煤炭需求预测的复合小波神经网络模型

应用复合小波神经网络模型对煤炭消费年增长率进行了预测,综合考虑了国内生产总值（Gross Demestic Product,简称GDP）年增长率波动,主要用煤行业（电力,冶金,建材,化工等）的发展趋势,以及一次能源消费结构中煤炭消费下降的趋势等各种波动的影响,预测模型达到了很高的精度,用于近期预测是可靠的。     

我国煤炭需求函数回归模型的建立及需求预测

通过对我国现阶段引起煤炭需求和产出量变化的相关因素分析，建立我国现阶段煤炭需求函数回归模型，并在以实际数据加以验证可行的基础上，进一步对我国煤炭的市场需求进行模拟和预测。     

我国煤炭需求预测全国煤炭市场调查研究之二

介绍了电力、冶金、建材、化工４个主要用煤行业的发展现状及趋势,在考虑结构调整和节能因素后,对４个行业２０００年及２００５年用煤进行了预测;从我国生活用能的变化中预测了生活用煤的需求量;通过煤炭进出口形势的分析,预测２０００年和２００５年出口煤炭的数量。得出的结论是,２０００年煤炭需求量为１２．４５亿ｔ,２００５年为１３．６５亿ｔ。     

山西省“十四五”时期煤炭供需形势与需求预测分析

“十四五”时期,煤炭行业面临着“双碳”目标以及煤矿智能化开采快速发展带来的挑战。针对上述面临的形势,以山西省煤炭资源的基本概况、供给状况及相应的煤矿规模结构作为研究背景,从“十三五”时期煤炭的消费现状以及“十四五”时期煤炭需求量和供应能力预测3个方面为出发点,简要分析了山西省煤炭资源的长期供需平衡和保障潜力。通过山西省目前的煤炭消费现状、发展趋势以及能源消费排放CO₂预测方法,对山西省未来几年内煤炭总体需求量进行了预测分析,在确保煤炭资源供应需求平衡的前提下,提出了煤炭生产企业科技创新发展、加强生态友好矿区建设、提高煤炭资源供应能力等“十四五”时期与山西煤炭产业发展相适应的对策及建议,有效应对煤炭行业在新形势下转型发展面临的问题。     

基于BP神经网络的煤炭成本预测研究

根据煤炭企业的实际情况,分析并找出影响煤炭价格的主要因素,采用BP人工神经网络作为煤炭价格模型的非线性建模方法,对煤炭价格进行预测并通过误差对比分析其准确性。结果表明,BP神经网络能很好地反映变量之间的非线性相关性,并且能够高精度地预测煤炭价格,为煤炭企业的生产经营决策和政府部门政策体系的建立提供了重要依据。     

基于动态广义回归神经网络煤炭需求预测模型

煤炭需求预测是指导我国煤炭工业发展规划的重要依据之一。我国煤炭资源需求影响因素复杂,准确地预测需要考虑经济、社会等多方面因素。针对获取数据不足等特点,首次在煤炭的预测中运用动态广义回归神经网络(D-GRNN)的方法,预测了中国未来近十年内的煤炭预测值,得到了比较合理的预测值。运用预测数据对国家的煤炭宏观调控做出了合理评价。     

煤炭消费需求的分析和预测

以１９７９年以来的统计数据作为主要依据，论述了中国煤炭消费总量与分部门消费量之间的关系，提出了煤炭消费需求年增长率与国民经济发展速度与单位产值煤耗之间的关系及相应的表达式。根据节煤率的变化规律分析预测了近期和远期的煤炭需求量。     

基于神经网络的煤炭自燃预测及在MATLAB上的实现

结合我国煤矿实际,用模糊聚类方法进行了煤炭自燃危险程度的分类,运用BP神经网络方法,建立了煤炭自燃预测输入一输出模式非线性映射关系,构建了煤炭自燃预测网络模型,并通过MATLAB软件进行了预测分析与实现,解决了影响煤炭自燃的多因素复杂问题,使得预测结果更具客观性和预见性.     

