基于神经网络和遗传算法的瓦斯含量预测研究

为了准确预测矿井瓦斯含量,研究了神经网络和遗传算法的井下瓦斯预测算法.首先构建以煤层埋藏深度、煤层厚度、顶板岩性、上覆基岩厚度、顶板30m砂岩比等5个参数作为输入量、瓦斯含量为输出量的神经网络模型;然后结合所建模型,采用遗传算法对神经网络模型进行优化计算.试验结果表明,所建瓦斯预测模型的预测精度高,煤层瓦斯含量预测效果良好.     

利用波阻抗反演重构地震数据提高煤层厚度预测精度

地震波勘探预测煤层厚度是煤炭安全高效开采保障体系中的重要技术。以提高煤层厚度预测精度为目的,研究了噪声对煤层厚度预测精度的影响规律,采用波阻抗反演结果重构地震数据的方法,对重构后的地震数据进行煤层厚度预测,提高了煤层厚度预测精度。此方法在煤层厚度预测的实际应用中有一定的实用价值。     

基于灰色关联分析-GA-BP模型预测煤层瓦斯含量

为提高煤层瓦斯含量预测的精度和效率,提出用灰色关联分析从影响因素中筛选主要因素,结合运用GA-BP神经网络预测煤层瓦斯含量的方法。通过遗传算法(GA)优化BP神经网络的权值和阈值,解决BP神经网络易过早收敛极小值以及收敛速度慢的问题。用Matlab构建灰色关联分析-GA-BP神经网络、GA-BP神经网络和BP神经网络模型。选取成庄矿3#煤层的含量与影响因素作为实验数据对该模型进行实验分析,比较三个的预测模型的预测结果。实验结果表明:顶板泥岩厚度、煤层厚度、基岩厚度、煤层深度是影响成庄矿3#煤层瓦斯含量的主要因素。灰色关联分析-GA-BP神经网络预测模型平均相对误差为2.77%,比后两种预测模型的预测结果好,能准确预测煤层瓦斯含量。     

马儿庄井田煤层厚度预测

马儿庄井田煤系地层构造复杂,煤层厚度变化较大,常用的地震属性、地质统计等方法预测的煤层厚度误差较大。渡阻抗反演不受构造和煤层厚度的影响,可以有效地预测煤层厚度。基于工区的三维地震资料和测井数据,进行了波阻抗反演进而预测煤层厚度,取得了较好的结果。     

地质统计煤厚预测方法及应用分析

煤层厚度的变化是煤炭开采过程中最常见的地质现象,如果煤层厚度预测误差过大,必将给煤矿生产产量和安全带来很大的影响。目前,三维地震勘探成果对煤层厚度的预测是一种比较有效的方法,它主要是分析煤层反射波的地震属性随煤层厚度变化的规律,进而依据这种规律对煤层的厚度进行预测。本文在介绍、归纳地质统计煤厚预测方法的基础上,将这种预测方法应用在三维地震勘探解释过程中,通过实际对比、分析取得了令人满意的成果。     

地质统计学反演在薄煤层预测中的应用

曙光煤矿煤层多为薄煤层,利用地震数据常规反演技术预测开采区域煤层厚度的分辨能力有限,远低于煤层开采的需要。引入基于MCMC算法的地质统计学反演技术对曙光煤矿采区内薄煤层进行厚度预测。预测结果与常规解释结果进行对比,并利用已有钻孔资料进行验证,发现该方法的分辨率可达到1 m,对煤层厚度、煤中夹矸厚度的预测误差分别控制在0.5、0.1 m以内。有效解决了曙光煤矿薄煤层预测问题。     

煤层厚度预测技术评述与展望

煤层厚度是煤矿设计与开采必不可少的数据,准确地预测煤层厚度,不仅能给煤矿提供有力的地质保障,而且还能给煤矿带来巨大的经济效益.煤层厚度预测技术包括地质分析法、钻探、地球物理勘探等.通过这些方法进行分类,从地面和井下两个角度进行阐述,并指出,煤层厚度的各种预测方法并不是以单一的方式来进行,而是以几种方法所得到的参数进行对比解译,旨在为高效率煤层开采提供理论指导.     

