针对传统煤矿瓦斯预警的可靠性差和误差大等问题,提出了一种基于改进BP神经网络的矿井瓦斯浓度预测算法。提出的新型算法在传统BP神经网络算法的基础上,将遗传算法与BP神经网络算法有效结合,采用优化连接权方
由于煤体的非均值性和开采卸压或古应力引起的应力集中,煤体中的软弱煤发生流变。软弱煤碎裂产生的碎裂面增加了煤的比表面积,造成了瓦斯大量吸附,降低了瓦斯压力。附近煤体纷纷解吸,不断向软弱破碎煤层渗流扩散。
提出一种改进的KNN算法,该算法最大的优点是不需要K值,同时具有较好的分类性能。自编程序设计了改进的算法,并将其用于煤样所属煤种的快速分类。通过实验预测了煤样所属煤种。结果表明与经典KNN算法相比,改
为研究煤与瓦斯突出的动态过程,利用真三轴煤与瓦斯突出模拟试验系统,开展不同条件下的煤与瓦斯突出模拟试验,动态监测突出过程中应力、瓦斯压力变化特征,统计分析抛出煤体的分布特征。结果表明,突出是否发生存在
在总结国内外研究人员关于煤与瓦斯突出灾害发生机理基础上,论述了煤与瓦斯突出危险性预测方法的优缺点,重点对地质因素预测煤与瓦斯突出灾害危险性的合理性进行了分析。结果表明:为了使煤与瓦斯突出灾害预防措施更
为实现煤与瓦斯突出的准确预测,减少突出预测的工作量,依据灰色关联理论,对试验矿煤与瓦斯突出预测的3个指标S、Δh2和K1进行灰色关联分析,确定各指标对煤与瓦斯突出的灰色关联度和敏感性。结果表明突出预测
依据煤与瓦斯突出的相关理论及其影响因素建立了突出危险性评价指标体系,利用层次分析法确定了煤与瓦斯突出中各评价指标的权重,采用模糊综合评价的方法进行了突出危险性预测。通过对发耳煤矿的采煤工作面进行煤与瓦
针对煤与瓦斯突出发生的内在机理非常复杂、难以建立合适的多因素非线性预测模型的问题,提出了基于突变级数法的煤与瓦斯突出危险性预测方法。该方法选用典型突出矿井的煤与瓦斯突出实例作为学习样本,确定了不同冲击
结合煤与瓦斯突出预测的现状,提出了一种基于ASP技术的煤与瓦斯突出危险性预测系统。该系统把KBD 7瓦斯预报仪器和ASP技术结合起来运用到突出预测中,把计算机系统和网络平台结合起来,创建了煤与瓦斯突出
利用发生过煤与瓦斯突出的工作面的瓦斯涌出量数据进行分形分析研究,研究表明,在没有煤与瓦斯突出的情况下,瓦斯涌出量时间序列具有二维分形分布特征,而且分维值相对较大;在发生煤与瓦斯突出的前一天,分段分维值