基于神经网络与遗传算法耦合的 煤与瓦斯突出区域预测研究

煤与瓦斯突出是煤矿地下开采过程中的一种动力现象,剧烈的动力效应可导致矿井重大的财产损失和人员伤亡,因此,实现煤与瓦斯突出的有效预测对煤炭工业安全生产具有重要意义。文章以煤与瓦斯突出的自然条件及地质构造特征为基础,针对神经网络易陷入局部极小而引起预测指标权值分布不合理的缺陷,提出了基于神经网络和遗传算法耦合的煤与瓦斯突出区域预测模型,并进行了实例验证。研究结果证明了该模型的合理性,对煤矿实现煤与瓦斯突出区域的预测具有较大的指导价值。     

煤与瓦斯突出的神经网络预测分析

煤与瓦斯突出是一个复杂的过程 ,做好预测预报工作显得尤为重要。本文通过建立煤与瓦斯突出的人工神经网络预测模型、原始样本的学习 ,可预测待报样本的突出情况 ,并进行了实例分析。经过检验 ,该预测模型的预测精度较高。图 1 ,表 2 ,参 3。     

基于HMM的煤与瓦斯运动状态预测

介绍了隐马尔科夫模型(HMM),并将该理论引入到煤与瓦斯运动状态预测的研究中,以工作面瓦斯浓度正常值C、瓦斯浓度峰值P、峰值浓度与正常值之比B、两次采掘前后峰值浓度之比P的非接触式动态指标作为观察变量输入,煤与瓦斯的运动状态作为隐含变量输出,基于HMM提出一种新的预测煤与瓦斯运动状态的方法,通过实例训练预测,预测结果与实际监测趋势一致,且能实现提前预报.     

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.     

基于电磁辐射原理的煤与瓦斯突出危险性预测

为实现煤与瓦斯突出危险性的动态、连续预测,根据煤岩强度统计损伤理论,分析煤岩电磁辐射强度与应力关系,建立不同泊松比煤岩动力灾害与电磁辐射响应模型。利用基于该模型研制的KBD7在线式电磁辐射监测仪,对沈阳煤业集团红菱煤矿1200工作面集中运输巷和1204工作面回风顺槽进行连续监测,预测两工作面的煤与瓦斯突出危险性。结果表明:电磁辐射强度与常规预测指标、煤与瓦斯突出危险性有很好的相关性;1200掘进工作面电磁辐射临界值为49 mV,煤与瓦斯无突出危险预测准确率为100%,有突出危险预测准确率在70%以上;1204工作面未预测出瓦斯突出危险情况。该方法可实现煤与瓦斯突出危险性的非接触、动态、连续、定向及区域性监测,为煤矿安全生产提供了技术支持。     

木孔煤矿煤与瓦斯突出危险性区域预测研究

按《防治煤与瓦斯突出规定》要求,突出煤层的区域突出危险性预测采用单项指标(二指标法),但由于煤与瓦斯突出机理的复杂性,木孔煤矿在实际应用过程中采用多种指标共同预测,结果互相参考印证,可以提高突出危险性预测的准确性.     

模糊数学在煤与瓦斯突出预测中的应用

本文应用模糊数学方法,结合南桐矿务局砚石台煤矿的具体情况,对该矿煤与瓦斯突出的预测进行了多级模糊综合评判。其评判结果与该矿的实际情况吻合,表明了模糊论方法学在煤与瓦斯突出预测中的应用是可行的。本文所得结果对该矿煤与瓦斯突出的预测及防治措施的研究都具有参考价值。图1,表5,参5。     

煤与瓦斯突出灾害的预测枛——基于遗传和BP算法

分析了煤与瓦斯突出的非线性动力系统特性和因素指标,利用神经网络的BP算法解决突出的主要性能指标和突出灾害等级的非线性网络连接.特别是利用遗传算法的全局优化能力, 对神经网络的连接权值、拓扑结构等进行进化操作,设计出具有较好性能参数和全局搜索能力的神经网络模型, 同时神经网络也可用于遗传算法的进化训练.遗传算法和神经网络的融合优化了煤与瓦斯突出灾害预测模型,并且该方法对其它灾害预测也有借鉴意义.     

基于系统聚类分析和判别分析的煤与瓦斯突出预测

煤与瓦斯突出是一种非常复杂的动力现象,影响因素众多,发生原因复杂。文中采用SPSS软件对典型突出矿井的煤层瓦斯压力(P)、瓦斯放散初速度(ΔP)、煤的破坏类型(D)、煤的坚固性系数(f)4个参数的实测数据进行了系统聚类分析。分析结果与17个已知样本实际发生的动力现象一致,说明了综合4个指标来预测煤与瓦斯突出的合理性。然后通过判别分析建立了煤与瓦斯突出预测函数。实践证明,该函数较准确地预测了17个已知样本和4个未知样本的煤层突出危险性,为煤与瓦斯突出预测提供了一种新方法。     

