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.     

Matlab在工作面煤与瓦斯突出预测中的应用

考虑到煤与瓦斯突出发生的内在机理的复杂性,突出影响因素与突出事件之间的非线性,阐述了人工神经网络的原理和算法,在分析了煤与瓦斯突出的主要影响因素的基础上,依据功能强大的matlab神经网络工具箱,采用BP人工神经网络模型,通过训练得到了影响突出因素与突出事件之间的关系,为突出非线性动力机制及预测提供了新的途径.实例表明,Matlab神经网络工具箱用于煤与瓦斯突出预测是可行的.     

煤与瓦斯突出的神经网络预测分析

煤与瓦斯突出是一个复杂的过程 ,做好预测预报工作显得尤为重要。本文通过建立煤与瓦斯突出的人工神经网络预测模型、原始样本的学习 ,可预测待报样本的突出情况 ,并进行了实例分析。经过检验 ,该预测模型的预测精度较高。图 1 ,表 2 ,参 3。     

基于地理信息系统和神经网络的煤与瓦斯突出预警

依据煤与瓦斯突出机理及突出过程物理特征,结合煤矿安全监测系统,提出以瓦斯浓度和煤体温度时间序列的煤与瓦斯突出预警指标,利用GIS技术和人工神经网络建立了煤与瓦斯突出预警模型.某矿17180工作面的预警结果表明:预警模型可以为煤与瓦斯突出预警提供技术支持.     

煤与瓦斯突出预测灰色理论-神经网络方法

将灰色理论-神经网络方法应用于煤与瓦斯突出预测中,利用灰色系统理论的灰色关联法确定了控制矿井煤与瓦斯突出的主控因素,并对煤与瓦斯突出主控因素进行筛选. 建立了煤与瓦斯突出危险性预测人工神经网络的数学模型和系统结构. 在平顶山八矿突出区进行了煤与瓦斯突出危险性预测应用,预测效果表明:利用灰色系统理论-神经网络方法对预测矿井煤与瓦斯突出是可行的.     

非线性理论在煤与瓦斯突出研究中的应用

应用非线必科学的基础理论,研究了可能发生突出的含瓦斯煤岩系统的内在动力特征,建立了考虑各种基本因素的较为全面的突出预测模型,并对突出起动的突变机制和突变条件进行了定性分析,为突出非线性动力机制及其预测和防治研究提供了新的途径。     

煤与瓦斯突出强度预测的IGABP方法

针对传统松散式(Genetic Algorithm Based Back Propagation Neural Network,GABP)模型应用于复杂煤与瓦斯突出预测时,存在GA自身性能及模型间相对孤立等不足,提出二者优势互补的IGABP一体化模型。IGABP首先在自适应交叉、变异率等方面进行改进,以提高GA自身的性能。其次,将BP导向性训练以算子的形式引入到标准GA进化过程,实现了GA寻优搜索的随机性向自主导向性转变。BP对GA搜索到的近似最优值进行微调,GA算法的收敛速度得到提升,确定精确解的位置能力加强,同时,又避免了单一BP网络本论文易陷入局部极小值的缺点,实现了两者一体化结合。仿真实验表明,构造出的进化神经网络更能反映煤与瓦斯突出强度样本的复杂非线性关系,有效克服了传统模型的不足,其运行效率、预测精度、可靠性等方面均优于传统模型,为瓦斯智能预测提供了新的解决方案。     

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。     

BP算法及其在煤与瓦斯突出预测中的应用

利用BP神经网络具有的“信息影射”特性，实现了影响煤与瓦斯突出的因素与突出事件之间的特定刺激一反应式感知和识别，进而挖掘和捕捉二者之间的内在相关规律，并将其应用于煤与瓦斯突出区域预测。对于原始BP神经网络收敛速度慢、易陷入局部假饱和以及产生震荡等问题，通过调整学习系数、惯量系数等进行了改进，改进的BP神经网络在煤与瓦斯突出预测精度、预测效率方面明显优于传统预测方法。     

煤与瓦斯突出声发射的神经网络预测方法

以自适应神经网络的基本原理为基础,以声发射总事件、大事件、能率时间序列为基础数据,将神经网络模型应用于煤与瓦斯突出危险性预测.应用结果表明,煤与瓦斯突出声发射神经网络预测法具有预测方法简单、准确性高等特点,可应用于工作面煤与瓦斯突出危险性的预测.     

Gas and coal outbursts in Polish minescauses and assessing methods

The paper presents some information about gas and coal outbursts threat in Polish coal mines.It shows the methodology for threat identification and monitoring for gas and coal outbursts in the Polish coal mines.One of the main methods of assessing threats in the mining industry in Poland and China is desorbometric method.The paper presents some results of estimation of uncertainties of the desorption rate Δp,determined in situ,by use of liquid manometric desorbometer gauge.It was observed that,if there are ...     

考虑动静载加载的含瓦斯煤突出试验系统与应用

为研究深部开采条件下的复杂应力环境中煤层受动态载荷扰动发生煤岩动力灾害的过程和机理,在同类模拟突出设备基础上研制了动静载条件下的煤与瓦斯突出模拟实验设备。该实验装置包括煤样室、突出口装置、加载系统和计量系统。该实验设备能较好地模拟静态载荷和动态载荷共同作用下的突出现象,还可进行瓦斯吸附条件下的动静载突出实验,深入研究瓦斯吸附量对突出的影响。研究结果表明,在相同的动态载荷作用下,无瓦斯解吸过程比有瓦斯解吸过程更容易发生突出;无煤柱影响比有煤柱影响更容易发生突出,并且无煤柱影响的突出强度比有煤柱影响的要大。     

煤与瓦斯突出机理及其区域预测技术对比

对国内外建立的煤与瓦斯突出机理假说进行了研究,对基于煤与瓦斯突出机理的突出区域危险性预测研究进展进行了分析.分析结果认为,地应力、瓦斯作用、化学本质三种假说为单因素假说,目前突出机理的认识趋势是由单因素向多因素发展,综合作用假说支持率增多.综合预测法是区域预测的发展趋势.     

采掘工作面煤与瓦斯突出预测专家系统的研制

在全面分析了采掘工作面煤与瓦斯突出影响因素的基础上 ,构建了突出预测推理知识模型 ,借助XF6 .1开发工具 ,结合焦作东部矿区实际地质构造 ,设计实现了基于Windows平台的工作面煤与瓦斯突出预测专家系统 ,结果表明 ,此专家系统能以专家级水平对王作面煤与瓦斯突出灾害做出比较准确的预测 ,从而保障煤矿的安全生产。     

神经网络BP模型在室内轰燃预测中的应用

总结了目前常用的室内轰燃预测方法，评述了人工神经网络和BP网络模型的特点以及神经网络在轰燃预测中的工作原理和网络构建方法，提出了预测轰燃的神经网络预测法，进行了有效的验证。由于室内火灾受建筑材料热惯性、开口通风因子、燃料热释放速率和房间内部尺寸等多种因素影响，传统轰燃预测方法存在多方面的局限性，而BP神经网络预测方法是合理、可行的方法。