暂无评论
介绍了回归分析法在预测矿井瓦斯涌出量中的应用,分别采用线性拟合和指数拟合建立了瓦斯涌出量与开采深度的近似函数关系,从而实现对未开采区瓦斯涌出量预测的目的,并针对拟合结果提出了在瓦斯涌出量预测中应注意的
应用神经网络理论知识,结合贵州某矿的实测数据,建立了基于BP神经网络的瓦斯涌出量预测模型,通过数学软件MATLAB7.0对瓦斯涌出量进行预测,预测结果与实际涌出量吻合度较高,说明了BP神经网络在瓦斯涌
运用灰色系统理论,根据矿井相对瓦斯涌出量的历史统计数据建立GM(1,1)模型和GM(1,1)新陈代谢模型,使用残差进行精度检验。对比表明,新陈代谢模型精度高于常规的GM(1,1)模型,应用GM(1,1
以预测矿井瓦斯相对涌出量为研究目的,应用灰色系统理论,建立了预测矿井瓦斯涌出量的灰色系统GM(1,1)模型,并对其不断优化,再采用后验差检验对预测模型的结果进行了判断。实例表明,该模型的计算精度符合工
矿井瓦斯涌出量与煤层埋藏深度密切相关,文章以不同煤层埋藏深度及其相对瓦斯涌出量数据为原始序列,将非等间隔序列转化为等间隔序列,通过灰色处理建立微分方程预测模型,使用灰色预测模型预测了采深增加后的未开采
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
以预测矿井瓦斯相对涌出量为研究目的,运用缓冲算子理论,建立了灰色系统模型,并将该模型应用到某矿井的瓦斯涌出量预测分析中,对该矿历年来相对瓦斯涌出量进行了灰色生成,建立了灰色预测,对照精度检验可知,达到
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
暂无评论