基于模式识别的煤与瓦斯突出区域预测

从潘一矿13 1煤层煤与瓦斯突出特征出发,探讨了突出机理,认为该煤层的突出是构造应力主导的倾出和压出类型的突出·针对该类型的煤与瓦斯突出,从突出的诸控制因素和预测方法的工程可行性等层面讨论了区域预测思想和具体的方法·指出煤和顶底板岩石物理力学性质的异常是构造应力主导的倾出和压出型突出危险区的基本特征和必然共性,并提出了侧重分析煤物理力学性质和瓦斯信息,对勘探资料和测井资料进行充分的数据挖掘,并结合支持向量机先进的分类算法的多因素模式识别区域预测方法,它既有理论基础,又具有工程实用性和可操作性·用这一方法对潘一矿13 1煤层煤与瓦斯突出的区域进行预测,得到的突出危险区与实际发生的突出点分布范围相...     

瓦斯浓度序列的煤与瓦斯突出预报方法及应用

对监测到的瓦斯浓度序列进行深入研究的基础上,提出了利用瓦斯浓度序列预报煤与瓦斯突出的新方法,设计了突出预报软件,并以某矿实际突出前瓦斯浓度序列进行了验证。结果表明:瓦斯浓度序列在突出发生2h前表现了突出前兆信号,并且随着突出的临近,该信号越来越强。由此可见,该方法是可行的,且能弥补常规预报方法中的不足,使预报更为准确、可靠。     

深井中厚煤层突出预测敏感指标临界值研究

“突出”已成为我国煤矿安全生产的主要隐患之一,“突出”防治成为矿井安全工作的重中之重.采掘工作面突出危险性预测预报敏感指标的确定是矿井综合防突体系中重要的环节,为了有效预测及防治深部矿井工作面采掘过程中煤与瓦斯突出事故,采用理论分析、实验室分析和现场试验相结合的多种研究手段,获得了试验区13 -1煤层突出预测敏感指标及...     

煤与瓦斯突出的突变学分析

运用突变学理论对煤矿生产中严重的灾害煤与瓦斯突出的突出机理和突出条件进行了定性分析。通过建立煤与瓦斯突出的尖点突变模型,较为直观的对突出的孕育过程和突出过程作出了系统的理论分析,得出了瓦斯突出启动的突变机制和突变条件,从而为煤与瓦斯突出灾害预测与防止提供了新的理论依据。     

灰色系统理论在煤与瓦斯预测中的应用

将煤体温度变化、电磁辐射、声发射以及煤的破坏类型和煤层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,对煤与瓦斯突出灾害进行预测,以提高瓦斯突出预测预报的准确性。并编制了煤与瓦斯突出预测预报软件,为煤与瓦斯突出预测提供一种新思路和新方法。     

煤与瓦斯突出预测模糊专家系统

利用模糊数学与专家系统理论 ,建立了煤与瓦斯突出预测模糊专家系统并用于对实际矿井进行检验 ,证明结果是可信的     

金佳矿7#煤层掘进工作面突出预测理论与实践

基于煤与瓦斯突出流变—突变机理,探讨了金佳矿7#煤层掘进工作面采用放炮后落煤瓦斯涌出量动态指标预测突出危险性,确定了指标临界值,并介绍了初步试验效果。     

潘二矿突出煤层石门快速揭煤技术应用

为实现潘二矿首个A组煤快速投产,实现矿井正常接替,通过合理利用现有巷道关系,优化钻孔设计,改进钻孔施工工艺,提高钻孔施工质量。并实行抽采系统自动排水,提高钻孔抽采效果,实现石门揭煤快速消突。为快速进入A组煤的煤巷掘进提供有力保障。     

百灵煤矿煤与瓦斯突出危险性评价

对矿井进行煤与瓦斯突出危险性评价是保证突出矿井安全生产的关键。以百灵煤矿为例,通过现场测定煤层瓦斯压力,取煤样进行煤的工业分析,测定瓦斯放散初速度、煤的坚固性系数等瓦斯参数,运用单项指标法准确、合理地评价了6#、7#、8#号煤层突出危险性,从而为该矿采取相关瓦斯防治措施提供了科学的理论依据,对安全管理工作起到了指导性作用。     

多宇宙并行量子遗传神经网络人脸识别算法研究

针对传统遗传算法交叉、变异过程过于繁琐和神经网络在极值判断及收敛速度受限等问题,提出了一种并行的量子遗传算法优化神经网络权值的算法.首先引入了量子计算的概念,在量子计算的过程中使用量子旋门实现染色体的训练,然后引入量子交叉克服了早熟收敛现象,避免了遗传算法中繁琐的交叉、变异过程.最后设计实现了并行的卷积神经网络,使用并行量子遗传算法优化了卷积神经网络权值,实现了并行量子遗传神经网络人脸识别系统.实验结果表明,相对于原来的遗传算法,该算法在鲁棒性和实验速度上都有明显的提高.