MGM(1,N)模型用于瓦斯涌出量预测

矿井瓦斯涌出量预测是新建矿井和改扩建矿井通风设计、安全管理、制定合理的瓦斯防治措施必不可少的重要环节。加强瓦斯涌出量预测方法研究,正确预测瓦斯涌出量,对改善我国煤矿安全生产状况具有积极的意义。在瓦斯涌出量预测中,瓦斯涌出量受多因素综合影响,且各个因素间相互影响、相互关联。文中提出一种新的矿井瓦斯涌出量预测方法——MGM(1,N)模型预测法。该方法综合考虑了瓦斯涌出量的各个影响因素,预测精度较高。其结果对煤矿安全生产具有指导意义。     

采煤工作面瓦斯涌出量预测技术现状及发展趋势

煤矿瓦斯涌出量准确预测对于煤矿瓦斯抽采钻孔布置与瓦斯防治具有重要意义。详细阐述了八种瓦斯涌出量预测方法,并对其预测过程进行了较为详细的论述与分析。指出煤矿瓦斯涌出量预测存在的问题,针对存在的问题,提出了未来加强瓦斯地质规律研究,结合多因素综合分析瓦斯生成、运移以及赋存规律,对于准确预测煤矿瓦斯涌出量具有重要意义;综合煤矿瓦斯涌出量主要影响因素,采用多种数学、生物遗传学理论,为瓦斯涌出量预测提供理论支持。     

基于分形理论的瓦斯涌出规律

针对煤矿开采时存在瓦斯涌出的问题,以瓦斯涌出量时间序列中的关键点作为插值点,按照分形插值方法,基于MATLAB编程,对煤矿瓦斯涌出量时间序列数据进行了分形插值曲线拟合;得出了不同时间段内瓦斯涌出量曲线及涌出趋势曲线.研究结果表明:应用分形理论进行瓦斯涌出的时间序列分析,定性描述了瓦斯涌出的非线性行为,定量解决了瓦斯涌出量时间周期问题,为瓦斯预测研究提供了一个有效的方法,具有较好的实用价值.     

综采工作面的瓦斯涌出规律及涌出量的预测

根据综合机械采煤的特点和瓦斯流动理论,将瓦斯涌出源划分为煤壁(围岩)瓦斯涌出、落煤瓦斯涌出、采空区(残煤)瓦斯涌出及上下邻近层(未采分层)瓦斯涌出4个部分。针对现有回采工作面瓦斯涌出量预测计算方法存在的问题,以煤层瓦斯流动理论和实测数据分析为基础,系统的研究了综采工作面涌出源瓦斯的涌出规律,结合综合机械化采煤具有采、装、运连续作业的特点,分别对各瓦斯涌出源的瓦斯涌出量进行预测,进而建立了一种适应性范围广且准确率高的综采工作面瓦斯涌出量预测模型,对制定瓦斯防治方案,进而根治矿井瓦斯具有重要的实际意义。并且运用该模型对潞安集团新建的屯留矿进行了瓦斯涌出量的预测。     

矿井回采工作面瓦斯涌出量预测新途径

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的关键因素分析,建立该工作面的瓦斯涌出量GM(1,1)预测模型,通过模型的求解,给出预测结果,并对结果进行检验.结果表明,该模型预测结果与生产实际吻合度较高,对煤矿瓦斯管理具有十分重要的指导意义.     

