暂无评论
在充分收集矿井瓦斯地质资料基础上,结合矿井实际开采情况进行研究。对矿区埋藏-生气史进行分析,利用构造逐级控制理论,明确了瓦斯赋存规律,并结合浅部已采区涌出量规律,采用分源预测法对深部水平瓦斯涌出量特征
为了对煤矿瓦斯监测数据进行有效分析,以实现准确、可靠的回采工作面绝对瓦斯涌出量预测,提出了蚁群聚类算法优化Elman神经网络的绝对瓦斯涌出量动态预测方法。算法通过对Elman神经网络的权值、阈值寻优,
在煤矿生产过程中存在着瓦斯涌出现象,严重威胁着煤矿的安全生产。瓦斯涌出检查在矿井设计、建设和开采作业过程中显得尤为重要。文章采用神经网络有效地对矿井瓦斯气量进行检测分析,利用分析结果进行准确预测。文中
福达煤矿为整合矿井,通过分源预测法对煤矿的瓦斯涌出量进行预测,为瓦斯治理提供了依据,通过预测确定了瓦斯抽放的方式,在一定程度上解决了瓦斯上隅角超限和采空区瓦斯高浓度积聚,采用工作面钻场布置高位钻孔抽采
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
提出一种基于改进的粒子群参数优化的支持向量回归机算法(IPSO-SVR),该方法引入混沌映射及网格分区寻参思想,能避免粒子群算法(PSO)陷入局部最优解。使用IPSO-SVR算法建立瓦斯涌出量预测模型
矿井回采面瓦斯涌出量预测是防止矿井瓦斯超限的前瞻性基础工作。针对煤矿现场实时瓦斯涌出量监测值,研究了基于Monet Carlo方法的瓦斯涌出量预测方法,并建立了计算机预测模型,通过模型找出数据中蕴含的
为了准确预测瓦斯涌出量,提出了一种基于模糊聚类和支持向量机(SVM)的瓦斯涌出量预测方法。将瓦斯涌出量相关影响因素作为特征空间中的样本,采用模糊C均值聚类对特征空间中的样本进行聚类分析,对于所得到的不
为分析矿井瓦斯涌出的非线性关系、指标间复杂联系和准确预测瓦斯涌出量,基于主成分分析和灰色关联理论在克服指标的共线性、相关性对瓦斯涌出量影响,兼顾二者关联性之上,确定主要指标,建立瓦斯涌出量预测的距离模
针对煤矿瓦斯涌出量影响因素多、非线性、复杂性等特点,提出了学习向量量化神经网络(LVQ)与GA-BP神经网络相结合的方法。通过LVQ对诸多影响因素进行分类并选出主要影响因素,再用遗传算法(GA)优化B
暂无评论