遗传规划在采煤工作面瓦斯涌出量预测中的应用

采煤工作面瓦斯涌出量的预测对于矿井设计和安全生产有着重要意义．由于影响采煤工作面瓦斯涌出量的各因素之间关系不明确,而遗传规划特别适用于各影响因素之间因果关系不明确的复杂非线性问题,因此,它为预测采煤工作面瓦斯涌出量提供了一条新的技术途径．应用遗传规划理论,建立了采煤工作面瓦斯涌出量的预测模型．结果显示,预测精度满足要求．表明该方法是可行的、合理的     

一种基于PCA的GEP算法及在采煤工作面瓦斯涌出量预测中的应用

在研究主成分分析和基因表达式程序设计的基础上，提出一种基于主成分分析的基因表达式程序设计新算法，并将其用于采煤工作面瓦斯涌出量的预测．该算法先采用主成分分析方法对影响瓦斯涌出的变量进行降维处理，有效地减少预测模型的输入量，消除输入数据间的相关性，再用基因表达式程序设计建立采煤工作面瓦斯涌出量的预测模型．结果表明，预测结果比遗传规划和基因表达式等其他算法得到的结果具有更高的预测精度和稳定性．     

采煤工作面瓦斯涌出量预测逐步回归方法

在综合分析矿井瓦斯涌出量影响因素基础上,探讨了采煤工作面瓦斯涌出量与影响因素之间的关系,利用逐步回归分析方法建立了瓦斯涌出量预测数学模型,并将模型应用于平煤天安十矿己组煤层24110采面瓦斯涌出量预测. 结果证明,该数学模型对采煤工作面瓦斯涌出量预测比较准确.     

遗传算法的BP网络模型进行瓦斯涌出量预测

从提高采煤工作面瓦斯涌出量预测的速度和精度入手,将遗传算法与神经网络2种非线性最优化算法的优势加以融合,提出了一种利用遗传算法同时优化BP网络的连接权和拓扑结构的网络模型,并以韩城下峪口煤矿为例,进行了实际应用。结果表明:改进后的BP网络模型预测精度较高,具有良好的应用前景。     

采煤工作面瓦斯涌出分析及控制技术

分析了采煤工作面瓦斯涌出规律及其主要影响因素,论述了瓦斯治理及控制技术。     

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。     

采煤工作面瓦斯特异涌出的分源治理

淮南矿区现有9对生产矿井,其中8对为煤与瓦斯突出矿井,1对高瓦斯矿井,瓦斯绝对涌出量为720m3/min.矿区月平均采煤工作面为38个,其中高瓦斯工作面在20个以上.2003～2004年,矿区有3个采煤工作面发生不同形态的瓦斯异常涌出,在对瓦斯来源进行细致分析后采取了分源治理的措施,取得良好的效果.     

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。     

瓦斯地质分布规律预测矿井接续工作面的瓦斯涌出量研究

煤矿瓦斯是煤矿安全生产的主要灾害之一,而瓦斯防治工作是涉及面广和难度大的系统工程。因此,研究和分析矿井瓦斯地质规律的分布变化及规律,对矿井科学合理地进行工作面接续和接续工作面的瓦斯防治具有十分重要的意义。     

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。     

基于BP算法的矿井掘进工作面瓦斯涌出量预测

应用BP人工神经网络理论,建立了矿井掘进工作面瓦斯涌出量的预测模型,克服了由于各因素的不确定所造成的影响,提高了瓦斯涌出量预测的准确性.实际应用表明,预测模型可信,精度能满足要求.     

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...     

基因表达式编程用于有机化合物的毒性预测

基因表达式编程方法(GEP)是一种新型的数据挖掘和建模工具,应用GEP方法对110个有机化合物的毒性进行了构效关系研究,并与人工神经网络(BP-ANN)和偏最小二乘(PLS)方法比较.结果发现,GEP方法的预测较好,且模型稳定.     

基于基因表达式编程的股票指数时间序列分析

基因表达式编程（GEP）是遗传算法研究的新分支．针对股票对象的特点,提出了适应股票规律的GEP—STOCK模型,包括n时段—STOCK—GENE,STOCK—fitness以及STOCK-GEP算法,并以上海证券交易指数时间序列数据为对象做了实验．进行了误差和指数涨跌分析．实验结果表明GEP—STOCK模型预测精度较高,20d的平均绝对误差为11．08,平均相对误差为0．64％．从涨跌情况预测来看,模型对6d后指数的涨跌判断,正确率高于80％以上．     

人工神经网络模型在瓦斯预测中的应用

通过对神经网络的基本原理和学习算法的分析,建立了基于瓦斯涌出量预测的BP网络应用模型,采用Delphi编程语言,预测了瓦斯的涌出量,并结合实例进行了验证。     

基因表达编程算法的冻融系数预测研究

冻土融沉系数是冻土融化后沉降量的直接反映,影响融沉系数的主要因素有粉黏粒含量、未冻土的含水率、干密度、液塑限等.为了定量化的描述融沉系数与各影响因素之间的关系,引入基因表达式编程算法进行五维空间上的函数挖掘,将函数表达式基因化,通过Karva语言对基因进行编码,利用达尔文的进化理论,初始种群经过若干代的交叉变异,最终得出了最优化的个体,即最优函数表达式.结果表明:得到的函数表达式能综合反映各因素与融沉系数之间的关系;对测试样本进行预测,R2值为99.50%,实现了融沉系数预测的高精度和直观化,为融沉系数预测提供了一种新的智能化方法.     

成庄矿电磁辐射预测煤与瓦斯突出技术研究

介绍了电磁辐射仪的工作原理、方法,并对收集的数据与常规指标对比分析,得出了成庄矿的电磁辐射敏感指标及临界值,为电磁辐射仪的使用奠定了理论基础。