基于PCA-GA-BP的回采工作面瓦斯涌出量预测模型研究

为进一步提高回采工作面瓦斯涌出量预测的准确性,建立了主成分分析法(PCA)、遗传算法(GA)、BP神经网络相结合的预测模型。该模型采用主成分分析法降维处理原始输入数据;将主成分分析结果作为BP神经网络的输入,消除冗余信息;然后采用遗传算法优化BP神经网络的初始权值和阈值,有效克服BP神经网络极易陷入局部最优的问题。选取某矿井回采工作面的实测数据进行分析,结果表明,该模型较单一BP神经网络预测精度高,能更有效地实现回采工作面瓦斯涌出量的高准确度预测。     

基于PCA-ELM的矿井瓦斯涌出量预测

为进一步提高矿井瓦斯涌出量的预测效率和精度,将主成分分析法(PCA)和极限学习机(ELM)神经网络相结合,建立基于PCA-ELM的矿井瓦斯涌出量预测模型。运用主成分分析法对矿井瓦斯涌出量影响因素样本进行主成分提取,去除各变量之间的线性相关,得到降维后的有效因子。再将这些有效因子作为ELM神经网络的输入层进行训练和预测,借助ELM神经网络不需较多参数调整、学习速度快、泛化性能好的特点,进行快速准确的预测。利用某典型矿井的实测数据进行实例分析,PCA-ELM方法预测的最大误差为0.2589,最小误差为0.0312,平均误差为0.1370,结果表明该预测模型预测速度快、精度高,能够用于矿井瓦斯涌出量预测。     

基于支持向量机回归与分源预测法的瓦斯涌出量预测模型及其应用

针对目前瓦斯涌出量预测模型存在的局限性及精度低等问题,应用分源预测和支持向量机(SVM)的基本原理,将SVM回归与分源预测法相结合,并利用SVM对回采工作面的瓦斯涌出量进行回归分析和数值模拟,建立了SVM分源预测的数学模型,提出了SVM分源预测的新方法。数值实验表明,将训练成功的SVM模型对现场数据进行回归预测并对比预测结果与实际值发现,SVM比BP神经网络预测精度更高,训练样本期望输出与实际值的最大相对误差为1.45%,小于实际要求的5%,准确率较高,预测风险低,可以满足实际要求。     

基于K-CV&SVM的工作面煤层瓦斯含量预测

为进一步提高工作面煤层瓦斯含量预测的准确性,将交叉验证方法(K-CV)和支持向量机(SVM)相结合,建立预测模型。该模型在SVM的基础上采用交叉验证的思想,寻找最佳参数cg,最大限度地消除由于个别样本的较大误差对预测模型的影响,提高预测模型的准确性。选取告成矿工作面煤层钻孔的实测数据进行实例分析,结果表明:该模型较单一SVM预测精度高,能有效预测工作面煤层瓦斯含量。     

基于改进GS-SVM的煤炭生产成本预测

原煤生产成本同时受到多种因素的共同影响,导致原煤生产成本系统具有非线性、多维性等特点。为了对原煤生产成本进行更加科学、准确的预测,针对目前我国原煤生产成本预测中存在的问题,将支持向量机(SVM)引入到原煤生产成本预测中。为快速准确地选取支持向量机参数,在传统网格搜索(GS)算法基础之上提出了一种改进网格搜索算法,并建立了一种基于改进GS-SVM的煤炭生产成本预测模型。将该模型用于观台煤矿原煤生产成本预测中,模型预测误差均在5%以下,平均误差3.3673%,预测精度高于多元回归分析,而模型训练时间也远低于传统网格搜索算法和启发(粒子群)算法,能够满足实际原煤成本预测需求。     

基于RS GA ELM的矿井瓦斯涌出量预测

为了对煤矿井下瓦斯涌出量进行预测,采用粗糙集与改进极限学习机相结合的方法,在样本数据的筛选上吸取粗糙集数据约简的优点,充分利用极限学习机训练速度快、具有良好泛化性能的特点,并结合遗传算法选择最优的输入权值矩阵和隐含层偏差,避免随机产生所造成的误差。利用编写程序确定隐含层神经元个数,比依靠经验更为准确。在实际应用中选取煤层瓦斯含量、煤层埋藏深度、煤层厚度、煤层间距、工作面日产量五个因素作为预测的影响参数。研究结果表明:该预测模型预测的最大相对误差为5687 1%,最小相对误差为0,平均相对误差为2582 7%,相比改进前的预测模型具有更强的泛化能力和更高的预测精度。     

基于MATLAB的煤与瓦斯突出BP网络预测方法

影响煤与瓦斯突出的各种要素与突出现象之间的关系复杂,且具有明显的非线性特点.BP人工神经网络模型可以很好地逼近这种非线性函数关系.基于煤与瓦斯突出特征指标的分析,建立了合理的单隐层结构的BP预测模型,并利用MATLAB神经网络工具箱实现了模型的训练与预测,应用结果表明,这种突出预测方法具有很高的计算效率和预测精度.     

