PCA-GA-SVM的回采工作面瓦斯涌出量预测

为预测回采工作面瓦斯涌出量,采用主成分分析(PCA)与遗传算法(GA)优化支持向量机(SVM)相耦合的方法,在样本数据的筛选上汲取主成分分析数据降维的优点,使选择的数据样本简洁且更具代表性;充分利用支持向量机训练速度快、能够获得全局最优解且具有良好泛华性能的特点,将遗传算法与其相结合,寻找最优的惩罚参数c和核函数参数g;建立基于PCA-GA-SVM的回采工作面瓦斯涌出量预测模型,并在实际中得到成功应用.研究结果表明:该预测模型预测的最大相对误差为16.15%,最小相对误差为2.43%,平均相对误差为13.25%,相比其他预测模型有更强的泛化能力和更高的预测精度.     

郭家河煤矿回采工作面瓦斯涌出量预测

矿井瓦斯涌出量的准确预测,可为煤矿安全生产提供有力保障。文中以郭家河煤矿为例,通过探讨瓦斯涌出量与影响因素之间的关系,采用多元回归分析法,结合回采工作面瓦斯涌出量的实测数据和相关参数,利用"统计产品与服务解决方案软件"(简称SPSS)对影响瓦斯涌出量的因素进行多元逐步回归分析,在解决各影响因素间多重共线性问题后,建立了瓦斯涌出量预测模型。将瓦斯涌出量实测值分别与多元逐步回归法和多元线性回归法所得的预测值进行比对分析,结果表明多元逐步回归法预测结果精度更高,更适合于回采工作面瓦斯涌出量预测。     

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.     

基于PCA-BO-XGBoost的矿井回采工作面瓦斯涌出量预测

针对矿井回采工作面瓦斯涌出量预测精度欠佳的问题,建立基于极端梯度提升(XGBoost)瓦斯涌出量预测模型。首先,为解决瓦斯涌出量影响因素维数高和信息冗余等问题,在预测模型中引入主成分分析法(PCA)对11种影响因素降维。其次,通过贝叶斯优化算法(BOA)对XGBoost中超参数进行优化以提高预测模型的精度。最后,将训练集数据作为预测模型的输入进行训练,利用训练好的模型对测试集数据进行验证,并与传统的BP神经网络和支持向量机进行对比。结果表明：PCA-BO-XGBoost模型的平均绝对误差为0.070 3,均方根误差为0.095 7,能够满足对瓦斯涌出量预测的精度要求。与其他机器学习算法相比,建立的模型预测精度更高、耗时更短、效率均更高,对煤矿井回采工作面瓦斯涌出量的预测精度和效率提升具有借鉴作用。     

回采工作面瓦斯涌出量的灰色动态预测

本文应用灰色系统理论建立了回采工作面瓦斯涌出量的灰色动态预测模型,并对化处矿1273回采工作面瓦斯涌出量进行了实例预测。     

基于PLS-BP神经网络组合模型的回采工作面瓦斯涌出量预测

提出PLS-BP神经网络组合模型,预测回采工作面瓦斯涌出量.利用分源预测法划分回采工作面瓦斯涌出来源,根据瓦斯涌出来源受不同因素的影响,运用偏最小二乘法(PLS),通过交叉有效性分析,确定提取主成分个数,将主成分作为神经网络输入层建立关联模型.研究证明,本方法不仅避免了各种不相关因素之间的干扰,解决各因素之间多重相关问题,降低变量维数,而且可以结合BP神经网络的非线性映射能力和适应学习能力等优点,提高预测稳定性和精度.     

PCA-BP在回采工作面瓦斯涌出量预测中的应用

为对回采工作面瓦斯涌出量进行准确预测,运用主成分回归分析以及BP神经网络原理和方法,结合现场实测数据,采用多元统计分析软件SPSS处理相关数据,研究影响回采工作面瓦斯涌出量各因素间的相关关系并提取主成分,以确定BP神经网络中的输入参数,建立BP神经网络进行预测.利用PCA-BP神经网络方法建立瓦斯涌出量预测模型.研究结果表明:采用PCA-BP神经网络方法的预测值与实际值最大相对误差为2.820%,最小相对误差为2.036%,平均相对误差为2.357%,较其他预测模型有更高精度.对降低事故发生率和矿井延深水平的回采工作面瓦斯涌出量预测具有较好的指导作用.     