基于遗传-支持向量回归的煤层底板突水量预测研究

针对煤层底板突水问题的小样本、非线性特点,采用支持向量回归算法对突水量进行预测,避免了定性分析的局限性。利用遗传算法全局搜索能力的优势,提出了基于遗传算法的支持向量回归参数寻优方法,并建立煤层底板突水量预测的遗传-支持向量回归模型。该模型首先通过遗传算法对训练样本的学习,得到支持向量回归机的最优参数值,然后运用遗传-支持向量回归模型对测试样本进行突水量预测。测试结果表明：与神经网络,传统支持向量回归机的预测值相比,煤层底板突水量预测的遗传-支持向量回归模型精度高,具有较强的泛化能力。     

不同厚度煤层AVO特征分析

我国煤田的煤层厚度大都在2~10m之间,用地震波的波长来衡量属于薄层。煤层厚度变化对振幅的影响很大,是AVO技术应用的一大障碍。介绍了利用射线追踪法对不同厚度煤层进行AVO正演模拟,分析了AVO特征曲线的截距P值和梯度G值随煤层厚度变化的规律,并且讨论了利用AVO特性预测煤层厚度的方法。     

高丰度煤层气富集区地球物理识别

为预测煤层气富集区,通过地震反演和地震属性分析,获得了煤层含气量、地质构造、煤层厚度、煤层结构、煤层顶、底板岩性和裂隙等地震地质参数,基于地球物理信息融合方法对煤层气富集区进行了预测。研究结果表明:随着埋藏深度增加,煤层厚度增加,煤层含气量呈增加趋势;向斜轴部隆起带煤层含气量大,背斜轴部凹陷区煤层含气量相对较多;构造煤分布区一般煤层气较富集;煤层直接顶底板为泥岩,则煤层含气量一般较高;裂隙的存在会对煤层气含量有一定影响。研究认为,煤层埋深、煤层厚度、结构、构造和顶底板岩性等参数是控制研究区煤层气富集的主要地震地质因素,基于地球物理信息融合对煤层气富集区进行预测,可以避免单一地震地质因素预测的局限性,有助于提高预测精度。     

基于遗传算法—BP神经网络的突出强度预测

煤与瓦斯突出强度的预测对研究煤与瓦斯突出,保证矿井安全正常生产有着重要意义。本文提出采用遗传算法结合BP神经网络的模型来预测突出强度,采用遗传算法对BP神经网络的权重和阈值进行优化,将优化好的权重与阈值作用于网络进行训练,直至性能函数符合要求。实际计算表明,该模型有较好的预测精度,且克服了普通BP神经网络训练时间长、收敛速度慢的缺点,在已知瓦斯膨胀能和煤层厚度的前提下,可以用该模型对突出强度进行预测。     

基于BP神经网络的底板破坏深度预测

在总结采场底板破坏深度预测方法和理论的基础上,结合大量实际资料分析,归纳出开采深度、煤层倾角、开采厚度、工作面长度、底板抗破坏能力和有无切穿型断层或破碎带6个方面是影响底板破坏深度的主要因素.根据全国典型突水案例,构建基于BP神经网络的底板破坏深度的预测模型,确定建立BP神经网络所需的输入样本和检验样本,运用Matlab软件对网络进行训练,得出了优化的网络模型,并根据建立的网络模型预测肥城煤田曹庄井田8812和9604工作面的底板破坏深度.通过与实测结果对比,证明该网络模型的计算结果比相关规程提供的底板破坏深度经验公式计算的结果更接近实际.     

瓦斯含量地质预测的自适应神经网络技术研究

以新汶矿区协庄矿11煤层为研究对象,筛选出影响瓦斯含量的主要地质指标,利用自适应神经网络技术建立了瓦斯含量预测模型,结合实验数据,对预测模型进行训练、检验。结果表明:此方法可行,模型可靠,计算精度高,具有较大的实用价值。     

基于遗传神经网络的龙煤矿业集团销售量预测研究

将遗传神经网络应用到龙煤矿业集团销售量预测中,预测采用三层前馈BP神经网络,利用遗传算法对神经网络初始权值进行优化,实际数值计算表明该算法在龙煤矿业集团销售量预测中的学习速率和精度都比单纯BP神经网络得出的结果好,适合于销售量预测。     

