人工神经网络在瓦斯涌出量预测中的应用

当采掘工作面遇有岩浆岩破坏煤系和煤层时,地质条件尤为复杂,采用常规的矿山统计法和瓦斯含量法预测瓦斯涌出量难以取得理想的结果．作者从矿井地质综合分析入手,采用BP神经网络的方法建立了适用于矿井未采区瓦斯涌出量的预测模型,分别用48个4-2煤层、40个7-2煤层钻孔点的煤层瓦斯质量体积、煤层埋藏深度、煤质、火成岩分布、顶底板砂泥岩比值等数据作为输入层。预测地质条件相对复杂矿井的瓦斯涌出量．经已采区实测值与预测值比较分析认为．预测结果可信．     

人工神经网络在瓦斯涌出量预测中的应用

当采掘工作面遇有岩浆岩破坏煤系和煤层时,地质条件尤为复杂,采用常规的矿山统计法和瓦斯含量法预测瓦斯涌出量难以取得理想的结果.作者从矿井地质综合分析入手,采用BP神经网络的方法建立了适用于矿井未采区瓦斯涌出量的预测模型,分别用48个4-2煤层、40个7-2煤层钻孔点的煤层瓦斯质量体积、煤层埋藏深度、煤质、火成岩分布、顶底板砂泥岩比值等数据作为输入层,预测地质条件相对复杂矿井的瓦斯涌出量.经已采区实测值与预测值比较分析认为,预测结果可信.     

综采工作面相对瓦斯涌出量灰色模型预测

以灰色模型GM(1,1)为基础,对赵庄煤矿综采工作面的相对瓦斯涌出量进行了灰色预测和精度检验,并利用残差灰色模型对预测结果进行了修正.结果表明,灰色预测模型所需建模信息少,运算方便,模型预测精度高,是处理小样本预测问题的有效工具;当预测结果不满足精度要求时,还可以建立残差灰色模型对预测结果进行修正,从而进一步提高预测结果精度;在预测煤层相对瓦斯涌出量时,能达到较高的精度,可以满足工程技术的要求.     

瓦斯涌出量的人工神经网络预测的研究

基于反向传播神经网络、径向基函数神经网络和广义回归神经网络对采煤工作面瓦斯涌出量进行预测,比较和分析了瓦斯涌出量的预测值和实测值,并选定精度评价体系对预测结果进行评定。结果表明:反向传播神经网络、广义回归神经网络和径向基函数神经网络都能够较好的预测瓦斯涌出量,其中径向基函数神经网络的预测更精准。径向基函数神经网络的后验差检验比值c=0.07,小误差概率P=1.0,预测误差精度达到1级。     

高瓦斯综采工作面瓦斯涌出预测与立体防治技术研究

针对高瓦斯低渗透煤层工作面瓦斯抽采与灾害控制难题,以土城矿15311综采工作面为研究对象,首先,初步分析了工作面瓦斯涌出来源,运用分源预测法预测了其瓦斯涌出含量,接着针对性地在3#煤层运用了顺层钻孔、底抽巷穿层钻孔、高位钻场以及采空区埋管等多种抽采方法,并联合工作面配风提出了立体瓦斯防治技术。最后,通过施工底抽巷截留钻孔对底抽巷溢出瓦斯进行截留抽放,考察了抽采效果。结果表明:15311综采工作面瓦斯来源主要为3#煤层和下邻近层,瓦斯抽采总量为45.4 m3/min,瓦斯抽采率为85.33%,回风流中瓦斯浓度未超过1%,瓦斯抽采达标,有效地控制了工作面高瓦斯的涌出。     

张集煤矿11418综采工作面瓦斯综合治理技术

在对张集煤矿11418综采工作面瓦斯来源分析的基础上,采用分源预测法预测出该面最大相对瓦斯涌出量为6.15m3/t,最大绝对瓦斯涌出量为34.2m3/min.提出了采用风排、高抽巷、顶板高位钻孔永久抽放系统和上隅角埋管移动抽放系统综合治理采面瓦斯的技术思路,确定了永久和移动抽放系统的瓦斯抽放参数,进行了主要抽放设备的选型,提出了治理效果的监测方法,为高瓦斯工作面提供了一套合理的瓦斯治理技术及参考方案.     

