基于极大似然估计的logistic回归模型在煤与瓦斯突出危险等级评价中的应用

为了提高煤与瓦斯突出危险等级预测的准确性和增强预测预报方法的实用性,选取开采深度、瓦斯压力等五个关键影响因素作为煤与瓦斯突出的评判指标,建立了煤与瓦斯突出多元logistic回归非线性概率评级模型,对模型参数的确定采用了极大似然函数估计法,并利用MATLAB遗传算法工具箱的主要函数ga()求出模型系数的初始值,再用搜索工具箱中的fminsearch函数求出模型系数的最终值。通过对16组样本的学习和对6组样本的预测,验证了该模型在煤与瓦斯突出危险等级判别中的有效性、准确性。另外,该模型结构简单,计算量小、实用性强,易于程序实现,有借鉴价值。     

多源异构变形预测模型融合方法在开采沉陷动态预测中的应用

为了克服单一非线性开采沉陷预测模型预测精度不高、可靠性差的缺点,通过对开采沉陷特点的分析和非线性预测模型优缺点的比较,优选了适应性强、性能互补好的AR模型、GM模型、三次指数平滑法模型和卡尔曼滤波模型4种模型,基于模型误差平方和最小的融合准则,构建了适用于开采沉陷动态预测的多源异构变形预测模型,利用实测数据求取了多源异构融合模型下沉、水平移动预测模型权系数,并对模型的预测性能进行了检验。结果表明多源异构融合模型相对于这4种单一模型预测精度高、可靠性好。     

灰色模型在建筑物变形分析中的应用

该文较详细地介绍了灰色预测模型及其修正模型的基本内容和建模思想。探讨灰色系统理论的GM(1,1)模型和GM(1,1)残差修正模型应用于建筑物变形数据分析,基于MATLAB软件编写了相应的灰色系统预测程序,结合真实数据进行变形预测比较和检验,充分证实了在建筑物变形分析中应用灰色预测方法的可行性。     

基于环境特性网的负荷组合预测

在分析煤矿井下电力负荷特性的基础上选取单项预测模型,提出一种基于组合系数诱导IOWA算子的组合预测方法。该方法应用Dempster合成法则筛选精度较优的单项模型预测值替代历史数据,克服实际预测期数据未知的缺陷;基于发展相关性指标和精度指标构造递阶层次结构,运用熵权法求取两项模型评价指标的组合权重,求出组合系数;在预测过程中引入等维信息概念,使预测结果能够更合理地反映负荷发展规律。预测结果表明,基于组合系数诱导IOWA算子的模型适用于预测井下负荷,并能提高预测精度。     

开采沉陷动态预测模型

为了准确预测地下开采引起的地表沉陷,针对Knothe时间函数模型的不足,借鉴岩石流变力学中非定常流变模型的建模思路,假定Knothe时间函数中的时间影响系数不是固定不变的常量,而是与时间有关的变量,从而对Knothe时间函数模型进行了改进。在此基础上,提出了一种新的地表下沉盆地模型,并将该模型与改进的Knothe时间函数模型相结合,建立了一种新的开采沉陷动态预测模型。利用实测资料对模型的合理性进行了验证,结果表明：该模型能够描述开采沉陷随时间的动态发育过程,且预测曲线和实测数据吻合良好,说明模型具有一定的适用性。     

煤岩动力灾害预测动态数据模型的构建及应用

在非接触电磁辐射法动态预测煤岩动力灾害的基础上提出了一种新的动态数据建模法-均生函数预测模型.首先分析了均生函数模型构建的基本原理;其次利用电磁辐射监测仪测定的现场工作面电磁辐射信号时间数据序列,通过逐步回归筛选时间序列构造均生函数方程;然后以此拟合方程作为未来的预测模型,建立预测模式;最后运用实际测定的数据来验证该预报模式的预测准确率.预测实例表明,该数据机理预测模式的预报结果与实测结果是一致的,表明均生函数预测模型与电磁辐射预测方法的有机结合能有效地预测煤岩动力灾害以及提高预测的准确性.为煤岩灾害动力现象电磁辐射监测技术的研究提供了一种新的研究思路和方法.     

基于SVR的设备状态趋势预测方法

针对设备状态趋势预测问题，用支持向量回归算法构建预测模型，．用仿真数据验证模型的有效性，并对模型参数的选择进行了探讨，对某大型机组振动峰峰值预测，选用anovaspline3核函数、不敏感损失函数（ε）和合适的模型参数，预测平均相对误差仅1．8796％表明SVR建模方法在有限训练样本条件下，预测精度高，具有工程实用价值.     

