基于线性回归瓦斯涌出量影响因素的分析

针对煤矿回采工作面瓦斯涌出量系统的时变性、非线性、复杂性、不确定性等特点,提出了混沌免疫粒子群算法(CIPSO)与Elman神经网络的耦合算法(CIPSO-ENN)用于非线性动态绝对瓦斯涌出量预测。算

以预测矿井瓦斯相对涌出量为研究目的,应用灰色系统理论,建立了预测矿井瓦斯涌出量的灰色系统GM(1,1)模型,并对其不断优化,再采用后验差检验对预测模型的结果进行了判断。实例表明,该模型的计算精度符合工

矿井瓦斯涌出量与煤层埋藏深度密切相关,文章以不同煤层埋藏深度及其相对瓦斯涌出量数据为原始序列,将非等间隔序列转化为等间隔序列,通过灰色处理建立微分方程预测模型,使用灰色预测模型预测了采深增加后的未开采

为了实现煤巷掘进工作面瓦斯涌出的动态预测,基于渗流力学方法,采用瓦斯的连续性方程、运动方程、状态方程和瓦斯含量方程,建立了煤壁瓦斯渗流模型,并对渗流速度进行积分,推导得到掘进工作面的瓦斯涌出量预测公式

针对影响瓦斯涌出量的因素复杂多样化以及各因素之间的非线性问题,采用径向基核函数把支持向量机算法中的低维空间向量集映射到高维空间,进而建立基于实验数据的煤矿瓦斯涌出量预测模型。样本数据分为训练样本、测试

提出了一种基于最小二乘支持向量机(LS-SVM)的回采工作面瓦斯涌出量预测新方法.一方面,该方法基于结构风险最小化,能较好地解决小样本学习问题,避免了人工神经网络等智能方法在对回采工作面瓦斯涌出量进行

好文章,通过将小波理论运用到瓦斯涌出量的预测中,预测精度大大增强,对现实有重大的指导意义。

在煤矿开采过程中,瓦斯已经成为了制约开采进程的重要因素,故分析对煤层瓦斯赋存影响的因素至关重要,运用瓦斯地质学原理对龙泉矿井地质构造进行分析,从断层、褶曲、煤层埋深等因素分析了对4~#煤层瓦斯赋存规律

杨庄煤矿在1994年以前为低瓦斯矿井,随着开采深度的增加,瓦斯涌出量呈现出增大的趋势。为了掌握控制煤层瓦斯涌出的主控因素,搞清深部瓦斯涌出规律,为今后矿井深部开采的安全性以及合理制定瓦斯治理措施提供一

瓦斯不仅是一种无污染的洁净能源,而且还对煤矿生产有很重要的影响。鉴于瓦斯影响在煤矿生产中的所占的重要地位,人们在瓦斯生成和赋存机理方面做了大量研究,对瓦斯对煤炭生产的影响也逐渐深入,由于煤炭资源的不断