煤与瓦斯突出强度的IGA-LSSVM预测模型

针对煤矿开采中煤与瓦斯突出强度的预测问题,利用免疫遗传算法和最小二乘支持向量机相结合的方法,选取最大主应力、瓦斯压力、瓦斯含量、顶板岩性、距断裂距离、煤层厚度、开采垂直深度、绝对瓦斯涌出量、相对瓦斯涌出量等9个主要影响因素.对相关程度较高的因素进行因子分析,提取公共因子作为IGA-LSSVM模型的输入,建立基于因子分析和IGA-LSSVM的煤与瓦斯突出强度的预测模型.利用实测的14组数据作为学习样本,训练预测模型.另外5组数据作为测试样本,使用所得模型进行预测.研究结果表明:经过免疫遗传算法优化最小二乘支持向量机的参数后,所得模型可有效预测煤与瓦斯突出的强度,检验结果的误判率为0.     

基于粗糙集与粒子群优化支持向量机的瓦斯突出预测模型

针对煤矿开采中煤与瓦斯突出的预测问题,在综合分析瓦斯突出影响因素的基础上,利用粗糙集理论和支持向量机相结合的方法,选取煤厚变化、地质构造、煤坚固性系数、巷道采压、瓦斯变化、钻屑瓦斯解吸值等10个特征指标建立瓦斯突出预测决策表,并利用粗糙集理论中的属性约简算法剔除冗余信息,再使用粒子群算法优化支持向量机的参数,通过核函数将瓦斯突出主控因素映射到高维空间,拟合主控因素与瓦斯突出强度之间的非线性映射关系,建立了基于粗糙集理论和粒子群优化支持向量机的瓦斯突出预测模型.选用典型的瓦斯突出实例作为学习样本,以河南某矿的突出实例作为测试样本进行预测.实验结果表明,该模型能够满足煤与瓦斯突出预测的要求,预测结果与实际结果一致,准确率较高,具有较好的适应性.     

基于灰关联分析和神经网络的煤与瓦斯突出预测

应用灰色关联分析,对煤与瓦斯突出影响因素进行灰关联分析,得出了各影响因素对煤与瓦斯突出影响程度的大小排序;选择灰关联分析的5个优势因子作为输入参数,建立了煤与瓦斯突出预测的神经网络模型;用我国典型突出矿井的煤与瓦斯突出实例作为学习样本,对网络进行训练学习,并以云南恩洪煤矿的煤与瓦斯突出实例作为预测样本进行验证.结果证明该系统能较准确地预测煤矿的瓦斯突出情况.     

集对理论聚类分析法综合预测煤与瓦斯突出

基于集对理论和聚类分析相结合的方法,将现行的钻屑指标法、钻孔瓦斯涌出初速度法、电磁辐射法和单项指标法等单因素单数值预测煤与瓦斯突出的方法和指标,通过集对理论综合运用一个具体的集对联系度数学模型表达出来,结合系统聚类分析思想,通过计算预测系统联系度之间的同异反距离,按照同异反模式识别的"择近原则",来辨别待测样本系统所属的类别,从而进行多因素综合预测煤与瓦斯突出。通过以焦作九里山矿巷道掘进工作面为例,应用综合预测模型计算分析煤与瓦斯突出预测指标的实例数据,结合相似权计算法确定各指标因素权重,提高预测模型精度,预测结果符合现场实际情况,取得了良好的预测效果。     

概率神经网络在煤与瓦斯突出中的应用

为准确预测矿井煤与瓦斯突出的危险性,针对小样本情况下BP神经网络泛化能力低的缺点,采用概率神经网络对煤与瓦斯突出的危险性进行预测.该模型的预测准确性高,能有效地预测煤与瓦斯突出的危险性.     

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PCA-RBF网络的煤与瓦斯突出强度预测

为提高煤与瓦斯突出强度预测的准确性,采用主成分分析(PCA)法降低变量间的相关性,并将其与径向基网络相结合,对煤与瓦斯突出强度进行预测.以某矿为研究对象,对煤与瓦斯突出强度影响因素进行主成分提取,选取累计方差贡献率超过85%的三个主成分,代替原来的六个影响因素,将其作为RBF网络的输入参数,构建PCA-RBF煤与瓦斯突出强度预测模型.研究结果表明:PCA-RBF网络预测模型的平均相对误差为5.55%,满足煤与瓦斯突出强度预测的要求.     

煤与瓦斯突出预测层次分析-模糊综合评判方法

将层次分析和模糊综合评判方法结合起来应用于煤与瓦斯突出预测研究中.运用层次分析法确定了煤与瓦斯突出各影响因素权重系数,采用隶属函数构造了单因素判别矩阵,并运用模糊综合评判法建立了煤与瓦斯突出预测模型. 对平顶山研究区典型工作面进行了瓦斯突出危险性的定量预测和突出等级划分.结果表明,应用层次分析-模糊综合评判方法预测煤与瓦斯突出强度是可行的.     