PCA-BP神经网络在回采工作面瓦斯涌出量预测中的应用

为对回采工作面瓦斯涌出量进行准确的预测,运用主成分回归分析以及BP神经网络原理和方法,结合现场实测数据,采用多元统计分析软件SPSS(Statistical Product and Service Solutions)处理相关数据,研究了影响回采工作面瓦斯涌出量影响因素间的相关关系并提取主成分,以确定BP神经网络中的输入参数,从而建立BP神经网络进行预测.并利用PCA-BP神经网络的方法建立了瓦斯涌出量预测模型.研究结果表明:采用PCA-BP神经网络方法的预测值与实际值最大相对误差为2.820%,最小相对误差为2.036%,平均相对误差为2.357%,较其他预测模型有更高精度.对降低事故发生率和矿井延深水平的回采工作面瓦斯涌出量预测具有较好的指导作用.     

回采工作面瓦斯涌出及防治

回采工作面瓦斯涌出直接影响着工作面通风的合理性、瓦斯灾害防治措施的有效性和高效生产的安全性。分析了回采工作面瓦斯涌出特点进而研究瓦斯防治问题。     

回采工作面瓦斯涌出及防治

回采工作面瓦斯涌出直接影响着工作面通风的合理性、瓦斯灾害防治措施的有效性和高效生产的安全性.分析了回采工作面瓦斯涌出特点进而研究瓦斯防治问题.     

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.     

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。     

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.     

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。     

基于PCA-PSO-ELM的瓦斯涌出量预测

为了更加准确有效地预测瓦斯涌出量,提出采用主成分分析结合粒子群算法、极限学习机的瓦斯涌出量预测方法,其中极限学习机中隐含层节点数量及激活函数的类型由粒子群算法进行组合优化.实验综合考虑影响回采工作面瓦斯涌出量的13个因素对沈阳某煤矿历史数据进行分析,首先采用主成分分析对数据进行降维,消除指标数据之间的相关性,将降维后的数据划分为训练集和测试集2部分,设计了粒子群算法的惯性权重,并由粒子群算法结合十折交叉验证对极限学习机的2个参数进行优化,选择最优参数组合建立预测模型,通过对测试集瓦斯涌出量进行预测,其均方误差为0.108 3,优于采用极限学习机及随机森林的预测结果.     

回采工作面瓦斯涌出分布规律的研究

回采工作面瓦斯超限现象经常发生,给煤矿安全生产带来重大隐患.为了掌握回采工作面瓦斯涌出的状况及随时空的变化规律,寻找瓦斯富集地点,确保工作面安全生产.采用单元法原理对平煤新峰四矿12160工作面的瓦斯来源及构成进行了研究分析,得出了回采工作面瓦斯涌出的分布规律,为工作面防止瓦斯积聚及改变瓦斯运移通道等瓦斯治理提供必要的技术指导.     

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。     

工作面瓦斯涌出量逆向推算瓦斯含量梯度

采用回采工作面瓦斯涌出量计算公式变化为逆向推算瓦斯含量计算公式计算出瓦斯含量值,线性回归得出瓦斯含量梯度的方法.研究结果表明,瓦斯含量逆向推算方法充分利用矿井日常瓦斯监测数据,克服了煤层瓦斯含量测定的直接法的人为主观因素影响.研究结论瓦斯含量逆向推算方法突破了传统大量现场直接法测定瓦斯含量,由此计算瓦斯含量梯度的方法,提高了计算的准确性,有助于准确、方便、快捷的计算瓦斯含量梯度,可以作为计算瓦斯含量梯度的主要方法加以推广.     

矿井瓦斯涌出量建模预测

针对矿井瓦斯涌出量影响因素复杂,数据序列波动性较大,灰色GM(1,1)预测模型精度低,本身存在一定缺陷的特点,将自记忆性原理引人灰色系统理论,建立了矿井瓦斯涌出量预测的灰色自记忆预测模型。经在韩城下峪口煤矿应用表明,该模型具有预测精度高,稳定性好的特点。     

瓦斯涌出量灰色预测法

通过对回采工作面瓦斯涌出量原始数据取自然对数为基础,建立改进的GM(1,1)模型.然后将其与马尔柯夫模型相结合,建立了改进的灰色马尔柯夫模型.利用现场实测数据比较改进的GM(1,1)、灰色马尔柯夫和改进的灰色马尔柯夫模型各自的拟合精度,结果表明,改进的灰色马尔柯夫模型是3个模型中预测精度最好的模型,结果正确可靠,有一定的普遍适用性.