共查询到18条相似文献,搜索用时 156 毫秒
1.
2.
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. 相似文献
3.
《中国矿业》2016,(11)
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。 相似文献
4.
为提高预测模型的可靠性,实现对煤层未采区域瓦斯含量的精确预测,以山阳煤矿5#煤层为研究对象,进行未采区瓦斯含量的预测。运用瓦斯地质学和多元线性回归分析法,得出基岩厚度、煤层厚度和埋深是影响该矿瓦斯赋存的主要因素,并将其作为BP神经网络模型的输入端神经元,初步构建出瓦斯含量预测模型;结合地勘时期瓦斯钻孔的实际数据,进行网络训练,再对预测模型的可靠性进行检验。结果表明:该预测模型预测瓦斯含量,精度较高,效果较好,能满足工程要求。采用多元线性回归-BP神经网络可以对未开采区域煤层瓦斯含量进行准确预测,为矿井瓦斯灾害防治提供一定的参考依据。 相似文献
5.
6.
7.
8.
9.
10.
11.
煤层含气量不仅是煤层气储层综合评价的一个重要参数,同时,准确预测煤层含气量也是预防瓦斯爆炸事故的重要手段,因此准确确定煤层含气量是至关重要的。针对这一问题,以鄂尔多斯盆地东缘临兴区块为研究对象,结合前人研究成果,同时引入了基于决策树模型的集成算法模型,依据研究区实测数据,分别建立了煤层含气量的SVM模型、神经网络模型、随机森林模型、梯度提升树模型4种预测模型,分析并对比了各模型的性能。结果表明,基于决策树模型的集成算法模型预测效果更好,稳定更强,在样本量较少、维度较低的样本集上比SVM模型和ANN模型更有优势。 相似文献
12.
13.
屯兰矿为煤与瓦斯突出矿井,主采8号煤层为突出煤层.突出预测的准确性及有效性是影响煤巷掘进速度的主要因素,经在煤巷测定煤层瓦斯含量和突出预测指标,利用灰关联分析方法对钻屑瓦斯解吸指标△h2及K1、钻屑量S的敏感性进行了研究.分析表明,钻屑瓦斯解吸指标K1可更准确反映工作面前方煤体的突出危险程度,可作为屯兰矿煤巷掘进突出预测的敏感指标. 相似文献
14.
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。 相似文献
15.
文章以赵庄煤矿2号井3号煤层地质条件为背景,依据煤层瓦斯含量影响因素,应用人工神经网络的理论与方法,建立了煤层瓦斯含量的BP神经网络预测模型。应用该网络对井田范围内未知区域进行煤层瓦斯含量预测和分析,从而绘制出较为准确的井田瓦斯含量预测图。为煤层瓦斯含量预测提供新的研究方法和研究手段。 相似文献
16.
以黄陵矿煤层瓦斯含量与相关因素的数据为例,采用基于多元非线性回归理论的数学方法,建立了一种适合矿井实际的预测模型:多元非线性瓦斯含量预测模型,通过该模型进行了煤层瓦斯含量预测,预测精度较高,适用性较强。 相似文献
17.
为预测煤层气含气量,结合山西寺河煤矿实际资料,在分析不同含气量AVO异常特征的基础上,通过反演得到AVO属性,建立多地震属性与含气量之间的相关关系,从而获得煤层含气量分布。对于含气量不同的钻井,高含气量的煤层一般能形成较强的AVO异常,低含气量的煤层AVO异常很小。基于截距和梯度属性,可获得纵波阻抗、横波阻抗、极化参数、密度和伪泊松比等地震属性。地震属性与煤层含气量之间具有相关性,其中截距、纵波速度、纵波阻抗、横波阻抗、极化参数、密度、伪泊松比等属性与含气量具有较大相关性。研究表明,井孔处煤层含气量预测结果与实测瓦斯含量预测误差低,吻合性好,表明基于AVO反演技术预测煤层含气量是一种可行的方法。 相似文献
18.
常规的瓦斯突出预测技术,主要从单一角度出发,无法达到多因素影响下的瓦斯突出危险区域预测精度。以某研究区为例,利用基于遗传算法的支持向量机(SVM)网络,预测了瓦斯含量;将孔隙度作为构造煤的判别因子,并通过概率神经网络(PNN)反演方法,得到了构造煤分布情况;介绍了基于自然伽马曲线的拟密度反演方法,获得了煤层顶板岩性情况。综合瓦斯含量、构造煤分布及煤层顶板岩性3个方面特征,建立了一套瓦斯突出危险区域综合预测方法,为判断瓦斯突出危险区提供了理论基础。经过与实际突出位置做验证,预测结果吻合,说明了综合预测方法在此研究区具有较高的准确性。 相似文献