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。     

基于过采样支持向量机的煤与瓦斯突出预测

基于机器学习的煤与瓦斯分类预测方法中,各突出案例的数量不平衡会导致预测准确率降低。为了提升煤与瓦斯突出预测模型的准确率及稳定性,构建了过采样算法和支持向量机(support vector machine, SVM)组合的分类预测模型。首先,通过聚类分析将突出样本分成多个簇,在每个簇中对可能的噪声点按概率去除;然后通过过采样算法合成新样本,以减少样本数量不均衡对模型训练的影响;最后,用支持向量机模型结合粒子群算法对新数据集进行训练调优。实验结果表明:提出的模型在G-mean、曲线下面积(area under curve, AUC)值上均高于传统的分类模型,具有更强的算法鲁棒性,并且随着突出样本数量的减少,其优势更加明显。     

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。     

前进式工作面预防煤与瓦斯突出的合理作业循环方式

本文分析了无预掘煤巷前进式工作面，尤其是下隅角存在突出危险性，并结合秋湖煤矿的具体情况，提出了利用前进式工作面支承应力的充分前移来控制煤与瓦斯突出技术方法。通过试验研究，得出了秋湖煤矿试验工作面控制煤与瓦斯突出的有效合理作业循环方式，对该矿防治煤与瓦斯突出具有十分重要的应用价值。图４、参２。     

冲击地压危险性等级识别的随机森林模型及应用

 为快速、准确地预测冲击地压危险性,借鉴随机森林理论,选取影响冲击地压的10 项主要因素:煤层、倾角、埋深、构造情况、倾角变化、煤厚变化、瓦斯浓度、顶板管理、卸压、响煤炮声作为判别因子,建立冲击地压危险性识别的随机森林模型.利用重庆砚石台矿24 组实测数据作为学习样本建立随机森林分类器,在对样本分类的同时,计算预测变量的重要性值GI,发现构造情况为最重要的评价指标,其后是响煤炮声和倾角.利用其他12 组现场数据作为预测样本对该模型进行测试,预测结果与实际情况吻合较好.     

含缺陷蒸汽发生器管道爆破压力预测的遗传-神经网络算法

为了探讨体积型缺陷对蒸汽发生器传热管强度的影响,使用遗传-反向传播(GA-BP)算法建立了Inconel 690蒸汽发生器传热管爆破压力预测模型.利用遗传算法对误差反向传播神经网络(BP-ANN)的初始权值进行了优化,由此克服了BP网络收敛速度慢及易陷入局部极小的缺点;使用所建模型分析了管道缺陷的各类几何参数对爆破压力的影响.结果表明:蒸汽发生器传热管的缺陷深度对爆破压力的影响最大,爆破压力随着缺陷深度的增加迅速降低;当管道缺陷环向尺寸减小时,爆破压力随着缺陷轴向长度的增加而减小的趋势更加显著;管道缺陷越深,爆破压力随环向尺寸的增加而减小的趋势越明显.     

限制性剪切蠕变的渐进式破坏发育模式与本构方程分析

以标准红砂岩方形试样为研究对象,运用自行研制开发的软弱煤岩剪切蠕变试验设备和煤岩细观力学特性测控软件、超声波检测设备,对红砂岩限制性剪切、限制性剪切蠕变过程的破坏过程、破坏模式、渐变特性进行了分析。结果表明:红砂岩试样在限制性剪切、限制性剪切蠕变条件下表现出明显的渐变破坏特性;大部分试验过程中试样内部的超声波速减小幅度较小,仅在临近破坏处有明显减小;红砂岩限制性剪切蠕变破坏发育过程表现为先形成主控破裂面,又在其附近区域形成丰富微裂隙,并发育、相互贯通,最后克服剪切面摩擦力并发生突发式破坏,且伴有较大断裂声;其破坏模式发育过程呈渐进式,破坏模式呈突发式;建立了一种可以表征红砂岩剪切蠕变渐进式破坏发育过程的本构模型。     

东荣二矿回采巷道冲击矿压防治

为有效防治东荣二矿17#煤层回采巷道冲击矿压事故,结合矿压事故调查情况,分析了影响冲击矿压发生的主要因素,提出了探、测、控有机组合的深部回采巷道冲击矿压控制原理及防治技术。结果表明：开采深度超过发生冲击危险的临界深度、煤中赋存半岛煤柱、支护结构不合理等是该矿冲击矿压发生的主要原因。超前勘探、围岩观测、适时预测、质量监测、方案对症、施设当机等冲击矿压灾变控制技术及钻屑法预测、钻孔卸压、松动爆破解危等综合防治技术措施应用于该矿,防治效果良好。该研究为东荣二矿深部煤层开采的冲击矿压防治提供了技术保障。     

单桩竖向极限承载力预测的SVM模型

在综合分析了各种单桩竖向极限承载力分析方法的基础上,建立了基于支持向量机(SVM)的单桩竖向极限承载力预测模型.以实测数据为学习样本和测试样本,讨论了其可行性.研究表明,该方法能较好反映桩的实际受力过程,具有一定的工程应用价值。     

中长期电力负荷预测

对电力负荷的预测的传统方法主要采用回归模型、曲线模型等，因不能充分利用历史数据，其准确性较差。利用人工智能技术，将BP神经网络及遗传算法应用于中长期期电力负荷预测，能更好的利用历史数据，如果再对有节假日的特殊月季电力负荷数据进行合理有效的处理，就能大大提高预测的精度。     

基于支持向量机的不锈钢冷轧薄板力学性能的预测模型

介绍了支持向量机(SVM)技术中的支持向量机回归模型原理,建立了不锈钢冷轧薄板力学性能预测模型.结果表明,随着训练样本的增加,模型的预测精度也得到提高.证明应用支持向量机构建不锈钢冷轧薄板力学性能预测的数学模型,能较好地解决小样本和模型预测精度间的矛盾,具有较强的泛化能力.     

煤矿岩爆发生的成因、规律及其防治

本文是在对我国许多煤矿进行大量调查的基础上,对煤矿自然地质条件、开采技术条件与岩(煤)爆发生的关系进行了分析,探讨了煤矿岩(煤)爆发生的成因规律,主要包括煤的物理力学性质、地质构造和开采技术条件等.简述了岩(煤)爆发生的物理过程.最后介绍了我国目前常用的几种防治办法.