基于因子分析法的瓦斯涌出量预测指标选取

为研究焦作矿区工作面底板突水的主要影响因素和防治措施，选取了地质构造λ1、煤层厚度λ2、煤层倾角λ3、工作面宽度λ4、开采深度λ5、含水层水头压力λ6、隔水层平均强度λ7、隔水层平均厚度λ8作为研究变

对我国13个矿区动力煤的水分、灰分、挥发分、硫分、发热量、灰熔融性温度、哈氏可磨性指数进行因子分析评价,判别出节能性、减排性、适用性较好和较差的动力煤矿区;以炼焦煤和电煤的配煤为例,根据因子得分系数选

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

结合灰色系统理论和马尔可夫链理论，提出了灰色马尔可夫预测模型来预测矿井瓦斯涌出量。 GM（1，1）模型首先建立用于灰色数据的模型。 为了消除误差，提高模型的预测精度，在GM（1，1）模型的基础上进行了

瓦斯涌出量影响因素的通径分析，曹明 ，王长伟，影响矿井瓦斯的涌出量的影响因素很多，然而每个因素的作用并非一致，运用逐步回归剔除作用不大的因素，选择几个有显著影响的控制

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,

为解决当前瓦斯涌出量预测过程中存在的因影响因素过多、预测指标与瓦斯涌出量之间非线性关系及其自身时变性等特点而导致预测精度降低的问题,采用SPSS因子分析法对瓦斯涌出量影响因素进行分析降维,将得到的预测

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

回采工作面瓦斯涌出量受多种因素共同影响,很难用线性方法进行准确预测。广义回归神经网络(GRNN)是一种前馈神经网络,具有鲁棒性好和高容错率的优点,并且调节参数只有1个,因此,基于GRNN构建预测模型,

针对现有煤矿回采工作面瓦斯涌出量预测方法存在的预测时间较长,预测精度不高的问题,提出了用IGSA优化ELM神经网络的瓦斯涌出量预测模型。将优选策略和粒子的记忆、信息交换功能引入万有引力搜索方法,利用I