煤层厚度综合预测分析

煤层厚度变化直接关系煤矿设计与开采,影响采掘部署和生产计划的安排实施。煤厚变化部位通常也是瓦斯聚集异常区,因此,准确预报煤厚是关系到煤矿生产与安全的重大技术问题。文章通过不同预测方法差异特点分析及适宜性对比评价,提出综合预测准则,并建立较为完善的煤厚综合预测方法体系,为煤厚合理预测提供技术指导。     

基于RBF神经网络的煤矿瓦斯涌出量预测

煤矿瓦斯涌出量预测是矿井安全中的一个关键和热点问题。煤矿瓦斯涌出量涉及很多因素,例如日产量、日进度、煤层厚度、煤层间距、煤层深度等,瓦斯涌出量预测是一个非线性问题。径向基神经网络是目前应用非常广泛的一种局部神经网络模型,在函数回归、序列预测中具有很好的应用效果。文中提出了将径向基神经网络用于预测煤矿瓦斯涌出量的想法,并分析了可行性。     

基于人工神经网络技术的综放导水断裂带高度预计

在对综放开采条件下导水断裂带发育规律分析的基础上，将基于非线性理论的人工神经网络技术用于煤层覆岩破坏高度的预测，选取采高、基岩柱厚度、倾角、顶板单轴压强度、泥岩比例和覆岩结构6种因素作为导水断裂带预测模型的影响因子，建立导水断裂带高度预测模型，并在我国首个海域下综放工作面加以应用.     

基于BP神经网络的煤自然发火预报系统

针对煤矿自然发火的预测问题,在指标气体分析法的基础上,构建BP神经网络,选取CH4/CO、O2/CO2这2组指标气体浓度比作为网络的输入以降低通风条件的影响,经过训练后,判断检测点是否发火并以0或1的形式输出。网络经过43次训练后,误差达到预设的范围(0.000 1)。研究表明,利用BP神经网络处理从煤层收集到的气体浓度并作出发火预报是可行的且具有相当优势的。     

基于人工神经网络薄煤层采煤方法优选专家系统研究

薄煤层安全高效开采是我国煤炭开采迫切需要解决的问题,而优选薄煤层采煤方法更显的尤为重要,薄煤层采煤方法的选择不仅受到地质条件的限制,而且还受到煤矿的设备水平和人为因素的影响.本文针对薄煤层采煤的特点,建立了薄煤层采煤方法选择人工神经网络专家系统,本系统中利用神经网络的改进算法“自适应学习法”训练网络,最终预测出采煤方法和工作面技术经济指标(工作面单产以及工效).     

淮北许疃矿抽采后瓦斯含量损失影响因素分析及预测

抽采后残余瓦斯的存在对于矿井生产依然具有危险性,研究残余瓦斯的赋存规律及其预测是十分必要的。分析了淮北煤田许疃煤矿3_233采区地质条件,通过断层分维、煤层底板构造曲率和煤层倾角等指标的计算和统计,并分别赋予0.35,0,35和0.30的权重,计算得到研究区的构造指数及其分布,根据选取的42组数据,讨论了构造指数、煤层埋深、煤厚和原煤瓦斯含量等影响因素对抽采残余瓦斯赋存的影响,运用多元线性回归方法,拟合了瓦斯含量损失与构造指数、煤层埋深、煤厚等影响因素指标之间的相关关系,运用BP人工神经网络模型研究了预测抽采后瓦斯含量损失的可行性。结果表明:构造指数可以更精确地定量表征矿井构造复杂程度。瓦斯含量损失的主要影响因素为构造指数、煤层埋深、煤厚和原煤瓦斯含量。瓦斯含量损失总体上与构造指数呈负相关,而与其他因素的指标均呈正相关。经过数理统计的F检验,F=20.82F_(0.01)(3,38)=4.35,故多元线性回归的结果是显著的,表明瓦斯含量损失与各影响因素指标之间具有较密切的内在联系,其中构造指数对瓦斯含量损失的影响程度最大,煤层埋深影响程度最小,煤厚的影响程度介于构造指数与煤层埋深之间。以瓦斯含量损失为输出指标,以构造指数、埋深、煤厚和原始瓦斯含量为输入指标,建立了4×10×1结构的BP人工神经网络模型,模型经过学习训练后预测精度高,相对误差为1.19%～1.34%,表明可以运用人工神经网络模型预测未采区抽采后的瓦斯含量损失,残余瓦斯含量即为原煤瓦斯含量减去瓦斯含量损失,故可以间接预测抽采后残余瓦斯含量。