基于灰色系统理论的煤矿瓦斯涌出量预测研究

运用灰色理论建立巷道瓦斯涌出量的灰色模型,对矿井瓦斯涌出量进行预测预报。采用残差识别方法修正GM(1,1)模型进行瓦斯涌出量预测,预测精度更高。利用灰色灾变预测理论,对某矿矿井工作面瓦斯涌出资料进行分析、研究,建立煤矿瓦斯涌出量灰色预测模型,并对矿井瓦斯涌出量变化趋势进行预测。     

基于灰色理论与BP神经网络瓦斯涌出量预测研究

瓦斯涌出是煤炭行业井下作业难以控制的一个危险因素。为研究瓦斯涌出量的变化规律,提高瓦斯涌出量预测的准确性,本文结合灰色理论与BP神经网络构建了灰色—BP神经网络系统用于矿井瓦斯涌出量的预测。以山西某矿为工程背景,以MATLAB软件为计算平台,对上述方法和模型进行了应用实践和现场验证,将灰色预测、BP神经网络和灰色—BP神经网络预测结果和原始数据进行了对比分析。研究结果表明:灰色—BP神经网络预测的数据精确度和可靠性更高,计算的结果与原始数据的规律基本一致。因此,灰色—BP神经网络系统能较准确地预测矿井瓦斯涌出量,对预测瓦斯涌出量的预测方面具有一定的指导作用。     

GIS在采掘工作面瓦斯涌出预测中的应用

采掘工作面瓦斯涌出量涉及到大量与地理坐标相关的多种信息.基于GIS( Geographic Information System)平台和C++Builder软件,结合采掘瓦斯涌出量性能化预报方法,开发了煤矿 采掘工作面瓦斯涌出预测系统.该系统使瓦斯涌出预测向多参数、多目标、多维方向发展,解决了瓦斯涌出预测数据庞大且数据大多与地理坐标相关的问题,实现了采掘工作面瓦斯涌出预测与煤矿安全管理决策的一体化、可视化,能科学指导生产矿井工作面的风量分配与瓦斯管理,提高采掘工作面瓦斯涌出预测的准确性、决策科学性和直观性.     

矿井瓦斯涌出量预测方法

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权最小二乘支持向量机进行核参数和正则化参数寻优.应用状态转移概率修正预测误差残值,使瓦斯涌出量预测模型的预测精度得到提高.研究结果表明:矿井瓦斯涌出量预测模型具有较好的快速性和准确性,具有广泛的应用前景.     

瓦斯涌出量的模糊数学与灰色系统理论的预测

矿井瓦斯涌出量的预测是典型的灰色系统,本文以灰色系统和模型数学为基础,探讨了矿井瓦斯涌出量的影响因素,分析了灰色系统理论的不足,建立了符合实际的模糊灰色模型,并把时间序列改进成为影响因素序列,对矿井瓦斯涌出量进行预测,研究结果表明,该方法能较准确地反映矿井瓦斯规律。     

大柳塔矿12612-2综采工作面采空区氮气涌出原因分析及控制技术研究

通过对大柳塔矿12612-2工作面氮气涌出、大气压变化情况的观测与分析,指出大气压变化是引起综采工作面氮气涌出导致氧气的体积分数偏低的主要原因,提出了安装专用抽排风机、增阻调压、密闭堵漏等技术措施,在一定程度上解决了氧气的体积分数低对生产构成严重威胁的问题。     

浅谈通风设施的砌筑位置在矿井瓦斯防治中的重要性

从矿井中瓦斯存在的形式、瓦斯涌出条件及瓦斯涌出措施等方面入手,通过案例分析说明了砌筑通风设施位王的合理性在防治瓦斯方面的重要性.     

城市燃气负荷的混沌特性与预测

采用混沌理论分析方法,对燃气负荷时间序列进行了相空间重构,通过计算关联维数和最大李亚普诺夫指数判定燃气负荷具有混沌的性质.在此基础上,分别采用基于混沌理论的加权一阶局域法、最大李亚普诺夫指数法和贝叶斯正则化神经网络模型对城市燃气日负荷进行了预测.实例预测结果表明,混沌时间序列分析方法可应用于燃气负荷预测研究,特别是结合了混沌理论、神经网络与贝叶斯正则化方法各自优点的神经网络模型取得了较好的预测效果.     

