暂无评论
为有效挖掘瓦斯涌出量监测数据隐含特征,预防瓦斯动力灾害,基于希尔伯特-黄变换(HHT)方法、布谷鸟搜索算法(CS)和极限学习机(ELM)基本理论,构建了瓦斯涌出量的HHT-CSELM动态预测模型。通过
为了更加准确有效地预测瓦斯涌出量,提出采用主成分分析结合粒子群算法、极限学习机的瓦斯涌出量预测方法。极限学习机中隐含层节点数量及激活函数的类型由粒子群算法进行组合优化。这种方法在诸如基于粒子群优化的极
针对现有的一元线性单项预测方法信息源局限性和建模形式敏感性的缺陷,通过引入诱导有序加权几何平均(IOWGA)算子构建多元非线性瓦斯涌出量组合预测模型。工程实例表明:该预测模型具有预测精度高,数据可信度
通过对阳泉、霍州、寿阳等地煤矿瓦斯涌出量预测工作的总结,探讨了影响煤矿瓦斯涌出量预测准确度的因素,并提出了对策措施。为以后应用分源法预测瓦斯涌出量提供参考。
为了提高瓦斯涌出预测的准确性,采用BP型神经网络,在MATLAB环境下构建瓦斯动态预测模型。通过该模型可以实现对工作面瓦斯涌出的动态预测,并能够综合判断工作面所处地点的安全状况以及前方的潜在危险性,为
对分源预测法中的煤层原始瓦斯含量进行了深入剖析,并提出了计算干燥无灰基煤样中的瓦斯含量的公式,同时也提出了关于分源预测法中的一些可能认识有偏差的地方,值得相关工作人员借鉴和思考。
马尔可夫预测法模板,在EXCEllent系统中用于企业管理
介绍了基于瓦斯地质图法进行矿井瓦斯涌出量预测的方法和步骤,并结合案例进行了瓦斯涌出量预测模型建立和瓦斯地质图的绘制。研究表明瓦斯地质图法进行瓦斯涌出量预测具有方法简单、易于实现计算机编程的优势。该方法
煤岩体瓦斯含量的确定是预测工作面、矿井瓦斯涌出量的基础工作。一般而言,瓦斯以吸附态和游离态存在于煤岩体中。实验证明,石灰岩体的瓦斯吸附量很小。主要分析了瓦斯在石灰岩体中的赋存状态,研究并确定了石灰岩体
基于隐马尔可夫模型HMM提出了一种新的信息工程监理质量控制方法,并建立了模型。该模型将信息工程质量监理过程视为两层随机过程,通过抽取监理过程的特征,将隐马尔可夫模型的5个要素与质量监理过程相对应。利用
暂无评论