针对煤炭开采过程中瓦斯涌出作为引发瓦斯灾害的最关键原因,以山西高平科兴云泉煤业有限公司9103综采工作面为研究背景,分析研究了瓦斯涌出量的影响因素以及预测指标。采用分源预测法对9103工作面瓦斯涌出量
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
回采工作面瓦斯涌出量受多种因素共同影响,很难用线性方法进行准确预测。广义回归神经网络(GRNN)是一种前馈神经网络,具有鲁棒性好和高容错率的优点,并且调节参数只有1个,因此,基于GRNN构建预测模型,
针对现有煤矿回采工作面瓦斯涌出量预测方法存在的预测时间较长,预测精度不高的问题,提出了用IGSA优化ELM神经网络的瓦斯涌出量预测模型。将优选策略和粒子的记忆、信息交换功能引入万有引力搜索方法,利用I
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。
为了准确预测工作面的突出危险性,在整理分析工作面瓦斯地质资料的基础上,实测了大量的瓦斯基础参数,研究了15#煤层的吸附特征,提出并确定了工作面区域预测指标及临界值,研究了工作面的瓦斯赋存规律,编制了工
利用发生过煤与瓦斯突出的工作面的瓦斯涌出量数据进行分形分析研究,研究表明,在没有煤与瓦斯突出的情况下,瓦斯涌出量时间序列具有二维分形分布特征,而且分维值相对较大;在发生煤与瓦斯突出的前一天,分段分维值
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
分析了工作面区域瓦斯预警指标研究和应用现状,提出了基于监控系统的工作面瓦斯预警指标研究。在反演思路的基础上,指出了通过显性监测信息反演自然因素和开采技术因素的变化趋势的可行性。通过分析瓦斯涌出与可能影
煤层瓦斯涌出是威胁矿井安全生产的重要因素,而回采工作面以其瓦斯涌出量大、来源复杂、影响因素多和作业区域内瓦斯分布不均匀而受到特别关注。针对陈四楼矿瓦斯异常区十二采区的开采情况,通过分析该采区21207