煤与瓦斯突出声发射的神经网络预测方法

以自适应神经网络的基本原理为基础,以声发射总事件、大事件、能率时间序列为基础数据,将神经网络模型应用于煤与瓦斯突出危险性预测.应用结果表明,煤与瓦斯突出声发射神经网络预测法具有预测方法简单、准确性高等特点,可应用于工作面煤与瓦斯突出危险性的预测.     

基于Isomap的SMO算法及在煤与瓦斯突出预测中的应用

煤与瓦斯突出发生的内在机理复杂,突出影响因素与突出事件之间的相关规律具有不确定性、模糊性,使得基于经验的传统预测方法和基于数学建模的统计预测方法的应用受到很大限制.在研究非线性降维等距特征映射和序贯最小优化算法的基础上,提出一种基于等距特征映射的煤与瓦斯突出序贯最小优化算法,该方法改进了样本向量之间的距离度量,用测地距离代替传统的欧式距离,有助于挖掘高维数据内在的几何结构.实例验证表明,该算法能可靠预测煤与瓦斯突出的危险性分类,实验进一步将Isomap和主成分分析的降维结果相比较,结果显示Isomap优于传统的线性降维技术,这说明非线性降维技术在地学数据分析中具有一定的应用潜力.     

基于缓冲算子的灰色瓦斯涌出量预测研究

基于灰色GM（1,1）预测模型的构建理论,尝试引入缓冲算子来消除瓦斯涌出量原始数据序列所受到的冲击扰动,并利用MATLAB语言编程实现瓦斯涌出量灰色GM（1,1）预测模型程序化运算,选择合理的精度检验方法对预测模型和结果进行检验判断。通过工程实例,证明了引入缓冲算子改进的GM（1,1）模型预测精度和拟合优度更高,可为煤矿企业正确决策提供一定的理论依据。     

最优组合预测模型在中国天然气需求预测中的应用

发展天然气工业是目前国家的一项重要政策,已被写入中国的"十三五"规划,因而合理地预测中国天然气的需求对国家制定能源政策非常重要.提出了一种基于最小二乘法的组合预测模型,并给出了对应模型参数的计算方法,利用GM(1,1)模型和SIGM模型以及2002—2017年的数据建立了预测模型,同时利用2002—2017年的数据对模型的准确性进行了评估,最后利用组合预测模型对2018—2022年中国天然气需求量进行预测,预测结果发现本模型优于其他单项预测模型,为天然气需求预测提供了新的思路.     

煤与瓦斯突出灾变预警与应急辅助决策

为了实现煤与瓦斯突出突变预警,以便及时采取应急措施防止事故扩大,提出了煤与瓦斯突出灾变预警与应急辅助决策技术。具体对瓦斯涌出异常特征进行了分析,给出了煤与瓦斯突出灾变的监测与识别方法;结合煤矿现有的安全监测系统,对灾变后瓦斯涌出量预测、波及范围预测、区域断电措施等技术进行了研究;并利用以上技术对大平煤矿“10·20”瓦斯爆炸事故进行了反演,该技术能在瓦斯波及之前发出将波及预警和给出相关应急措施建议。     

求取压裂气井无阻流量的BP神经网络法

与现在流行的求取压裂气井无阻流量的方法相比,BP人工神经网络方法具有极大的优越性和适用性,它勿需考虑压裂后气井的复杂渗流规律,也不需数值模拟。BP人工神经网络方法在训练时只需知道目标井的压后评估数据和区块内部分试井数据,为提高经济效益、快速、高效开发低渗气藏提供了新的技术手段。     

煤与瓦斯突出预报的模糊聚类关联分析法

首先采用模糊聚类分析对煤与瓦斯突出的样本集合进行分类，建立不同突出程度的模糊模式。然后用关联分析确定待预报样本与模式的关联程度，以此预测预报样本的煤与瓦斯突出危险程度。这种预报方法相对于模糊聚类分类后，将模式与待预报样本组成新的样本集合，再进行聚类分析，以此分类结果进行预报法。不仅可靠程度高，而且能定量描述待报样本与模式的亲和程度。