基于PLS及时间序列法的卷烟销量组合预测方法

以A省及17个地市约七年间的销售面板数据为研究对象，首先建立三个单项预测模型，即Hoher—Winter季节乘积模型、时间序列分解法模型和偏最小二乘回归模型。在得到三个单项模型预测值之后，再运用组合模型方法，对三种模型的预测结果进行优化。实证结果显示，本组合预测方法更进一步的提高了预测精度，同时对卷烟销量预测实际工作具有借鉴意义。     

基于Bagging神经网络集成的燃料电池性能预测方法

利用三维质子交换膜燃料电池数学模型模拟研究了电池流道进、出口高度对电池性能的影响,然后将数值模拟结果作为神经网络模型的训练数据.以流道进、出口高度和电池电压值作为输入变量,以电池电流密度作为输出变量,建立了3层反向传播神经网络模型;然后利用Bagging集成学习方法对神经网络模型进行集成,构建了燃料电池性能预测方法.研究发现:与单一神经网络模型相比, Bagging神经网络集成模型预测精度更高,且所需模型训练数据量更少.此外对于超出训练数据以外的情形, Bagging神经网络集成模型仍然能够准确地预测燃料电池的性能,且精度良好,表明Bagging神经网络集成模型的鲁棒性较好,可用于更宽工况范围内燃料电池性能的快速预测.     

基于PCA和BP神经网络的采空区稳定性评价模型研究

针对采空区稳定性评价因素的复杂性和相关性特点,提出主成分分析(PCA)与BP神经网络相结合的采空区稳定性综合评价方法。经综合分析确定以工程地质因素、采空区赋存结构参数、采动因素3个一级影响因素为基础的评价指标体系,以此为基础构建了采空区稳定性评价的BP神经网络评价模型。以某大型铅锌矿山地下采空区为例,应用CMS探测系统获取采空区相关数据生成采空区3D实体模型,并根据BP神经网络训练出的计算模型对采空区稳定性的等级进行评价。研究结果表明:PCA和BP神经网络相结合的方法使输入变量由13个减少为5个,避免了由于变量相关性带来的影响,简化了评价过程,结果更加合理。现场探测结果与BP神经网络计算结果相互支持。     

被保护煤层底板穿层抽采钻孔合理布置方式研究

为了保障穿层抽采钻孔施工安全和提高被保护层卸压瓦斯抽采效果，通过上保护层开采邻近煤层瓦斯涌出情况的分析和上保护层开采底板煤岩体卸压特征的数值模拟分析，对不同层间距被保护层穿层抽采钻孔的合理布孔方式进行了研究。现场试验表明：下伏不同层间距被保护层底板穿层抽采钻孔不同的布置方式能保障钻孔的安全施工和被保护层卸压瓦斯高效抽粟。     

顺煤层水力割缝抽采煤层瓦斯渗流规律数值模拟

为得到顺煤层水力割缝抽采瓦斯渗流规律以及预测水力割缝后瓦斯气体抽采量，结合渗流力学和弹塑性力学理论，建立了水力割缝抽采煤层瓦斯的固流耦合数学模型，同时给出了相应初始条件及边界条件。利用Madab计算得到顺煤层水力割缝后煤体应力场、瓦斯压力场以及瓦斯抽采量变化规律。数值模拟结果显示：水力割缝后，煤体有效体积应力得到释放；沿割缝方向储层卸压效果明显；煤层内裂隙、裂缝数量增加，长度和张开度增大；煤体渗透性能增强；煤层气抽采量较普通钻孔有较大幅度的提高。模拟结果显示了顺煤层水力割缝抽采煤层气的优势。此模拟方法对煤层气增产工业中确定水力割缝工艺参数以及预测瓦斯产量具有重要的指导意义。     

