暂无评论
为解决瓦斯涌出量预测过程中存在的预测指标过多而导致预测精度降低的问题,构建因子分析与BP神经网络相结合的瓦斯涌出量预测模型。采用SPSS因子分析法对瓦斯涌出量影响因素进行了分析降维,并对BP神经网络模
为准确、快速地预测回采工作面瓦斯涌出量,提出一种基于主成分分析法(PCA)和改进的果蝇算法(MFOA)优化支持向量机(SVM)的回采工作面绝对瓦斯涌出量预测模型。模型首先运用PCA方法对原始数据进行降
结合井田的瓦斯涌出量资料,综合考虑瓦斯涌出量的开采技术因素与自然因素等影响,运用分源预测法对开滦(集团)荆各庄矿分层开采的9#煤未采区瓦斯涌出量预测研究,得出了9#煤的瓦斯涌出量与煤层标高的密切关系,
对多重假设检验问题中估计问题的分析,吴小霞,赵华玲,假设检验是统计推断的一个重要方面,而单个的假设检验理论已非常完善。随着自然科学的迅猛发展,海量数据的出现使得多重检验问题
数据分析方法22假设检验PPT课件.pptx
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
矿井进行瓦斯涌出量预测是煤矿安全生产十分重要的工作,鉴于主成分分析和逐步回归分析方法的优点,将两种方法相结合共同建立瓦斯涌出量回归预测模型。以峻德煤矿30号煤层为例,通过主成分分析得到了影响回采工作面
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
暂无评论