基于BP神经网络分源预测综采面瓦斯涌出量研究

为了提高综采工作面瓦斯涌出量的预测精度,根据综采工作面瓦斯来源的分析,在瓦斯分源预测方法的基础上,融合神经网络预测技术,建立BP神经网络分源预测模型.结合某矿1242(1)工作面地质条件和开采技术条件,利用BP神经网络分源预测模型对工作面瓦斯涌出量进行了预测,结果表明,BP神经网络分源预测模型预测精度能满足现场需求,与...     

PCA-BP在回采工作面瓦斯涌出量预测中的应用

为对回采工作面瓦斯涌出量进行准确预测,运用主成分回归分析以及BP神经网络原理和方法,结合现场实测数据,采用多元统计分析软件SPSS处理相关数据,研究影响回采工作面瓦斯涌出量各因素间的相关关系并提取主成分,以确定BP神经网络中的输入参数,建立BP神经网络进行预测.利用PCA-BP神经网络方法建立瓦斯涌出量预测模型.研究结果表明:采用PCA-BP神经网络方法的预测值与实际值最大相对误差为2.820%,最小相对误差为2.036%,平均相对误差为2.357%,较其他预测模型有更高精度.对降低事故发生率和矿井延深水平的回采工作面瓦斯涌出量预测具有较好的指导作用.     

PCA-BP神经网络在回采工作面瓦斯涌出量预测中的应用

为对回采工作面瓦斯涌出量进行准确的预测,运用主成分回归分析以及BP神经网络原理和方法,结合现场实测数据,采用多元统计分析软件SPSS(Statistical Product and Service Solutions)处理相关数据,研究了影响回采工作面瓦斯涌出量影响因素间的相关关系并提取主成分,以确定BP神经网络中的输入参数,从而建立BP神经网络进行预测.并利用PCA-BP神经网络的方法建立了瓦斯涌出量预测模型.研究结果表明:采用PCA-BP神经网络方法的预测值与实际值最大相对误差为2.820%,最小相对误差为2.036%,平均相对误差为2.357%,较其他预测模型有更高精度.对降低事故发生率和矿井延深水平的回采工作面瓦斯涌出量预测具有较好的指导作用.     

基于因子分析法的瓦斯涌出量预测指标选取

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神经网络模型进行训练及预测。结果表明:因子分析能使BP神经网络的输入变量从10个降为3个有实际含义的因子,经因子分析后预测模型的预测速度及精度均高于未处理的样本数据,预测性能明显改善,其平均误差为3.8%,最大误差为4.9%,表明所采取瓦斯涌出量预测指标的选取方法是可行和有效的。     

矿井瓦斯涌出量的径向基函数网络预测模型

为进一步研究瓦斯涌出量与影响因素之间的映射关系,建立了径向基函数网络预测模型,并基于瓦斯涌出量与影响因素关系的实际收集数据,对其本构关系进行了函数逼近,通过网络所建立的映射关系对矿井瓦斯涌出量进行了预测。实例分析表明,利用RBF网络预测矿井瓦斯涌出量,拟舍精度较高,与BP网络相比较,具有较高的预测效率和精度。     

巷道掘进中通风—瓦斯—供电联控技术研究

针对霍州煤电有限责任公司店坪煤矿掘进巷道过程中瓦斯涌出的不均衡性,提出了通风—瓦斯—供电联控技术,即掘进工作面通风量根据瓦斯浓度的变化而变化,实现对掘进工作面瓦斯涌出的不间断控制,最终保证掘进工作面的安全生产。     

径向基神经网络的瓦斯水合物相平衡预测

瓦斯水合物生成是复杂的结晶过程,获取不同组分和浓度的瓦斯水合物相平衡等热力学参数对水合物技术的应用具有非常重要的意义.针对瓦斯水合物相平衡条件,确定了RBF神经网络的输入、输出向量,建立了RBF神经网络瓦斯水合物相平衡预测模型,并用实验数据进行了验证.结果表明,该模型对瓦斯水合物相平衡的预测具有计算精度高、速度快等优点.RBF神经网络研究为瓦斯水合物相平衡预测提供了一种新途径.     

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。     

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.     

基于TLBO-LOIRE的回采工作面瓦斯涌出量预测

瓦斯涌出量是瓦斯防治与管理、矿井通风系统设计的重要基础数据,准确地预测瓦斯涌出量对于煤矿安全生产有着极其重要的指导意义与应用价值.但工作面瓦斯涌出规律复杂,在检测、数据采集过程中不可避免地会混入异常噪声,直接影响着瓦斯预测的准确性.本文采用l1正则化异常值隔离与回归方法(LOIRE)对煤矿回采工作面瓦斯涌出量及其相关影响因素的统计样本数据库进行计算分析,隔离样本的异常噪声干扰,利用教与学算法(TLBO)优化回归参数,建立了回采工作面瓦斯涌出量的优化预测模型,并对煤矿现场数据进行分析预测,结果表明3个回采工作面的瓦斯涌出量预测误差分别为3.04%、0.33%和2.36%,平均相对误差仅为2.36%.TLBO-LOIRE优化预测方法,预测准确性高,能够满足井下瓦斯防治的工程需要,对其它工程领域的数据预测同样适用.     