三家子矿6-2煤层瓦斯地质规律研究

通过对南票三家子煤矿瓦斯地质资料的分析，并结合煤层瓦斯含量的现场测定和实验室测试，探讨了断层、构造凹地、煤层围岩、含煤岩系沉积环境以及岩浆侵入等地质因素对6-2煤层瓦斯赋存、分布的影响；夯析了各因素与瓦斯含量的关系，即断层、岩浆侵入破坏了煤体的结构，构造凹地引起的压性应力导致6-2煤层区域性渗透率下降，这些因素对瓦斯的逸散均起了阻碍的作用，因此是影响瓦斯赋存的主控因素。绘制出瓦斯含量等值线图，进而为采掘布置和瓦斯防治工作提供了理论依据。     

沟头煤矿顺层抽放钻孔改进技术

全面分析了沟头煤矿C5301工作面顺层抽放钻孔封孔工艺中存在的问题，找出了封孔深度太短和封孔不严是影响抽放率不佳的真正原因。针对这些原因进行了封孔工艺的改造，并在C5302工作面进行了试验，取得了较好的抽放效果，达到了防止煤与瓦斯突出的效果。为同类型条件下的瓦斯抽采工艺提供了参考和借鉴。     

区域构造应力场对煤与瓦斯突出影响的数值模拟分析

依据地质动力区划方法，对鹤壁八矿进行Ⅰ～Ⅴ级活动断裂划分，确定了区域构造的特征。分析了煤层的顶板岩性和构造断裂特点，并在此基础上建立了构造应力计算模型。结合对矿区地应力测量和岩体应力状态分析，确定了岩体应力状态的分布规律。通过对结果的分析，认为区域构造应力场控制鹤壁八矿地应力的分布状态，从而决定煤与瓦斯突出呈区域性分布。确定了易发生煤与瓦斯突出的应力升高区的位置，为开采煤层时何时何地采取防突措施提供了科学依据。     

晓明矿4—1#煤层上行开采研究

针对晓明矿地质条件，综合运用关键层理论、围岩平衡法、“三带”法、数值分析及巷道探查等方法分析了7#煤层回采后上覆围岩活动规律，确定了上部4—1#煤层的底板下沉量、煤体破坏程度及煤层应力状态以及煤层的连续性和完整性。综合理论分析、数值分析及现场探查结果，判定4—1#煤层上行开采是可行的，并提出回采设计方案，为晓明矿及类似条件矿井进行上行开采提供了参考。     

移动拟合法在煤层界面插值中的应用研究

为了在构建三维矿床模型过程中，形成最佳逼近的煤层界面模型，将移动拟合法引入到煤层界面插值中。根据煤层的赋存条件以及原始采样数据的分布特点提出了参数优化选择的有效方法及适用条件，并通过数学方法改善病态矩阵，使待估区域中的插值结果精度更高。以某矿的煤层界面数据为样本，通过交叉检验确定权函数，进行空间插值以及三维可视化，比较真实地反映了矿床的基本特征，为矿床地质模型的建立提供了有力的数据支撑。     

刨煤机刨刀刨削煤层动力学模拟研究

刨刀刨削煤壁的过程中,切削角和刨刀的宽度影响刨刀的受力.为了减小刨刀的受力及冲击,根据刨煤机的实际工况,建立刨煤机刨削煤层的三维模型,并运用Hypermesh和LS-DYNA分析单个刨刀刨削煤层的受力状态.对不同切削角的刨刀进行仿真分析,结果表明:切削角为90°时,刨刀受力较大；切削角为70°时,刨刀受力较小.对不同宽度的刨刀进行仿真分析,结果表明:宽刨刀对煤层刨削区域影响大,刨削阻力较大,有利于刨削脆性煤层；窄刨刀对煤层的刨削区域影响小,刨削阻力小,有利于刨削粘性煤层.     

基于改进神经网络的厚煤层采煤方法预测模型

针对厚煤层采煤方法选择多目标非线性的问题,在影响因素分析的基础上,建立了预测仿真模型,利用神经网络改进算法训练网络,通过早停的方式解决网络过拟合问题。通过计算机仿真结合现场应用表明,该模型给出了最优方案,可为厚煤层采煤方法的合理选择和工作面主要经济技术指标的预测提供一种新的研究思路,在煤矿开采中具有广阔的应用前景。     

煤层冲击倾向性试验及数值模拟

冲击地压是一种特殊的矿山动力现象,而冲击倾向性是煤岩体发生冲击地压的内在因素和必要条件.对松树镇煤矿主采煤层进行冲击倾向性试验,对冲击能量指数、弹性能量指数和动态破坏时间三个煤层冲击能量指标进行分析,得出煤层无冲击倾向性.但对开采煤层数值模拟,得出深部煤层顶部最大主应力值、顶板下沉较大,需要实施一定的防治措施.这为该矿防治冲击地压提供了科学依据.