ,并通过实例说明了GM(1,1)模型在预测瓦斯涌出量中的应用 ,结果表明预测程度较高。对矿井延深做好瓦斯涌出量预测并进行矿井安全生产具有很好的指导意义。     

支持向量机法在煤与瓦斯突出分析中的应用研究

通过分析采煤工作面煤与瓦斯涌出量与地质构造指标的对应关系,应用支持向量机(SVM)方法对煤与瓦斯涌出类型及涌出量进行分析。建立两类突出识别的SVM模型、多类型突出识别的H-SVMs模型以及预测瓦斯涌出量的支持向量回归模型。研究结果表明:SVM方法能够很好地对煤与瓦斯突出模式进行识别,所建立的采煤工作面瓦斯涌出量预测模型的精度高于应用BP神经网络预测精度;SVM理论基础严谨,决策函数结构简单,泛化能力强,并且决策函数中的法向量W可以反映突出模式识别的地质结构指标的权重。     

基于正交试验-多元回归的煤矿瓦斯涌出量预测

为了快速准确地预测工作面瓦斯涌出量,简化瓦斯涌出量预测建模过程,将正交设计方法与多元回归分析相结合提出了简化的预测模型,并针对实际矿井数据进行应用.结果表明,结合正交设计中的极差和方差分析可以有效剔除对瓦斯涌出量影响不显著的因素,该剔除结果与SPSS软件显著性分析结果一致,利用SPSS软件对剩余的瓦斯涌出量影响因素进行多元回归分析得到相应的回归模型,经检验其预测结果相对误差平均值为1.76％,回归模型具有较高的精确度,可为煤矿瓦斯涌出量预测工作提供一定的参考.     

采煤工作面瓦斯涌出量预测的神经网络模型

正确预测瓦斯涌出量,对于指导矿井设计和安全生产有重要意义。为此,应用神经网络理论,建立了采煤工作面瓦斯涌出量的预测模型,对其影响因素进行了权重排序,并确定了关键因素。实际应用表明,预测模型可信,精度能满足要求。     

矿井相对瓦斯涌出量动态无偏灰色马尔科夫预测

矿井瓦斯涌出量预测对于煤矿瓦斯防治具有重要意义。为预测矿井瓦斯相对涌出量,以传统灰色GM(1,1)模型为基础,构建动态无偏灰色马尔科夫模型,通过分析潞安矿区某矿2003—2010年的煤矿相对瓦斯涌出量数据,预测2011—2012年煤矿相对瓦斯涌出量数据,利用无偏灰色GM(1,1)模型代替传统灰色GM(1,1)模型,通过拟合得到煤矿相对瓦斯涌出量数据变化趋势,并在此基础上利用马尔科夫模型进行预测,并在此预测中进行原始数据更新,并对4种预测方法的预测结果进行对比分析。结果表明,动态无偏灰色马尔科夫模型不但能够消除传统灰色GM(1,1)模型自身的固有偏差,而且能提高预测精度,平均绝对误差为3.2%,平均相对误差为2.59%,均低于传统灰色GM(1,1)模型与一般灰色马尔科夫模型。动态无偏灰色马尔科夫模型对于煤矿相对瓦斯涌出量数据的平均预测精度达到96.74%。     

用灰色建模法预测矿井瓦斯涌出量

在分析了传统的矿井瓦斯涌出量预测方法的基础上 ,应用灰色系统理论 GM(1,1)模型 ,对矿井瓦斯涌出量进行预测 ,并在实际中得到了较好的验证。     

综放工作面瓦斯涌出量预测方法及工程实践

分源预测法是我国目前应用最广泛的瓦斯涌出量预测方法,但不适用于应用综放工作面的矿井。由于综放工作面矿井瓦斯涌出来源和涌出强度与一般综采工作面有所不同,矿井瓦斯涌出量差别较大。基于分源预测法,提出了综放工作面的瓦斯涌出量预测方法,应用于山西大远煤业综放工作面瓦斯涌出量预测,并与实际观测结果对比。结果表明:改进的综放工作面瓦斯涌出量预测方法符合综放工作面的实际情况,对综放开采工作面的瓦斯涌出量预测具有一定意义。     

煤矿安全预评价的可变模糊识别方法

煤矿安全预评价涉及诸多不确定信息,用传统评价方法难以获得可靠的评价结果。为此,将可变模糊模式识别模型与方法引入煤矿安全领域,提出了煤矿安全预评价的可变模糊识别方法。可变模糊识别方法首先根据指标特征值与指标标准特征值矩阵确定样本的级别上下限,然后利用可变模糊模式识别模型对样本进行识别,得到样本在各级别下的相对隶属度,进而计算级别特征值,并以此为依据进行评价。将该方法应用于黄陵双龙煤矿,得出该矿井的安全等级。结果表明:可变模糊识别方法较文献中方法可更准确地给出安全性等级评价结果,为煤矿安全预评价提供一条新的途径。     

