煤与瓦斯突出BP神经网络预测系统研究

煤与瓦斯突出是严重危害煤矿安全生产的一种非线性瓦斯动力灾害。文章将BP神经网络运用于煤与瓦斯突出预测模型,从煤与瓦斯突出的原因、BP神经网络用于煤与瓦斯突出预测的原理、运用实例三方面,对利用BP神经网络预测煤与瓦斯突出的研究加以阐释,证明了BP神经网路预测系统的精度高于传统系统。     

基于GA-BP混合算法的煤与瓦斯突出强度预测研究

在以往对煤与瓦斯突出预测的研究中,较多地关注突出动力类型的预测,对于突出强度预测很少涉及。基于影响煤与瓦斯突出的各个因素与突出强度之间存在的复杂非线性映射关系,建立了突出强度预测的神经网络模型。根据遗传算法(GA)和BP算法的特点,将二者结合起来,利用遗传算法优化BP网络权重和阈值,形成GA-BP混合算法。该算法提高了网络性能,在煤与瓦斯突出强度预测中取得良好效果。     

煤与瓦斯突出分类预测方法分析

文章通过SVM分类机、朴素贝叶斯分类器和决策树算法,利用WEKA等软件以及粗糙集等理论分析并验证了瓦斯放散速度、瓦斯压力、煤的普氏系数、地质破坏程度、开采深度等非线性因素对煤与瓦斯突出的影响。成功实现了对煤与瓦斯突出基于三种不同算法的训练和预测;从详细精度、混淆矩阵和节点错误率这三个方面分别比较了三种算法对煤与瓦斯突出分类预测的适用性。结果表明:三种算法对煤与瓦斯突出进行分类预测是较成功的,其中,决策树算法对煤与瓦斯突出进行分类预测的效果最优,其次为朴素贝叶斯分类器。     

改进BP神经网络在煤与瓦斯突出预测中的应用研究

影响煤与瓦斯突出的因素较多,且呈现出复杂的非线性关系,采用传统的BP神经网络对煤与瓦斯突出进行预测,存在收敛速度慢及易陷入局部极小两个突出问题。为了克服缺陷、提高煤与瓦斯突出预测的精准性,笔者提出了一种改进的BP神经网络,并将其应用到煤与瓦斯突出预测中,建立了基于MATLAB神经网络工具箱的改进BP神经网络模型,并以此模型为基础,研发了煤与瓦斯突出预测系统。通过试验可知,该系统可使煤与瓦斯突出预测管理工作更加准确、可靠和高效。     

基于Labview和Matlab的改进神经网络煤与瓦斯突出预测系统

为研究煤与瓦斯突出与其影响因素之间复杂的非线性关系并对其进行预测,基于共轭梯度法的改进神经网络,建立了煤与瓦斯突出预测模型。经过实际数据检验,此模型有很高的预测精度,避免了传统神经网络收敛速度慢的缺点。同时,为克服传统神经网络操作复杂和不便于现场使用的缺点,利用Labview图形化编程和数据采集能力以及Matlab强大的数值计算功能,通过ActiveX技术,实现了在Labview中调用神经网络工具箱,构建了一个煤与瓦斯突出预测系统,方便现场操作使用。最后指出使用Labview和Matlab混合开发可以极大缩短开发周期,为煤矿智能化系统的开发提供了一个新途径。     

基于广义回归神经网络的煤与瓦斯突出区域预测

针对煤与瓦斯突出存在诸多不确定影响因素的特点,在研究煤与瓦斯突出机理和广义回归神经网络的基础上,建立了煤与瓦斯突出的广义回归神经网络预测模型,提出了广义回归神经网络中的光滑因子优化选择算法,以提高模型预测精度.通过应用实例验证,预测结果精度高,与实际情况相吻合.研究结果证明了该方法的合理性和可行性,对煤矿提高煤与瓦斯突出区域的预测能力具有较大的参考意义.     

模糊小波网络在煤与瓦斯突出预测中的应用

为了正确预测煤与瓦斯突出的趋势与危险性,提出用改进的模糊小波网络技术建立煤与瓦斯突出预测系统,以模糊数学作为表达与处理不精确数据、模糊信息条件的手段,以小波网络与改进BP算法作为解决问题的途径。仿真结果表明,该模型收敛速度快,准确性高,具有较强的可靠性和实用性,是一种十分有效的煤与瓦斯突出危险性预测方法。     

煤与瓦斯突出危险性电磁辐射异常判识方法

基于工作面煤与瓦斯突出前兆电磁辐射变化规律,运用系统辨识、动态测试数据处理和数理统计等非线性理论,建立了工作面煤与瓦斯突出危险性电磁辐射异常判识模型,提出电磁辐射异常判别准则,并应用于工作面煤与瓦斯突出危险性预测.结果表明：电磁辐射异常判识模型具有较高的预测精度,其实现了工作面煤与瓦斯突出危险性的连续动态趋势预测.     