基于等维动态预测模型的建筑物变形分析

在分析传统模型建模的不足的基础上,介绍了一种实时引人新信息的等维灰数和等维新息递补动态预测方法.根据某广场变形监测数据,首先建立GM(1,1)模型,再用灰色理论的方法,分别建立等维灰数和等维新息递补模型,并根据实际观测数据,讨论最佳建模维数,最后将3个模型预测效果进行对比.结果表明,与原始的灰色GM(1,1)模型相比,等维动态方法建立了一种数据之间的动态关系,特别是实测值的加入,能够有效提高模型精度,获得良好的预测效果,是一种既方便又可靠的变形分析方法.     

地基变形的灰色预测模型

介绍灰色系统GM(1,1)预测模型的数学原理及建模步骤.并对模型进行检验和可信度分析,证明此法预测地基变形问题精度很高,适合于具有灰色特征的地基变形数据的模拟、控制与预测.通过实例计算,证明了该法的可行性.     

Surface roughness prediction of integration knowledge modeling into date mining

针对当前制造过程海量信息和定性定量知识并存的特性,提出知识建模和数据挖掘技术相融合的建模思想。基于粗糙集模型,首次建立知识的粗糙集函数关系,并构建基于＂不可分辨—函数＂关系的新型粗糙集模型及预测方法,用以预测加工表面粗糙度。新模型将已有知识嵌入到数据挖掘模型中,其信息划分更精确,获取的决策规则蕴含的知识更丰富,故预测精度更高,预测范围更广。与其他预测模型相比,所建模型仅利用已有知识和信息,不需要建模者额外设计和设定模型的结构形式和参数。实验结果也表明,所建模型在预测有效性和预测精度上均有较好表现。     

Dynamic prediction of gas emission based on wavelet neural network toolbox

This paper presents a method for dynamically predicting gas emission quantity based on the wavelet neural network (WNN) toolbox. Such a method is able to predict the gas emission quantity in adjacent subsequent time intervals through training the WNN with even time-interval samples. The method builds successive new model with the width of sliding window remaining invariable so as to obtain a dynamic prediction method for gas emission quantity. Furthermore, the method performs prediction by a self-developed WNN toolbox. Experiments indicate that such a model can overcome the deficiencies of the traditional static prediction model and can fully make use of the feature extraction capability of wavelet base function to reflect the geological feature of gas emission quantity dynamically. The method is characterized by simplicity, flexibility, small data scale, fast convergence rate and high prediction precision. In addition, the method is also characterized by certainty and repeatability of the predicted results. The effectiveness of this method is confirmed by simulation results. Therefore, this method will exert practical significance on promoting the application of WNN.     

矿区边坡变形预测的IGM-LSSVM模型

由于监测环境恶劣,变形监测序列常伴有较大波动,针对灰色模型（gray model,GM）仅适用于分析指数型变形序列,且最小二乘支持向量机（least squares support vector machine,LSSVM）在进行变形预测时存在参数难以有效选取的问题,提出了一种改进的灰色最小二乘支持向量机变形预测模型（IGM-LSSVM）。将几何平均生成变换引入GM（1,1）模型,增强其输入样本的指数规律性,初步预测出变形值并计算残差;针对人工蜂群算法（artificial bee colnony,ABC）在优化LSSVM参数时易陷入局部极值的缺陷,引入Metropolis准则并为其设计了自适应降温函数,得到自适应Metropolis人工蜂群算法（adaptive metropolis artificial bee colnony,AMABC）;利用AMABC算法优化的LSSVM训练GM（1,1）模型得到的预测残差值补偿GM（1,1）模型,得到最终预测值。某矿区边坡变形预测表明：AMABC算法有效克服了ABC算法易陷入局部最优解的缺点,IGM-LSSVM、GM（1,1）、ABC-GM-LSSVM等模型预测的平均相对误差分别为1.223%,9.565％、3.200％,可见,IGM-LSSVM的预测精度相对于其余2种模型优势明显,对于实现矿区边坡变形高精度预测有一定的参考价值。     

土岩滑坡变形成因及地质灾害预测方法研究

由于当前已有方法未能对滑坡变形监测数据进行滤波融合处理，导致预测结果准确性较低。提出一种土岩滑坡变形成因及地质灾害预测方法，对土质滑坡地质情况以及区域概况进行分析，结合前期勘察以及野外地质调查结果，构建滑坡地质概化模型，进一步分析导致土岩发生滑坡变形的主要原因。采用Kalman滤波方法对各个区域的位移监测数据进行滤波融合处理，同时通过EMD信号分解方法以及支持向量机预测方法对滑坡的变形过程进行预测，进而构建地质灾害预测模型，使用模型进行灾害预测。仿真实验结果表明，所提方法可以获取更加精准的地质灾害预测结果。     