基于模糊神经网络的煤层瓦斯含量预测研究

为提高未采区煤层瓦斯含量预测的准确性,在分析研究影响煤层瓦斯含量的主要地质因素的基础上,借助模糊数学作为表达与处理不精确数据、模糊信息的手段,以神经网络作为解决问题的途径,将模糊数学与神经网络有机结合,建立基于模糊神经网络的煤层瓦斯含量预测模型。研究结果表明:模糊神经网络模型不仅能够较好地解决模糊信息难于定量表达、学习样本难于确定等问题,而且能够较准确地提取出煤层瓦斯含量与其各个影响因素之间的非线性关系。通过实例运算验证,其预测精度较神经网络模型提高了4.84%～25.79%,应用于煤层瓦斯含量预测的效果更为理想,具有良好的应用前景,可以为实施科学的矿井瓦斯管理、预防各种瓦斯事故提供理论依据。     

基于模糊聚类关联分析法的煤与瓦斯突出程度分析

运用模糊聚类分析方法对煤与瓦斯突出的样本集合进行分类,建立了不同突出程度的模糊模式.用关联分析确定待分析样本与模式的关联程度,以此预测预报样本的煤与瓦斯突出危险程度.实例分析表明,与模糊聚类分类后、将模式与待预报样本组成新样本集合进行聚类分析并以此分类结果进行预报的方法相比,这种预报方法不仅可靠程度高,而且能定量描述待报样本与模式的亲和程度.     

基于模糊均生函数和最优子集回归的飞行事故率预测

为有效预防飞行事故的发生,针对飞行事故率具有随机波动性和趋势性的特点,采用模糊均生函数(FMGF)和最优子集回归(OSR)建立飞行事故率预测模型。该方法把FMGF延拓序列作为预测因子加入OSR方程,将FMGF分析和因子筛选相结合作OSR,进而对飞行事故率进行预测。通过对美国空军1988—2004年的飞行事故率进行拟合预测,结果表明:将FMGF模型和OSR模型有机结合,能够有效刻画飞行事故率的随机波动特性,并且其预测结果的相对误差也较小。     

洁净室空气洁净度评价的模糊模式识别方法

洁净室空气洁净程度的高低属于模糊概念,将各评价样本实测指标矩阵转变为相对隶属度矩阵,同时将各标准模式指标标准值矩阵转变为指标准相对隶属度矩阵,以全体样本对于各标准模式间的加权广义距离平方和最小建立目标函数,经构造拉格朗日函数,建立了洁净室空气洁净度评价的模糊模式识别模型。斗净室洁净程度评价是一个多目标评价问题,提出了确定指标权重的主、客观结合法,即先建立求解各指标权重的迭代模型并求出指标权重的初始值,然后根据评价的经验,采用重要性语气算子调整各指标的相对隶属度,对初始值进行调整,归一化后得到合理的指标权重值,经计算实例验证,本建立的模式识别方法物理意义明确,评价结果符合实际。     

模糊集重心理论在隧道瓦斯突出评价中的应用

以隧道瓦斯突出评价为研究对象。选取地质构造、煤层厚度、隧道埋深、瓦斯含量、瓦斯压力、瓦斯放散初速度和煤的坚固性系数作为指标,建立隧道瓦斯突出评价标准;用关联函数确定指标权重;结合模糊集重心理论与最短距离识别准则,构建属性识别模型,对隧道瓦斯突出进行评价。评价结果与可拓评价结果一致,从而验证了该方法的实用性。研究表明,基于模糊集重心理论的属性识别模型用于隧道瓦斯突出评价是可行的,为隧道瓦斯突出评价提供了一种新方法。     

石化企业火灾危险性模式识别模型研究

石化企业具有易燃、易爆危险性等特点,一旦发生事故,后果相当严重.考虑到影响石化企业火灾危险性因素较多,从生产过程、储存过程、运输过程、消防设施与安全管理五个方面探讨了石化企业火灾危险性模式,运用层次分析法确定了石化企业火灾危险性模式识别指标的权重.将SPA理论与最优化原理相结合,提出了同异反最优模式识别模型,并将其与现有的最大联系测度方法应用于某石化企业危险性模式识别中.实例应用表明,同异反最优模式识别模型从整体上判断石化企业危险性模式,较最大联系测度方法更为科学、合理.     

论金属矿山地质灾害模式识别模型

从崩塌与滑坡、泥石流、采空塌陷3个方面探讨了金属矿山地质灾害模式,运用层次分析法确定了金属矿山地质灾害模式识别指标的权重。考虑到影响金属矿山地质灾害因素的不确定性,引入SPA,并与最优化原理相结合,提出了同异反最优模式识别模型,将其与现有的最大联系测度方法应用于某金属矿山地质灾害模式识别中。实例应用表明,同异反最优模式识别模型从整体上判断金属矿山地质灾害模式,较最大联系测度方法更为科学、合理。     

矿井煤与瓦斯突出危险性预测的模式识别研究

在查明多个突出影响因素与突出危险性之间内在联系的基础上,应用地质动力区划方法确定区域地质构造模型,并结合地应力测量方法和数值模拟,综合应用VB、VC完成模式识别系统设计和应用软件开发,在地理信息系统(GIS)支持下建立多因素模式识别模型.用多因素模式识别预测方法进行煤与瓦斯突出危险性的区域预测,划分淮南矿务局谢一矿井田的煤与瓦斯突出危险区、突出威胁区和无突出危险区,对煤与瓦斯突出危险性做出评估.