矿井瓦斯涌出量是一个受多因素影响的参数,传统的预测方法无法反映各影响因素的动态变化趋势以及它们之间的联系。为此,提出了矿井瓦斯涌出预测的动态趋势预测法,利用该方法对屯兰煤矿采掘工作面瓦斯涌出量大小进行
以综采放顶煤工作面瓦斯涌出量测定结果为基础,通过现场监测及理论分析,研究了综采放顶煤工作面瓦斯涌出规律,并分析了生产工序、生产班次、配风量、日产量对工作面瓦斯涌出量的影响。
利用灰色GM(2,1)模型理论建立了数学模型,对国投新集刘庄煤矿171302工作面进行了瓦斯涌出量预测。结果表明预测值与实际值之间的最大相对误差为8%,最小相对误差为0.09%,平均相对误差为4.64
为了提高综采工作面瓦斯涌出量的预测精度,根据综采工作面瓦斯来源的分析,在瓦斯分源预测方法的基础上,融合神经网络预测技术,建立BP神经网络分源预测模型。结合某矿1242(1)工作面地质条件和开采技术条件
根据义马中部井田瓦斯地质规律,选取埋深、开采强度、开采顺序和煤层厚度作为自变量,瓦斯涌出量为目标量,构建自变量矩阵和参考序列,进行瓦斯涌出量影响因素灰色关联度分析;由于各瓦斯地质影响因素与瓦斯涌出量的
针对新安煤矿采煤工作面瓦斯涌出量系统时变非线性特点,建立改进果蝇算法(MFOA)支持向量机(SVM)预测模型。利用FOA具有运算简单、收敛速度快、寻优精度高等优势来优化SVM核函数参数g、惩罚因子c和
以矿井回采工作面瓦斯涌出量预测为目的,基于单项预测模型选择偶然性及信息源局限性,首次全面系统地利用方差-协方差法、最优加权法及递归方差倒数法3种计算组合权重系数的组合预测模型方法进行单项和不同组合模型
为准确、快速地预测回采工作面瓦斯涌出量,提出一种基于主成分分析法(PCA)和改进的果蝇算法(MFOA)优化支持向量机(SVM)的回采工作面绝对瓦斯涌出量预测模型。模型首先运用PCA方法对原始数据进行降
瓦斯涌出量的准确预测直接关系到煤矿企业的宏观决策及系统布局。为了提高回采工作面瓦斯涌出量的预测精度,提出了采用灰色预测法对瓦斯涌出量动态预测进行研究,以车集矿2316回采工作面为例,通过重组瓦斯监测数
煤矿设计和开采受瓦斯涌出量的影响。由于地质条件不同,瓦斯涌出量也各有不同,传统方法预测瓦斯涌出量精确性很低。文章首先对灰色神经网络预测的现状做出介绍,然后分别介绍了灰色系统和神经网络的模型,最后结合灰