Matlab在预测矿井瓦斯涌出量中的应用

针对煤矿回采工作面瓦斯涌出量系统的时变性、非线性、复杂性、不确定性等特点,提出了混沌免疫粒子群算法(CIPSO)与Elman神经网络的耦合算法(CIPSO-ENN)用于非线性动态绝对瓦斯涌出量预测。算

为预测回采工作面瓦斯涌出量,采用主成分分析(PCA)与遗传算法(GA)优化支持向量机(SVM)相耦合的方法,在样本数据的筛选上汲取主成分分析数据降维的优点,使选择的数据样本简洁且更具代表性;充分利用支

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

为了准确、快速地预测矿井瓦斯含量及涌出量,以淮南潘三矿为实施矿井,研究了瓦斯含量及涌出量预测的数学地质技术与方法.通过瓦斯地质规律研究,分析瓦斯含量(涌出量)的变化规律,筛选影响瓦斯含量(涌出量)变化

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

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。

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

从提高采煤工作面瓦斯涌出量预测的速度和精度入手,将遗传算法与神经网络2种非线性最优化算法的优势加以融合,提出了一种利用遗传算法同时优化BP网络的连接权和拓扑结构的网络模型,并以韩城下峪口煤矿为例,进行

介绍矿井瓦斯涌出量预测方法国内外研究现状,重点介绍了分源预测法的系统研究及应用情况。