BP神经网络和线性神经网络在煤与瓦斯突出预测中的应用研究

煤与瓦斯突出预测对于煤矿安全生产具有重要意义。人工神经网络是一种用于处理非线性问题的较好方法。采用人工神经网络原理,建立煤与瓦斯突出预测的神经网络模型,为煤与瓦斯突出预测提供新的理论参考依据。研究了线性神经网络和BP神经网络的工作原理,论述了基于MatLab的编程实现。结果表明,两种方法均能满足要求,但BP神经网络的预测精度更高。     

基于混沌理论的掘进工作面煤与瓦斯突出特征研究

煤与瓦斯突出是一种极其复杂的动力现象,属于非线性动力系统在时空演化过程中的灾变行为。探索煤与瓦斯突出的规律性,对预防煤与瓦斯突出具有非常重要的理论和实践意义。为此,针对某掘进工作面的2组瓦斯涌出数据,应用非线性理论对其进行研究,探索煤与瓦斯突出预测的新方法。首先对经过预处理的时间序列进行相空间重构,分析了时间序列的混沌特征量,证明其混沌特性,并根据时间序列的混沌特征量提出了此时间序列的最大可预测时间。在此基础上,建立了基于混沌特征量的神经网络突出预测模型。     

神经网络在煤与瓦斯突出预测中的应用

应用神经网络中的BP网络模型对金竹山矿区煤与瓦斯突出进行了预测。为了加快神经网络模型的收敛速度,增强其跳出局部极小点的能力,采用了自适应变步长法和改进模拟退火法(SA法)相结合的方法。实际应用表明,该模型预测准确性高,是一种有效的煤与瓦斯突出危险性预测方法。     

义安矿掘进工作面煤与瓦斯突出预测敏感指标的确定

煤与瓦斯突出危险性预测是防治煤与瓦斯突出的关键环节,瓦斯突出预测的核心又是预测指标的敏感程度问题。为了预测义安矿掘进工作面煤与瓦斯突出危险性,深入分析了突出预测指标的性质和适用条件,并统计分析了掘进工作面突出预测指标区间分布特征和突出预测指标的影响因素,同时结合标准差和模糊优先关系排序决策,最终确定义安矿二1煤层掘进工作面现有突出预测敏感指标为q和△h2。     

展望分形理论在构造煤裂隙研究中的应用

我国的构造煤发育较为普遍,构造煤发育区不仅是瓦斯突出的危险地带之一,还可能是煤层气开发的有利区域,现有的构造煤分类只是定性的,没有实现统一,在应用中存在一定困难,由于构造煤的裂隙结构具有典型的非线性特征和分形理论在地质中的广泛应用,所以可通过分形几何使构造煤的研究定量化,提出基于非线性特征的构造煤分类方案,为构造复杂区煤层气勘探与开发和矿井瓦斯突出预测提供科学依据。     

数据挖掘在煤与瓦斯突出预测中的应用

在煤矿生产领域,煤与瓦斯突出是导致煤矿安全事故的主要原因。深入研究煤与瓦斯突出预测对于确保煤矿实现安全生产具有重要意义。文章首先对数据挖掘技术进行简单介绍,之后阐述了煤与瓦斯突出预测中数据挖掘技术的应用及具体实现步骤。     

基于SuperMap的双柳矿煤与瓦斯突出危险性综合评价

通过借助SuperMap Deskpro的空间分析功能对双柳矿煤与瓦斯突出危险性进行了定量评价,制作了双柳矿煤与瓦斯突出危险性综合评价图,在此基础上,查明了该矿的瓦斯赋存规律,并参照煤与瓦斯突出危险性综合评价等级体系,将该矿3#+4#煤层划分为重点防护区、重点监控区、一般监控区。该成果对于提高双柳矿防突措施的有效性和针对性具有一定的参考价值和指导意义。     

石门揭煤后煤与瓦斯延期突出突变分析

利用非线性理论-突变理论,通过煤与瓦斯延期突出的改进的尖点突变模型,对煤矿生产中石门揭煤后煤与瓦斯延期突出耦合灾变机理进行了理论分析,得出了瓦斯延期突出的突变机制和突变条件,为预测与防止煤与瓦斯延期突出灾害提供了重要的理论依据。     

基于决策树ID3改进算法的煤与瓦斯突出预测

为提高工作面突出预测指标预测的准确率,根据灰色相关理论和决策树ID3算法,提出了基于决策树ID3改进算法的煤层工作面煤与瓦斯突出预测方法。该方法以工作面的钻屑解吸指标作为主要决策属性,以地质构造、瓦斯浓度变化等现场较为直观的突出征兆作为辅助决策属性,同时根据矿井实际工作面煤与瓦斯突出数据建立预测样本数据集,把决策属性的相对灰色关联度作为决策树ID3改进算法的最大信息增益计算权重,建立了煤层工作面煤与瓦斯突出决策树预测模型,并采用该预测模型对10组煤与瓦斯突出数据进行了预测,结果表明,该模型预测的准确率显著高于采用单一钻屑指标预测的准确率。     

基于自适应变步长BP法的煤与瓦斯突出预测

为准确预测矿井煤与瓦斯突出的危险性 ,本文基于反向BP神经网络提出了一种改进的自适应变步长BP网络模型 ,加快了BP网络的收敛速度。实际应用效果表明 ,该模型具有收敛速度快、准确性高、可靠性和实用性强等特点 ,是一种有效的煤与瓦斯突出危险性预测方法     

恩洪煤矿突出预测敏感指标及临界值研究

煤与瓦斯突出是恩洪煤矿的重要灾害之一。采用实验室研究、现场实测、现场资料统计整理等方法,测取了恩洪煤矿C9煤层瓦斯基本参数及相关预测指标值,在此基础上,对恩洪煤矿C9煤层煤与瓦斯突出预测敏感指标及临界值进行了研究,最终得出了合适的敏感指标及临界值。     

天然焦型煤矿煤与瓦斯突出危险性区域预测研究

以天然焦型煤矿煤与瓦斯突出危险性问题为研究目标,针对淮北金石矿132采区3#煤层天然焦为对象,采用煤层瓦斯参数结合瓦斯地质分析法和单项指标法对其进行煤与瓦斯突出危险性区域预测。结论表明:132采区开拓前为无突出危险区,并指出了具体区域划分范围。