共查询到19条相似文献,搜索用时 187 毫秒
1.
用灰关联分析和神经网络方法预测煤与瓦斯突出 总被引:4,自引:0,他引:4
本文应用灰色系统理论的灰色关联分析,对煤与瓦斯突出影响因素进行灰关联分析,得出了各影响因素对煤与瓦斯突出影响程度的大小排序,选择灰关联分析的五个优势因子:瓦斯放散初速度、坚固性系数、瓦斯压力、煤体破坏类型和开采深度,作为输入参数,用计算机对神经网络编写程序,建立了煤与瓦斯突出预测的神经网络模型.用我国典型突出矿井的煤与瓦斯突出实例作为学习样本,对网络进行训练学习,并以云南恩洪煤矿的煤与瓦斯突出实例作为预测样本进行验证. 相似文献
2.
3.
Fisher判别法在煤与瓦斯突出危险程度预测中的应用 总被引:1,自引:0,他引:1
高卫东 《中国安全科学学报》2010,20(10)
为了提高煤与瓦斯突出的预测精度,根据煤与瓦斯突出的综合作用假说,选取开采深度、瓦斯压力、瓦斯放散初速度、煤的普氏系数以及煤体破坏类型作为判别指标。利用国内典型突出矿井20个实测数据作为训练样本,建立煤与瓦斯突出危险程度预测的Fisher判别分析模型,并应用于其他待判样本的预测。结果表明:Fisher判别分析模型能够反映多因素对煤与瓦斯突出的影响,分类性能良好,误判率低,借助SPSS软件实现,具有计算简单的特点,是煤与瓦斯突出预测的一种有效方法。 相似文献
4.
煤与瓦斯突出预测指标的灰色优选 总被引:1,自引:0,他引:1
运用灰色理论中灰关联分析数学模型,定量分析了六种预测煤与瓦斯突出的指标,并确定了最佳预测指标,为煤与瓦斯突出预测指标的选择提供了定量化依据。 相似文献
5.
基于RS-SVM模型的煤与瓦斯突出多因素风险评价 总被引:2,自引:0,他引:2
为挖掘瓦斯突出风险与煤矿开采中各影响因素间的关系,应用支持向量机(SVM)理论从模式判别角度分析瓦斯突出风险与各地质因素组成的特征向量间的判别关系,基于粗糙集(RS)理论对待分析数据进行知识约简,提取核心判别指标,建立基于粗糙集-支持向量机(RS-SVM)的瓦斯突出风险判别模型。研究结果表明,RS知识约简方法可以很好地对原始数据中的冗余指标进行约简,通过对约简后指标数据进行SVM回归分析,可对煤与瓦斯突出模式进行很好的判别,所建立的瓦斯突出风险判别模型较一般SVM模型具有更高的预测精度,同时指标约简过程降低SVM运算中的复杂度,提高运算效率。 相似文献
6.
7.
8.
为弥补单一模型缺陷,提高预测的可靠性和准确性,提出了煤与瓦斯突出综合预测.根据煤与瓦斯突出的机理,选取模糊数学、灰色理论、物元分析模型、神经网络及支持向量机5种成熟的非线性方法作为综合预测的数学模型,应用灰色关联度模型确定预测指标,建立了基于非线性理论的煤与瓦斯突出综合预测模型.分析了GIS支持下基于非线性理论的煤与瓦斯突出综合预测系统的集成方法及关键技术,开发了快速综合预测系统并进行了应用.研究表明,该系统能够快速预测突出危险性.相比于单一模型,该方法综合了多种数学模型,预测结果具有较高的准确性及可信性. 相似文献
9.
支持向量机法在煤与瓦斯突出分析中的应用研究 总被引:7,自引:5,他引:2
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。 相似文献
10.
运用灰色理论中灰关联分析数学模型,定量分析了六种预测煤与瓦斯突出的指标,并确定了最佳预测指标,为煤与瓦斯突出预测指标的选择提供了定量化依据。 相似文献
11.
GRNN模型在煤与瓦斯突出及瓦斯含量预测中的应用 总被引:2,自引:1,他引:1
煤与瓦斯突出的作用机理非常复杂,是诸多因素如地应力、煤层瓦斯、煤体物理力学性质等共同作用的结果。在分析广义回归神经网络(GRNN)的基本原理和算法的基础上,建立煤与瓦斯突出等级以及基于构造复杂程度定量评价的瓦斯含量GRNN模型。然后用收集到的工程实例样本训练和检验该模型。结果表明,GRNN模型具有很好的预测能力和泛化能力,能较好揭示瓦斯含量和诸影响因素间的关系,可用于煤与瓦斯突出判别以及瓦斯含量预测。同时可以看出,光滑因子的合理选取对于提高GRNN模型的预测精度非常重要,因此,在以后的实际应用中需要不断尝试,找出最合理的光滑因子。 相似文献
12.