煤炭需求的灰色预测方法

本文应用灰色预测理论，建立了煤炭需求预测模型，并对我国1996年至2O00年的煤炭需求量进行了预测。经检验，其结果是令人满意的，说明这种方法在煤炭需求预测方面具有一定的实用价值。     

大规模煤炭数据下分布式神经网络算法的研究与实现

文章针对海量规模数据,提出了基于云计算平台的分布式神经网络算法,该算法能够分布式的完成神经网络的构建,最终准确地进行分类预测。实验部分的结果用数据进一步表明了文章提出的算法具有很高的效率,与传统算法相比有很高的加速比及很好的可扩展性。     

基于神经网络的露天矿车铲比预测方法研究

针对矿山生产调度中汽车－电铲合理调配的问题,将神经网络理论应用于预测吴矿车铲比,应用表明,该方法预测精度高,适用性强。     

模糊神经网络建模方法在煤矸石识别系统中的应用

介绍了煤矸石识别系统的构成和标准模型模糊神经网络建模方法,并通过仿真试验实例对如何应用这种方法构建实时分选系统作了详细描述。最后的试验结果显示出该系统能较好地满足设计要求,并具有一定的泛化能力。     

神经网络在低贫化放矿中实时优化预测

采用无底柱分段崩落法采矿，国内外一直采用截止品位放矿法来进行控制出矿，低贫化放矿提高出矿品位，降低废石混入。用神经网络进行实时优化预测，确定合理的贫化率指标和其他技术经济指标，来指导和加强放矿管理。     

基于因子分析与BP神经网络的煤与瓦斯突出预测

为提高煤与瓦斯突出预测的可行性与准确性,将因子分析法与BP神经网络方法相结合,提出一种改进的BP神经网络预测方法。根据平顶山八矿煤与瓦斯突出相关主要影响因素的原始数据,使用因子分析法对9个煤与瓦斯突出影响因素的原始数据进行降维处理,得到3个公共因子;将3个公共因子代替原有的9个煤与瓦斯突出影响因素作为BP神经网络输入层参数,建立因子分析法与BP神经网络法相结合的煤与瓦斯突出预测模型,对平顶山八矿煤与瓦斯突出进行预测。选取平顶山八矿煤与瓦斯突出样本对改进的BP神经网络预测方法进行验证,结果表明：3个预测样本的相对误差分别为1.79%、3.54%、0.83%,均小于10.00%。采用改进的BP神经网络预测方法可有效解决传统的BP神经网络因为输入层参数过多而数据处理效率低、迭代速率慢与精确度低等问题。     

西部煤炭资源开发与环境补偿研究

阐述了西部煤炭资源开采的必要性和西部地区环境现状,分析了煤炭资源开采对自然环境的破坏、对社会和经济环境的正负面的影响,研究了西部煤炭资源开发与环境的耦合效应.     

采煤工作面瓦斯抽采率预测的神经网络模型

由于采煤工作面瓦斯抽采率影响因素复杂多样,且各影响因素之间存在着动态、模糊的非线性关系,传统的预测方法难以建立其预测模型。神经网络具有自组织、自适应、并行处理等特性和很强的非线性逼近能力,通过采煤工作面瓦斯抽采率和其影响因素之间的函数关系建立了预测模型。结果表明,预测模型精度能够满足要求,具有合理性和可行性。     

采煤工作面瓦斯抽采率预测的神经网络模型

由于采煤工作面瓦斯抽采率影响因素复杂多样,且各影响因素之间存在着动态、模糊的非线性关系,传统的预测方法难以建立其预测模型。神经网络具有自组织、自适应、并行处理等特性和很强的非线性逼近能力,通过采煤工作面瓦斯抽采率和其影响因素之间的函数关系建立了预测模型。结果表明,预测模型精度能够满足要求,具有合理性和可行性。     

基于灰关联-神经网络方法的冲击地压预测

通过对影响冲击地压的各因素进行灰关联分析,得出了各因素对冲击地压影响程度的重要性排序,选择关联度排列前8位的影响因素作为输入参数,建立了冲击地压预测的BP神经网络模型,并进行了实际应用。     

煤矿重大危险源BP网络评价方法的探讨

该文借鉴煤矿重大危险源的传统标准评价体系基础上,尝试性地建立煤矿重大危险源的动态BP网络评价模型,并且探索性地针对贵州省煤矿区域特点,建立和应用BP神经网络评价框架方法,以达到预期的评价目的和效果。     

深井动压巷道围岩移近量的BP神经网络预测

传统的预测深井动压巷道围岩移近量的方法主要有:解析法、数值分析法、回归分析法、概率分析法、模糊分析法等。文章主要介绍BP神经网络对深井动压巷道围岩移近量的预测、原理及其Matlab的程序实现。通过分析表明,BP神经网络在深井动压巷道围岩移近量的预测中具有较高的精度。