暂无评论
正确预测回采工作面瓦斯涌出量,对于煤炭企业安全生产具有重要意义。通过引入数据挖掘中的随机森林算法,构建了回采工作面瓦斯涌出量预测模型,研究表明该模型具有较好的预测效果。
针对回采工作面瓦斯涌出量问题的小样本、非线性、影响因素关系复杂等特点,采用遗传-最小二乘支持向量回归算法对瓦斯涌出量进行预测,利用定量方法进行分析,避免了定性分析的局限性,有效提高了预测的精度。该模型
为了提高瓦斯涌出量预测精度,针对瓦斯涌出量影响因素的多重相关性、复杂性等问题,结合主成分分析法和分源预测理论,对开采层、邻近层、采空区的瓦斯涌出量数据分别进行主成分分析降维,得到预测指标。针对极限学习
根据相关分析法的原理与方法,利用SPSS软件分析工作面瓦斯涌出量与各个影响因素的相关性,建立工作面瓦斯涌出量关于各因素之间的线性回归方程。通过计算各实测点与回归方程的剩余标准差来验证预测精度,从而实现
为解决瓦斯涌出量预测过程中存在的预测指标过多而导致预测精度降低的问题,构建因子分析与BP神经网络相结合的瓦斯涌出量预测模型。采用SPSS因子分析法对瓦斯涌出量影响因素进行了分析降维,并对BP神经网络模
采用分源预测法对鼎盛煤业2#和3#近距离煤层开采时的矿井瓦斯涌出量进行预测。在煤层瓦斯地质赋存条件相似的情况下,2#和3#煤层瓦斯涌出量预测结果相差较大。邻近层瓦斯排放率是影响近距离煤层瓦斯涌出量预测
为了实时动态分析煤体的瓦斯解吸特性,基于瓦斯解吸速度幂关系式提出了一个表征煤体瓦斯解吸特性的新参数n,在现有矿井安全监测监控系统的基础上构建煤体瓦斯涌出监测系统,可实时计算n值,分析工作面前方煤体的解
提出一种基于改进的粒子群参数优化的支持向量回归机算法(IPSO-SVR),该方法引入混沌映射及网格分区寻参思想,能避免粒子群算法(PSO)陷入局部最优解。使用IPSO-SVR算法建立瓦斯涌出量预测模型
针对瓦斯涌出量的多影响因素预测问题,提出将扩展卡尔曼滤波算法与Elman神经网络有机结合并应用于瓦斯涌出非线性系统的动态辨识.带有整定因子的EKF滤波器通过实时对网络的权值、阈值进行全局寻优,建立基于
在充分收集矿井瓦斯地质资料基础上,结合矿井实际开采情况进行研究。对矿区埋藏-生气史进行分析,利用构造逐级控制理论,明确了瓦斯赋存规律,并结合浅部已采区涌出量规律,采用分源预测法对深部水平瓦斯涌出量特征
暂无评论