暂无评论
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
R/S分析法在瓦斯涌出量预测方面的应用,段荟,陈见行,瓦斯涌出量预测是矿井瓦斯治理工作中不可缺少的环节,对保证煤矿的安全生产有着重要意义。本文采用R/S分析法(重标极差分析法)以
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
通过历年来工作面瓦斯涌出量数据,分析了东欢坨矿8煤层瓦斯涌出特征,研究了不同因素对8煤层瓦斯涌出规律的影响。研究结果表明:瓦斯涌出量随工作面开采深度的增加而增大;工作面相对瓦斯涌出量和遇到的断层数密切
为了提高对缓冲区溢出漏洞的挖掘效率,提出了使用数据关联性分析辅助漏洞挖掘的方法。该方法首先对目标文件进行反编译,在反编译的基础上构建函数的抽象语法树(AST),设计算法提取关键变量的反向关联信息,之后
随着金融市场的不断波动和变化,基于股票时间序列数据的关联规则挖掘成为了一项热门研究。本文综述了在股票市场中利用关联规则挖掘技术揭示股票间关联性的研究进展。这种方法通过分析不同股票之间的关联关系,有助于
文章以典型瓦斯矿井——鹿台山矿为工程背景,以现场实测、实验室试验和理论分析为主要研究手段,对该矿煤层瓦斯的放散特性、抽采问题进行了较系统的分析研究。结果表明:鹿台山矿煤层的瓦斯放散性能较好;煤层内含有
传统瓦斯涌出量预测方法存在一定的局限性,预测精度不能满足要求。为了提高瓦斯涌出量预测精度,采用RBF神经网络对瓦斯涌出量相关数据进行建模。通过训练13组样本,对5组数据进行预测,分析了隐层神经元个数对
由于矿井瓦斯浓度的变化受多种因素共同影响,矿井瓦斯涌出量预测经常出现无法获得一部分变量的情况。针对该问题,提出了一种基于时间序列的矿井瓦斯涌出量预测方法,详细介绍了采用时间序列AR模型对矿井瓦斯涌出量
暂无评论