暂无评论
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。
研究了BP神经网络的原理和方法,收集了全国100多对矿井的实测初始释放瓦斯膨胀能资料,获得20组可靠数据,选取煤的破坏类型、煤层的相对瓦斯压力、煤的坚固性系数、瓦斯放散初速度4个单项指标为BP神经网络
借助于成熟的模糊理论与技术可以较客观地实现突出预测中不精确信息与不精确关系的正确表达与处理,综合考虑突出影响因素,提出了煤与瓦斯突出区域预测的模糊模式识别新方法.首先采用模糊聚类分析对煤与瓦斯突出的样
基于BP神经网络的预测,代码已经调是成功,可直接运行
基于神经网络的股票预测,希望对大家有所帮助,第一次传东西,谢谢
基于神经网络的股市预测的学术论文、神经网络、预测,可行下载看看
理论分析了掘进工作面瓦斯涌出主要受到瓦斯含量、煤体物理力学性质的影响,并通过实验室煤样解吸试验,研究了同一煤质、不同瓦斯压力、不同粒径、不同煤体力学性质的煤样在瓦斯解吸过程中存在的显著差异,指出瓦斯解
以评估煤与瓦斯突出的危险程度为目的,以突出宏观显现对煤与瓦斯突出危险数据库进行分类,以三维立体图展现突出危险与瓦斯压力、放散初速度、坚固性系数和破坏类型。建立了突出危险灰色关联度模型,结果表明:煤体破
影响煤与瓦斯突出的因素众多,分析现有的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,在此基础上,利用灰色理论创立煤与瓦斯突出综合评价的加权灰色关联分析方法。以某煤矿为例,利用该方法分析了煤与
为了考察水分对煤样的坚固性系数f和瓦斯放散初速度△p的影响,在实验中对多组煤样进行不同时间的浸水,使各组煤样的水分含量不同,再测定各组煤样的f值和△p;实验研究发现随着煤样浸水时间的延长煤样水分含量增
暂无评论