暂无评论
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
在研究大量国内外矿井瓦斯涌出量预测方法的基础上,通过比较,分析灰色理论在矿井瓦斯涌出量预测方法中的优势,根据某矿102回采工作面的相关瓦斯涌出数据,以灰色预测理论为基础,通过对影响回采工作面瓦斯涌出量
对高孔隙高瓦斯特殊顶板下介休安益煤业煤矿9#煤层回采工作面瓦斯涌出分别进行了分源预测和实测,并对结果进行了分析比较。结果表明现行的《矿井瓦斯涌出量预测方法》中分源预测法不完全适应高孔隙高瓦斯石灰岩特殊
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
针对矿井瓦斯涌出量监测数据波动性大、规律性差和建模难的问题,提出了先用经验模态分解技术将原始监测数据分解成若干个频率不等且有一定规律性的特征信息序列,再分别对每个特征信息序列建模,最后将所建模型线性组
针对高产高效工作面瓦斯涌出的特点,研究发现作为实验矿井的石泉煤矿高产高效工作面推进速度与瓦斯涌出量之间的规律,基于该规律我们提出动态分源预测法数学模型。运用传统分源预测法和动态分源预测法在石泉煤矿的邻
矿井产能提升后,矿井瓦斯涌出量必然增加,为了避免瓦斯灾害的发生,为防治瓦斯,必须了解产能提升后矿井的最大瓦斯涌出量。根据实测的霍尔辛赫煤矿3~#煤层瓦斯含量,对矿井地勘瓦斯含量进行修正,拟合出该矿3~
针对瓦斯涌出量的多影响因素预测问题,提出将扩展卡尔曼滤波算法与Elman神经网络有机结合并应用于瓦斯涌出非线性系统的动态辨识.带有整定因子的EKF滤波器通过实时对网络的权值、阈值进行全局寻优,建立基于
为了提高瓦斯涌出量预测的精度和预测模型的泛化能力,提出了一种基于蚁群算法(ACO)优化支持向量机(SVM)参数的瓦斯涌出量预测方法。在SVM所建立预测模型中各个参数的取值区间内,采用蚁群优化算法计算预
将基于小波神经网络的多传感器数据融合算法应用到煤矿瓦斯涌出量的预测系统中。实验结果表明:该预测系统可以及时、有效地预测瓦斯涌出量。
暂无评论