考虑开挖过程的瓦斯隧道施工通风影响机制——以鸡鸣隧道为例

为研究瓦斯隧道开挖过程中通风设备布置对通风效果的影响机制,以城开高速鸡鸣隧道为研究对象,考虑风筒直径、出风口与掌子面距离、风筒高度三个因素,基于数值模拟方法,进行三因素三水平正交试验;以瓦斯平均浓度数据为基础,研究了瓦斯浓度在施工通风影响下的分布特点,通过极差分析和方差分析研究了9种布置方案下三个因素对三种施工情况下通风效果的影响。研究结果表明：上掌子面顶角、底角及下掌子面底角处,瓦斯分布较为集中,实际施工过程中应加强对该区域的监测;回风侧瓦斯浓度高于进风侧。不同的施工情况下,三个因素对通风效果的影响程度存在差异;即在整体掌子面或仅有上掌子面施工的情况下,三个因素对通风效果的影响程度从大到小依次为：风筒高度、风筒直径、出风口与掌子面距离;仅有下掌子面施工时则依次为：风筒直径、风筒高度、出风口与掌子面距离。在本文研究结论的基础上,提出针对台阶开挖过程中可能出现的不同工况下的以提高通风效率为目的的通风设备布置建议。     

神经网络与遗传算法结合的球团竖炉燃烧优化

对神经网络与遗传算法结合的球团竖炉燃烧优化方法进行了研究.首先构建了以矿料成分及含水率、相关操作参数以及燃烧室和炉膛温度等16个参数作为输入量,球团竖炉煤气吨耗和NOx污染物排放浓度作为输出量的人工神经网络模型.采用700组现场运行数据作为样本对神经网络进行训练,训练后的模型具有良好的泛化能力和预测精度,煤气吨耗预测误差低于3％且NOx排放浓度的相对误差在5％以内.此外,结合所建模型,采用实数编码的遗传算法,对球团竖炉燃烧进行优化计算,在寻优过程中对煤气吨耗及NOx排放这2个优化分量采用线性加权和的方法转化为单一数值的目标函数.通过选择不同的权重比例得出不同侧重条件下的优化目标函数,并给出该优化函数下寻优所得的操作参量优化控制方案.由所选优化方案数值解可以看出在煤气吨耗上升1.7％的情况下,NOx的排放浓度下降了20.37％.     

独头巷道内瓦斯运移规律数值模拟

独头巷道内瓦斯异常出是引起煤矿井下瓦斯爆炸事故的主要原因之一.采用计算流体力学软件对独头端异常涌出后瓦斯在巷道中时空分布规律进行数值模拟研究.独头端的涌出速度采用幂函数的变化规律进行模拟.模拟过程监测了不同时刻巷道中心线瓦斯浓度分布情况以及巷道不同断面瓦斯浓度分布等值线图.模拟结果表明,巷道上部分瓦斯浓度比下部分瓦斯浓度大,瓦斯浓度沿巷道分为3个部分:先降低,后升高,然后又降低.涌出后一段时间瓦斯浓度降低部分非常短,整个瓦斯浓度是升高部分,且沿巷道长度方向基本呈直线升高.该研究对矿井瓦斯爆炸事故调查、通风风量调节、灾害预警以及应急救援具有一定的意义.     

焦炉集气管压力自适应预测解耦控制系统设计

针对焦炉集气管压力系统具有强耦合、强干扰、典型非线性、时滞等特点,在系统控制过程中将压力分段考虑,用基于RBF神经网络辨识的单神经元控制器和PID控制相结合的方法,保证集气管压力稳定在工艺要求的范围内;在总管控制级用RBF神经网络预测模型对鼓风机机前吸力的实际输出进行超前预测以克服鼓风机控制系统的时滞.仿真示例和应用结果都表明该方案具有理想的控制效果.     

瓦斯浓度预测的混沌时序RBF神经网络模型

为对煤矿瓦斯质量浓度进行精确预测,针对瓦斯质量浓度的非线性特点,在验证其时间序列具有混沌特性的基础上,建立了基于混沌理论和径向基神经网络的预测模型。将实测瓦斯质量浓度时间序列进行相空间重构得到训练样本,并利用MATLAB仿真软件进行编程预测分析。结果表明,相对误差为0~3%,均方差为0.005 6,预测效果良好。实例验证该预测模型切实可行。     

基于神经网络的槽式孔板湿气计量修正模型

以空气水为介质对槽式孔板进行了湿气计量特性试验研究,提出了一种新的基于神经网络的槽式孔板湿气计量修正模型.模型以Lockhart-Martinelli参数X、气体弗劳德准数Fr_g、密度比R_d、孔径比β四个无量纲参数作为模型的输入,"虚高"OR作为输出.结果表明,在表压为0.25～0.35MPa,X为0.02～0.6,Fr_g为0.5～2.7,β为0.5～0.75的测试范围内,模型能够很好地预测实际"虚高",用新修正模型对由于液相存在而引入的气相流量误差进行修正后,气相流量相对误差在95%的置信度下小于±4%,明显优于其他槽式孔板湿气计量修正模型,可以满足生产计量的精度要求.     

基于改进的RBF神经网络的配电网故障诊断模型

结合梯度下降算法和进化算法对RBF神经网络进行改进,建立了基于改进的RBF神经网络的配电网故障诊断模型.配电网故障诊断实例表明,基于改进的RBF神经网络的配网故障诊断模型具有较高的诊断精度.     

Wiener型系统基于神经网络的在线训练算法广义预测控制

利用RBF神经网络在训练算法和广义预测控制算法进行了Wiener型非线性模型预测控制的研究，仿真表明这种做法是可行的。     

基于RBF神经网络的射频功放器件大信号建模方法研究

基于多层前向神经网络对任意非线性连续函数有较好的逼近效果，对BP(反向传播算法)神经网络和RBF(径向基函数)神经网络作了理论上的分析比较。并采用实际数据进行训练。说明了RBF神经网络在逼近精度和速度上都要优于BP神经网络。最后，以RBF神经网络作为函数逼近器对射频功率器件建立了大信号特征模型，并进行了模型检验，证明了基于RBF网络的建模方法具有较高的精度。