为了实现煤巷掘进工作面瓦斯涌出的动态预测,基于渗流力学方法,采用瓦斯的连续性方程、运动方程、状态方程和瓦斯含量方程,建立了煤壁瓦斯渗流模型,并对渗流速度进行积分,推导得到掘进工作面的瓦斯涌出量预测公式
预测采煤工作面的瓦斯涌出量属于机器学习中的回归问题,主流方法包括CART和支持向量机等。CART决策树回归算法具有抽取规则简单、准确度高、可解释性强的优势,但是算法稳定性差,容易过拟合,同时每个叶节点
针对影响瓦斯涌出量的因素复杂多样化以及各因素之间的非线性问题,采用径向基核函数把支持向量机算法中的低维空间向量集映射到高维空间,进而建立基于实验数据的煤矿瓦斯涌出量预测模型。样本数据分为训练样本、测试
提出了一种基于最小二乘支持向量机(LS-SVM)的回采工作面瓦斯涌出量预测新方法.一方面,该方法基于结构风险最小化,能较好地解决小样本学习问题,避免了人工神经网络等智能方法在对回采工作面瓦斯涌出量进行
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。
为对回采工作面绝对瓦斯涌出量进行有效预测,提出非线性降维的改进Elmand动态预测模型.模型采用非线性映射在特征空间内对数据进行有效降维,以此确定神经网络输入数目,并利用自适应蚁群微分进化算法对改进的
针对传统GM(1,1)模型以第1个点为初始条件预测瓦斯涌出量时产生的偏差,采用第m个点代替第1个点对模型进行了优化,提出了对一次累加数据与预测数据用最小二乘法确定预测公式的选取。实例检验结果表明,优化
针对传统接触不连续式打钻预测煤与瓦斯突出危险性的问题,提出了基于瓦斯涌出特征的非接触连接式突出预警技术。该技术借助煤矿瓦斯监控系统和局域网,建立基于瓦斯涌出特征的突出预警系统,实现了矿井掘进工作面突出
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
为对井下瓦斯涌出量进行预测,采用主成分分析与改进极限学习机相结合的方法,在样本数据的筛选上吸取主成分分析数据降维的优点;充分利用极限学习机训练速度快、能够获得全局最优解且具有良好的泛华性能的特点,将遗