矿井瓦斯涌出量灰色GM（1，1）预测模型的分析

灰色预测模型为矿井瓦斯涌出量时间动态数列的预测提供了一条新的途径。本文在对灰色ＧＭ（１，１）预测模型进行有关分析的基础上，提出了矿井瓦斯涌出量预测的ＧＤＭ模型，以进一步拓宽灰色预测的应用范围．利用该预测模型对一些矿井进行瓦斯涌出量的预测研究，均得到了较为满意的结果．     

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。     

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.     

缓冲算子理论在矿井瓦斯涌出量预测中的应用

以预测矿井瓦斯相对涌出量为研究目的,运用缓冲算子理论,建立了灰色系统模型,并将该模型应用到某矿井的瓦斯涌出量预测分析中,对该矿历年来相对瓦斯涌出量进行了灰色生成,建立了灰色预测,对照精度检验可知,达到了一级精度,预测结果可靠。     

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。     

基于主成分灰关联的瓦斯涌出量预测模型

为分析矿井瓦斯涌出的非线性关系、指标间复杂联系和准确预测瓦斯涌出量,基于主成分分析和灰色关联理论在克服指标的共线性、相关性对瓦斯涌出量影响,兼顾二者关联性之上,确定主要指标,建立瓦斯涌出量预测的距离模型和灰色模型,进而基于支持向量机非线性,构建非线性组合预测模型.利用训练样本学习和最小绝对百分比误差确定预测模型参数,并以沈阳某矿某工作面为例,运用已构建模型预测瓦斯涌出量.研究结果表明:日产量、采出率与其他指标的共线性相对较强,煤层间距、临近层厚度及层间岩性与其他指标的共线性相对最弱;该模型绝对百分比误差最大为5.83%,预测精度相对高于各个单项预测模型,大幅降低预测风险.     

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.     

新信息优先原则下矿井回采工作面瓦斯涌出量的MUBGM(1,1)-Markov预测

为实现煤矿瓦斯涌出量的高精度预测,进而对矿井通风设计和瓦斯事故防治提供理论依据,以传统GM(1,1)模型为基础,建立了一种等维新息式无偏灰色马尔可夫预测模型(MUBGM(1,1)-Markov模型)。该模型将无偏灰色GM(1,1)模型与马尔可夫模型相结合,依据2001—2010年西北地区某煤矿二矿区矿井相对瓦斯涌出量数据,在新信息优先原则下经等维新息处理和原始数据序列的不断更新,预测出2011—2016年该矿的相对瓦斯涌出量。研究结果表明,MUBGM(1,1)-Markov预测模型不仅消除了传统灰色GM(1,1)模型的固有偏差,而且预测值可随数据的变化实时更新,预测效果理想,2013—2015年的平均相对误差仅为0.012 4,在中长期预测中具备明显优势,其较高的准确性和较强的适用性,为矿井瓦斯涌出量的高精度预测提供了可靠的保障。     

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。     

一种基于支持向量机和模型树的回归模型及其在采煤工作面瓦斯涌出量预测中的应用

矿井瓦斯是煤矿生产过程中的主要不安全因素,能否准确预测采煤工作面上的瓦斯涌出量将直接影响矿井开采的经济技术指标.从数据挖掘与机器学习的角度看,瓦斯涌出量的预测问题是回归分析的经典应用.支持向量机和模型树在回归分析方法中显示出了优越的性能,本文应用支持向量机和模型树方法建立采煤工作面瓦斯涌出量的预测模型.实验结果显示,预...