共查询到18条相似文献,搜索用时 171 毫秒
1.
2.
3.
4.
5.
6.
7.
基于人工神经网络的煤与瓦斯突出预测 总被引:5,自引:0,他引:5
从煤与瓦斯突出的机理出发,考虑影响煤与瓦斯突出的5种主要因素,建立了能够准确预测煤与瓦斯突出的人工神经网络模型。应用所制作的软件进行实际检验,预测结果完全与实际相吻合,可以用来准确预测煤与瓦斯突出。 相似文献
8.
9.
10.
11.
In order to predict the danger of coal and gas outburst in mine coal layer correctly, on the basis of the VLBP and LMBP algorithm in Matlab neural network toolbox, one kind of modified BP neural network was put forth to speed up the network convergence speed in this paper. Firstly, according to the characteristics of coal and gas outburst, five key influencing factors such as excavation depth, pressure of gas, and geologic destroy degree were selected as the judging indexes of coal and gas outburst. Secondly, the prediction model for coal and gas outburst was built. Finally, it was verified by practical examples. Practical application demonstrates that, on the one hand, the modified BP prediction model based on the Matlab neural network toolbox can overcome the disadvantages of constringency and, on the other hand, it has fast convergence speed and good prediction accuracy. The analysis and computing results show that the computing speed by LMBP algorithm is faster than by VLBP algorithm but needs more memory. And the resuits show that the prediction results are identical with actual results and this model is a very efficient prediction method for mine coal and gas outburst, and has an important practical meaning for the mine production safety. So we conclude that it can be used to predict coal and gas outburst precisely in actual engineering. 相似文献
12.
13.
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。 相似文献
14.
煤与瓦斯突出预测是突出煤层2个"四位一体"综合防突措施的关键环节,对确定突出预测敏感指标及其临界值具有重要意义。以往突出预测敏感指标及临界值的确定,包括地应力指标和瓦斯指标,是通过现场反复测试、试验确定的;而现今的突出防治管理模式不支持这种方法,故只能采取实验室试验研究,主要是针对瓦斯相关指标的研究,结合部分现场验证来确定。选取大隆矿12煤、芦岭矿8煤、祁南矿3煤、朱仙庄矿10煤、童亭矿7煤和新景3煤等6个煤样,煤种涉及中等变质程度的气肥煤到高等变质程度的无烟煤,试验研究了各煤样瓦斯压力P与瓦斯含量W,瓦斯压力P与钻屑瓦斯解吸指标K_1和Δh_2,以及钻屑瓦斯解吸指标K_1与Δh_2之间的关系规律。结果表明:突出预测的瓦斯指标之间具有单值对应关系,但各煤样的这种对应关系是变化的,国家相关标准给出的突出预测指标建议临界值之间并不对应,也不能完全反映煤层的实际突出危险性与突出严重程度,不同变质程度煤层很难存在统一的临界值;应用煤层瓦斯相关指标之间的对应关系,结合突出煤层的实际,如始突深度、突出动力现象、钻孔动力现象等,可间接确定突出预测敏感指标的临界值。同时,未来精细化的突出防治对突出预测敏感指标有更高的要求,进一步研究的方向应包含反映地应力状况、小构造影响下煤层赋存、预测煤层潜在突出强度的指标,以及适应突出灾害差异性的新突出预测方法及措施效果检验方法。 相似文献
15.
16.
17.
为有效预测矿井内煤与瓦斯突出的危险程度,对其影响因素做了分析与探讨,分别构建了基于粒子群优化算法以及遗传算法支持向量机的煤与瓦斯突出预测模型,并且通过实例对两种模型预测的准确性进行了验证。分别利用单项以及综合指标、BP神经网络以及PSO-SVM模型、GA-SVM模型,对寺河煤矿二号井的突出区域进行预测比较。结果表明,PSO-SVM的预测模型不仅可以在小样本数据中预测出煤与瓦斯突出程度的大小,而且综合预测结果更加精确,其在解决矿井内煤与瓦斯突出的小样本数据中显示出更加强大、通用的性能。 相似文献
18.
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。 相似文献