安阳矿区煤与瓦斯突出预测模型的建立与应用
用户评论
推荐下载
-
基于SVM的煤与瓦斯突出预测模型及应用
为有效预测矿井内煤与瓦斯突出的危险程度,对其影响因素做了分析与探讨,分别构建了基于粒子群优化算法以及遗传算法支持向量机的煤与瓦斯突出预测模型,并且通过实例对两种模型预测的准确性进行了验证。分别利用单项
38 2020-05-26 -
论文研究煤与瓦斯突出的粗神经网络预测模型研究.pdf
将粗集方法作为BP神经网络的前端处理器,通过对煤与瓦斯系统属性特征的提取和影响因素的约简,较好解决了预测输入特征的“维数灾”问题,构建了粗集与神经网络相结合的煤与瓦斯突出预测模型。仿真实验表明,验证了
25 2020-07-16 -
煤与瓦斯突出强度的IGALSSVM预测模型
针对煤矿开采中煤与瓦斯突出强度的预测问题,利用免疫遗传算法和最小二乘支持向量机相结合的方法,选取最大主应力、瓦斯压力、瓦斯含量、顶板岩性、距断裂距离、煤层厚度、开采垂直深度、绝对瓦斯涌出量、相对瓦斯涌
29 2020-07-16 -
改进的煤与瓦斯突出灰靶预测模型
煤与瓦斯突出是威胁煤矿安全生产的重要灾害之一.矿井的突出危险性预测评估工作,对规范矿井生产、保证生产安全有着重要的意义.基于灰色系统理论,选取国内41组矿井现场实测的预测突出危险性单项指标,包括相对瓦
19 2020-07-16 -
基于灰色关联遗传神经网络的煤与瓦斯突出预测模型
在综合分析影响煤与瓦斯突出的各种评价指标的基础上,基于人工神经网络极强的非线性逼真能力,建立了煤与瓦斯突出强度预测的遗传神经网络模型。模型采用灰色关联理论完成了评价指标的优化,并利用遗传算法对BP网络
16 2020-07-16 -
瓦斯含量法预测煤与瓦斯突出的应用与实践
瓦斯含量法预测煤与瓦斯突出的应用与实践,王刚,张睿,为准确预测煤层的煤与瓦斯突出危险性,在对瓦斯含量预测煤与瓦斯突出理论分析的基础上,系统介绍了瓦斯含量直接测定工艺,并对743
33 2020-07-16 -
深井煤与瓦斯突出预测技术应用分析
文章研究分析了平顶山矿区深井突出煤层采掘工作面煤与瓦斯突出预测技术体系的发展应用现状,根据《防突规定》的相关要求,结合当前国内外煤与瓦斯突出危险性预测技术的发展,提出了现场实测方法优化改进技术思路,期
16 2020-07-16 -
改进的瓦斯突出预测模型
针对瓦斯突出时间序列的非平稳特性,提出了一种基于经验模态分解和极限学习机的瓦斯突出预测模型。以某矿井工作面实际采集的瓦斯浓度为例,仿真结果表明EMD-ELM模型在训练速度和预测精度上优于ELM和最小二
12 2020-07-16 -
瓦斯含量法预测煤与瓦斯突出的研究与应用
针对目前我国煤与瓦斯突出预测方法存在的预测深度浅、效率低等局限性,结合我国突出煤层特定的赋存条件及其物理力学性质,研发了基于瓦斯含量预测煤与瓦斯突出的一整套新技术与装备,主要包括煤层瓦斯含量直接快速测
25 2020-07-16 -
煤与瓦斯突出预测敏感指标
为系统反映评价指标自身属性并和煤与瓦斯突出实际相结合,提高预测和判别的准确性与严谨性,分别建立基于"三率"(突出预测率、突出预测准确率、不突出预测准确率)的"效益、成本型
24 2020-07-16 -
基于BP神经网络煤与瓦斯突出强度预测模型
在分析湖南土朱矿5煤层煤与瓦斯突出资料的基础上,确定煤层瓦斯含量,瓦斯压力,煤的坚固性系数及瓦斯放散初速度为影响煤与瓦斯突出的主要因素,利用MATLAB软件,基于BP神经网络,建立了适合土朱矿的煤与瓦
29 2020-07-17 -
煤与瓦斯突出区域预测方法及应用
准确选取瓦斯突出区域预测指标是保证矿井高精度突出区域预测的关键。文章分析了影响煤与瓦斯突出的各种因素,把指标预测法和瓦斯地质方法结合起来,提出了以构造软煤和瓦斯含量作为瓦斯突出区域预测的两项指标,为矿
17 2020-07-17 -
煤与瓦斯突出预测敏感指标确定及应用
为了防止突出煤层在煤巷掘进中发生突出,减少防突措施工程量,基于模糊数学与多元统计分析理论,建立突出预测指标敏感度函数数学模型,将预测指标敏感度定量化,通过定量与定性对比分析确定突出预测敏感指标。在某煤
29 2020-07-18 -
煤与瓦斯突出控制因素加权灰色关联模型的建立与应用
通过分析煤与瓦斯突出的主要影响因素,运用突出贡献率确定权重系数,利用灰色理论建立煤与瓦斯突出综合评价加权灰色关联模型.以谭家山矿煤为实例,在统计分析历年来该矿煤与瓦斯突出情况的基础上,对各影响因素进行
28 2020-07-18 -
煤与瓦斯突出指标预测模型及其试验软件设计
基于动态RBF神经网络理论,提出了煤与瓦斯突出指标的预测模型,设计了模型的在线学习算法,研发了预测模型的试验软件并在祁南煤矿714工作面进行试验。结果表明,该模型能做出可靠的指标预测,提前预警超临界值
2 2021-01-16
暂无评论