大采高、高瓦斯综采面瓦斯综合治理技术

针对潘三煤矿综采工作面大采高、瓦斯涌出量大的现实条件,研究并并实施以顶板高抽巷抽采瓦斯为主,风排管理并重的综合瓦斯治理技术,杜绝了大采高、高瓦斯综采工作面瓦斯超限现象,提高了工作面的单产,实现了煤与瓦斯共采,取得了显著的经济效益和社会效益.研究成果对类似条件下的煤炭开采具有指导价值.     

低瓦斯煤层工作面瓦斯涌出量预测与防治

利用瓦斯地质数学模型法建立了工作面瓦斯涌出量数学模型,预测了未采区工作面瓦斯涌出量.瓦斯涌出量等值线大体上沿北东方向展布,并具有随煤层埋深增加而增大的总体趋势.依据工作面瓦斯涌出量构成及瓦斯涌出量预测结果,提出了工作面瓦斯治理的两套措施,即采空区瓦斯抽放和下行风加专用排瓦斯巷.     

低瓦斯煤层工作面瓦斯涌出量预测与防治

利用瓦斯地质数学模型法建立了工作面瓦斯涌出量数学模型,预测了未采区工作面瓦斯涌出量.瓦斯涌出量等值线大体上沿北东方向展布,并具有随煤层埋深增加而增大的总体趋势.依据工作面瓦斯涌出量构成及瓦斯涌出量预测结果,提出了工作面瓦斯治理的两套措施,即采空区瓦斯抽放和下行风加专用排瓦斯巷.     

中国采煤工作面瓦斯涌出规律及其控制研究

将采煤工作面瓦斯来源划分为煤壁、采落煤和采空区３部分,并给出了各部分瓦斯涌出量的计算公式,研究了回采过程,煤层群不同的开采顺序以及厚煤层分层开采时的瓦斯涌出 述了中国煤矿采矿工作面采用不同的通风系统、脉冲通风以及瓦斯抽放等控制瓦斯涌出的原理与技术的新成果,介绍了瓦斯涌出量达１５０ｍ＾３／ｍｉｎ的综采放顶煤工作面瓦斯控制技术实例。     

基于PSO—SVM的煤与瓦斯突出强度预测模型

为有效预测煤与瓦斯的突出强度,分析了煤与瓦斯突出的主要影响因素,建立了基于粒子群优化支持向量机方法（PSO—SVM）的煤与瓦斯突出强度预测模型,通过实例对该模型的预测效果进行检验,同时还分别采用了BP神经网络（BP—NN）和支持向量机方法（SVM）对该实例进行了预测,进而对这3种方法的预测精度进行了比较。分析结果表明3种方法的预测准确率PSO—SVM为87．5％、BP—NN为50％、SVM为62．5％。可见,PSO—SVM方法的预测效果要好于BP—NN和SVM,对煤矿煤与瓦斯突出强度预测具有一定的参考价值和指导意义。     

基于改进灰色神经网络的房地产价格走势分析

针对房地产价格走势状况,通过对灰色预测模型GM（1,1）和BP神经网络的研究,将两大模型进行组合改良,形成新的组合灰色神经网络预测模型,以南京市中房指数为例,以Matlab为预测工具,进行2013年12个月份的价格指数预测,研究结果证明新的组合预测模型精度较高,可为房地产价格指数的预测和研究提供参考依据。     