基于灰色模型群的软岩巷道围岩变形预测

随着煤炭资源逐步转向深部开采,软岩巷道的支护问题显得尤为突出,巷道围岩变形监测及预测对巷道支护设计、维护等具有重要的指导意义。传统的预测方法多基于岩体力学理论,计算过程较为复杂。以巷道围岩变形原始数据作为参考数列,结合灰色系统理论,构建基于全数据GM（1,1）、新信息GM（1,1）、新陈代谢GM（1,1）等3类预测模型的软岩巷道围岩变形预测灰色模型群,并将其应用于预测某矿软岩巷道顶底板及两帮围岩变形位移。结果表明,利用该灰色模型群进行巷道围岩变形预测的精度较高,能较好地顾及围岩变形新信息对预测精度的影响,使得预测结果更加符合实际。     

GM模型在矿建工程施工目标集成管理中的应用研究

质量、成本、工期是项目管理的三大目标,而传统挣值管理缺少对质量目标的管理,结合挣值管理加入质量系数来实现项目管理目标的集成管理。针对传统挣值管理具有的只能根据现有数据进行趋势预测的缺点,利用GM模型能进行数据序列预测的优势对矿建工程数据建立GM(1,1)模型。以井筒建设为例建立模型,从预测结果看,模型预测具有临近时点精度高,"累计造价"的预测误差(1%左右)小于对"月度造价"误差(3%左右)的特点。所以,GM(1,1)模型与挣值管理的联合应用完全能够对矿井建设的施工起到指导作用。     

基于CT-GRNN模型的采场顶板位移预测

将混沌学理论与广义神经网络相结合构建了基于CT-GRNN的采场顶板位移预测模型。首先应用Matlab混沌工具箱, 对顶板位移数据进行混沌判别, 得出顶板位移数据混沌时间序列的特点, 进而对顶板位移数据进行相空间重构, 最后采用广义回归神经网络对采场顶板位移进行预测。以新桥矿E15、E27采场顶板位移预测为例, CT-GRNN模型的预测误差分别为2.1%和2.6%, 相比传统BP神经网络预测（预测误差分别为5.7%和4.8%）, 精度得到大幅度提高, 可作为采场顶板位移预测的一种新手段。     

基于支持向量机的露天矿边坡地表变形预测

在充分考虑露天矿边坡地表变形影响因素复杂性的前提下,基于丰富的地表变形监测资料,建立了露天矿边坡地表变形预测的支持向量机（SVM）模型,并采用遗传算法对核函数和惩罚因子进行确定.将该模型应用于抚顺露天矿边坡地表变形的预测,预测结果最大误差为3.014 cm,表明该模型是定量预测露天矿边坡坡肩地表变形量的一种有效方法.     

覆岩移动静态预计模型的构建及实测研究

为了研究覆岩内部的移动变形规律,以随机介质碎块体移动概率分布为基础,通过理论推导,得出了单元开采覆岩内部静态下沉预计模型和水平移动函数模型,以此为源型,研究得出了覆岩内部三维空间任意点沿任意方向的移动和变形公式。通过理论研究和实测资料分析,得出了覆岩沉降系数与地表下沉系数的关系为q岩=1-(H-zH)n(1-q)。采用预计模型对范各庄矿覆岩移动进行了预测,结果表明,预计值与实测值最大偏差162mm,相对误差仅为4.7%,预计值与实测值吻合较好,覆岩静态预计模型能够付诸工程实践。     

基于ArcGIS的河南某金矿区成矿预测系统构建

为进一步扩大河南省某金矿区资源量，提高资源成矿预测效率，构建了一种新的成矿预测系统。该系统基于ArcGIS软件平台并采用C语言进行开发，系统成矿预测流程分为数据模型建立、预测模型构建、 模型信息提取、矿产资源预测4个部分。通过收集研究区域的基本地质条件以及勘探数据等资料，建立数据库，并建立子数据库之间关联性。结合河南省某金矿区的地层、岩性、岩浆岩等特征，将构建的新型成矿预测 系统应用于该矿区，通过预测变量提取、权重系数计算、有利度计算，将成矿靶区由优质到一般的顺序分为A、B、C 3个级别，其中A级别靶区为有利度值为1.19到2.51的单元，B级别靶区为有利度值为2.51~3.83的单 元，C级别靶区为有利度值大于3.83的单元。通过所构建的系统进行成矿预测，得到各靶区的位置、面积等信息，与已有信息进行对比，表明所圈定的靶区可靠性较高，反映出采用所构建的系统进行成矿预测有一定的 可靠性。     

变形预测的加权灰色GOM(1,1)模型与时序方法

在进行变形监测的过程中，尤其是变形数据呈现递减趋势时，采用传统的模型有其不合理性，采用反向累加生成的方法建立灰色反向累加加权模型，并且与时间序列方法结合使用，通过实例表明，对于呈递减趋势的变形数据，使用这种组合模型预测值优于传统的灰色模型和时间序列模型。