针对目前煤与瓦斯突出强度预测精度低、稳定性差及训练速度慢等问题,提出了一种基于局部线性嵌入法-果蝇优化算法-BP神经网络(LLE-FOA-BP)模型的煤与瓦斯突出强度预测方法。借助LLE算法的非线性数
改进BP算法在煤与瓦斯突出预测中的应用主要为了正确预测煤与瓦斯突出的趋势与危险性,基于反向!"神经网络,笔者提出了一种改进的"网络模型:为了加快!"网络的收敛速度,增强其跳出局部极小点的能力,采用了自
针对基于支持向量机(SVM)的煤与瓦斯突出预测算法存在预测精度和可靠性不高,选择核函数时未考虑非线性数据的分类,对非线性分布的煤与瓦斯突出影响因素提取效果较差的问题,提出了一种将改进的粒子群(IPSO
为了准确预测煤与瓦斯突出危险,首先利用灰色关联分析的方法寻找出影响煤与瓦斯突出的关键性因素,然后利用MATLAB的SVM工具箱建立煤与瓦斯突出的预测模型,并应用此模型识别瓦斯突出的类型。该模型基于MA
煤与瓦斯突出是威胁煤矿安全生产的重要灾害之一,目前,国内煤与瓦斯突出预测主要是根据瓦斯动力现象特征和四参数法,但实践表明,对于低瓦斯压力高变质煤和高瓦斯压力低变质煤容易产生误判。煤与瓦斯突出是由多种因
随着采掘深度的加大和采掘速度的不断提高,越来越多的煤层在开采过程中发生动力现象,发生了严重的煤与瓦斯突出。但是导致煤与瓦斯突出的各因素具有模糊性,日常工作中很难清晰地判断工作面有无突出危险性。为了有效
将功效系数法应用于煤与瓦斯突出区域预测中,选取综合指标D值和K值、煤层瓦斯压力p、瓦斯放散初速度Δp、煤的坚固性系数f、地质构造T作为突出预测的评价指标,运用层次分析法和平均值法求得各评价指标的综合权
煤与瓦斯突出影响因素众多且关系十分复杂,一般基于工程类比的基础上,应用聚类的方法进行判断,而不能使用简单的方法进行判断分析。为了更好地解决这类问题,将蚁群聚类算法应用到该领域,以解决其预测问题。
采用有机溶剂萃取和煤成烃热模拟实验,对煤层受构造应力作用时的煤结构变化及构造煤的生烃特征进行研究.结果表明:构造煤的正己烷、苯萃取率与原生结构煤基本相近,而氯仿萃取率是原生结构煤的2倍多,构造煤含有很
防治煤与瓦斯突出规定