为解决新安煤田煤与瓦斯突出影响因素众多和防治难度较大等问题,运用瓦斯地质理论分析了新安煤田煤与瓦斯突出特征及控制因素,并提出了有针对性的煤与瓦斯突出防治措施。研究表明:地质构造是控制新安煤田煤与瓦斯突出分布的主要地质因素;构造应力是控制新安煤田煤与瓦斯突出的主要动力因素;新安煤田煤与瓦斯突出吨煤瓦斯涌出量较大,是增加煤与瓦斯突出发生可能性及危险性的重要因素。基于此,从突出危险性预测、防治突出措施及安全防护措施等三个方面提出了多项煤与瓦斯突出防治措施。 相似文献
13.
人工神经网络在煤与瓦斯突出预测中的应用 总被引:4,自引:0,他引:4
由于煤与瓦斯突出发生机理的复杂性,传统预测方法的应用受到很大的限制,而人工神经网络理论以其高度非线性映射的特性为解决这一问题提供了新的途径。以突出预测指标为基础,利用多层反向传播神经网络(BP网络)模型实现对突出危险性的预测。实例分析表明,模型精度很高,可用于工作面煤与瓦斯突出危险性的预测。 相似文献
14.
基于BP神经网络的煤与瓦斯突出预测系统开发 总被引:1,自引:0,他引:1
煤与瓦斯突出影响因素多,难以为其建立合适的多指标非线性预测模型,为提高突出预测的准确性和增强预测预报方法的实用性,采用改进的BP算法建立煤与瓦斯突出预测数学模型。通过研究不同算法的突出预测效果,对已建模型的泛化能力进行检验,利用Matlab GUI和神经网络工具箱设计开发煤与瓦斯突出预测系统,通过向系统输入已知的突出样本数据,经过学习、训练,实现对未知参数的预测。仿真结果表明:网络在训练300次后,误差训练曲线的均方差(MSE)可以达到10-15,实际预测误差也小于0.1,系统得到的5组数据预测结果与实际情况相符。 相似文献
15.
基于自记忆模型的煤与瓦斯突出电磁辐射预测研究 总被引:1,自引:1,他引:0
利用实验测定的电磁辐射信号时间序列,用双向差分原理反导出一个非线性常微分方程;以其为微分动力核,运用动力系统数据机理自记忆模式构造自记忆方程并求出自记忆系数;利用该方程预测未来电磁辐射信号的变化,并与现场测定对比分析,用误差分析和距平分析法验证该模型正确性和预测准确率。实例表明:该自记忆模型预测与实测结果是一致的,相对误差均在6.7852%左右,距平符合率为90%;自记忆方法能有效应用于煤与瓦斯突出电磁辐射动态预测中;该模型与电磁辐射预测方法的有机结合能有效地提高预测准确性,从而为煤与瓦斯突出电磁辐射预测技术提供了一种新的研究途径。 相似文献
16.
煤与瓦斯突出预测研究动态及展望 总被引:11,自引:0,他引:11
笔者总结了以突出敏感性指标预测为基础的接触式煤与瓦斯突出预测技术的发展现状 ;阐述了瓦斯地质理论研究进展情况 ;对统计学方法、计算机模拟、模糊数学、灰色系统理论、神经网络技术、专家系统、分形理论、流变与突变理论等数学物理理论在煤与瓦斯突出预测领域中的应用情况作了系统的描述 ;对GIS技术、无线电波透视探测技术及以地震波为主的弹性波技术为煤与瓦斯突出预测技术的发展前景作了必要的分析。 相似文献
17.
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. 相似文献
18.
针对预抽煤层瓦斯这一区域性防治煤与瓦斯突出措施的消突效果评价,应用事故树分析法(FTA),可根据导致预抽煤层瓦斯后发生煤与瓦斯突出事故的各种可能途径,以及各个诱导因素对事故发生的影响程度,找到可用于消突效果评价的关键因子,进一步分析出评价指标和评价方案.本文构造出了预抽煤层瓦斯后发生煤与瓦斯突出的事故树模型,通过FTA定性分析,得出了预抽煤层瓦斯消突效果评价因子的客观排序,为区域防突措施消突效果评价提供了一种新的理论方法. 相似文献
19.
为了确定煤与瓦斯突出矿井的突出危险区域,威胁区域和安全区域,提出基于地质动力区划的多因素模式识别概率预测方法预测煤与瓦斯突出的新思路。以鸡西滴道矿立井为研究对象,利用地质动力区划方法确定不同尺度和级别构造运动的特征,建立板块构造学说与矿井工程实际的联系,将对矿井煤与瓦斯突出产生影响的因素为参数,采用多因素模式识别概率预测方法划分研究区域内的危险区域。研究表明该方法对煤与瓦斯突出区域预测的合理性与有效性,可以在实际工程中应用推广。 相似文献