为解决煤矿瓦斯涌出量预测不准确的问题,提出基于多种方法优化融合的瓦斯涌出量预测方法,建立瓦斯涌出量预测模型.采用适用于瓦斯涌出量系统特点的加权策略函数对最小二乘支持向量机进行改进,利用免疫遗传算法对加
针对矿井瓦斯涌出量影响因素复杂,数据序列波动性较大,灰色GM(1,1)预测模型精度低,本身存在一定缺陷的特点,将自记忆性原理引人灰色系统理论,建立了矿井瓦斯涌出量预测的灰色自记忆预测模型。经在韩城下峪
基于灰色新陈代谢模型的煤矿瓦斯涌出量预测,十分好用。
根据永天煤业矿井瓦斯赋存情况、矿井采掘部署与接替计划,对矿井瓦斯进行了分析,并采用分源预测法对不同时期分层开采的采煤工作面、掘进工作面、采区的矿井瓦斯涌出量进行了预测。分析预测结果得出,该矿上下分层开
结合张集煤矿11418首采工作面煤层赋存条件等相关参数,分析了工作面瓦斯来源,测定并分析了煤层瓦斯含量、工作面推进速度、瓦斯抽采量、煤层厚度、煤层埋深与瓦斯涌出量之间的关系,结果表明:综采工作面瓦斯涌
针对瓦斯涌出量的局部性、随机性、模糊性等特点,提出一种新的小波支持向量核构造小波支持向量回归模型,并且运用一种新型的智能遗传算法优选模型参数。实验结果表明,所提出的小波支持向量回归模型预测瓦斯涌出量比
煤与瓦斯突出影响因素多,难以为其建立合适的多指标非线性预测模型,为提高突出预测的准确性和增强预测预报方法的实用性,文章选用瓦斯压力、瓦斯放散速度等多项影响判别因子,建立了基于贝叶斯判别分析煤与瓦斯突出
通过模糊聚类分析将影响煤与瓦斯突出的地质构造综合起来考虑,应用灰色系统理论中的多维灰色评估方法,对煤与瓦斯突出的样本集进行了分析研究,不仅可靠程度高,而且能定量描述待报样本与模式的危险程度。研究结果表
基于综合机械化采煤的规律和瓦斯运移理论,把瓦斯涌出源分为煤壁的瓦斯涌出、采落煤的瓦斯涌出、采空区的瓦斯涌出和上、下邻近层的瓦斯涌出四部分。针对当前采煤工作面瓦斯涌出量常用的预测方法中存在的缺陷问题,以
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,