基于灰色神经网络模型预测变压器油中溶解气体的含量

建立了变压器油中溶解气体的灰色神经网络预测模型,用MATLAB仿真计算,结果表明该模型优于单独GM（1,1）模型。     

个旧高松矿田多成矿地质因素BP网络成矿预测

研究了BP网络模拟多成矿地质因素和矿床特征之间的非线性关系,创建了BP网络成矿预测流程图。以个旧高松矿田为例,分析矿区地质背景、控矿地质要素、地球化学特征,组建了多成矿地质因素预测模型;圈出了4个一级远景区（成矿有利度〉0.6）,2个二级远景区（0.6〉成矿有利度〉0.5）。经踏勘验证,与实际情况较为符合。     

BP神经网络优化模型在水体富营养化预测的国内进展

在湖泊富营养化已成为世界性的水污染治理难题的今天,富营养化预测模型应用广泛,已取得较大发展。文章介绍了运用BP人工神经网络预测水体富营养化的计算过程,综合论述了学者们在预测水体富营养化时水体中BP人工神经网络模型联合各种算法的优化情况,由此可以看出,足够多的样本是BP神经网络进行学习训练的关键;各种联合模型比普通BP人工神经网络模型更加准确、有效;多种联合模型并未运用于水体营养化评价方面;联合模型优化的BP人工神经网络必将具有巨大的价值和发展前景。     

GM-BP模型在NGH生成中的预测研究

天然气水合物具有储气率高、污染低、储量大等优点,具有良好的发展前景,但是在天然气加工和运输过程中形成的天然气水合物会造成管道堵塞等严重状况,因此,分析和预测天然气水合物的生成具有实际意义。为了预测天然气水合物的生成情况,针对前人研究天然气水合物生成预测方法的优缺点,引用了具有解决复杂系统问题能力的人工神经网络,运用MATLAB语言编程建立了灰色理论（Grey Forecast）理论和BP神经网络（Back Propagation Network, BP）的组合模型。为了提高预测精度,选用了差值结合法将两种方法结合,分别运用GM（1,1）、BP神经网络以及此组合模型对实验中得到的压力数据进行预测并加以比较;为了进一步验证组合模型的精准度,选用了马尔科夫链模型进行预测检验。结果表明,GM（1,1）和BP神经网络组合模型具有较高的精准度,且此方法可以广泛运用到较多方向,可为今后的天然气水合物开发利用提供理论依据。     

BP神经网络的遗传优化及其应用研究

针对BP神经网络具有训练速度慢、容易陷入局部极小值的特点,在分析其训练算法本质的基础上,提出将遗传算法（GA）引入神经网络训练,优化神经网络的权值和闽值,充分发挥遗传算法的全局寻优能力和BP算法的局部搜索优势,形成了一种新的GA—BP神经网络．应用实例仿真结果表明,GA—BP神经网络具有全局搜索、快速收敛的特点,建立的模型具有较高的预测精度和良好的泛化能力．     

冲击地压危险等级预测的PSO-SVM模型

为了对冲击地压进行有效的预测,分析了冲击地压的主要影响因素,建立了基于粒子群优化支持向量机方法(PSO-SVM)的冲击地压危险程度预测模型,并通过实例,对PSO-SVM模型的预测效果进行了检验,同时还分别采用了BP神经网络(BP-NN)和支持向量机方法(SVM)对实例进行了预测,最后对三种方法的预测精度进行了比较分析,结果显示:PSO-SVM方法的预测精度要高于BP-NN和SVM方法的预测精度,可见,PSO-SVM预测方法对煤矿冲击地压危险程度预测具有一定的参考价值和指导意义.     

基于SVM的老年痴呆症智能诊断研究

为了验证支持向量机（SVM）更适用于基于血常规数据的老年痴呆症的预测诊断,通过仿真实验,将BP神经网络、RBF神经网络、SVM支持向量机分别应用于老年痴呆症的预测诊断,建立3种算法对应的诊断模型,并对3种模型的预测结果进行分析比较,仿真实验在Matlab软件平台上进行. 结果表明,与BP、RBF神经网络方法相比,SVM模型预测准确度高,建模时间短,整体性能好,更适用于基于血常规数据的老年痴呆症预测诊断,实际应用时可以此结论作为理论指导.