基于人工神经网络的矿井涌水量预测

应用人工神经网络理论,提出了矿井涌水量预测的新方法,并将其与自回归时序模型进行了比较验证。结果表明,运用神经网络方法进行矿井涌水量预测,精度高,自适应性强,在数据不十分充足的情况下,效果尤其好于自回归模型。     

人工神经网络在矿井突水预报中的应用

突水预报是一项重要的矿井水文地质工作。借助于人工神经网络在处理非线性问题或非结构问题方面的优势，采用BP算法，基于大量矿井突水样本实例建立了突水预报神经网络模型，并将该模型用于实际预报，并取得了较好的效果。结果表明，模型具有较强的实用性。为了提高模型的预测精度，在训练样本的选择上还应具有一定的代表性。     

基于SVM降雨充水矿井涌水量预测

为了准确预测降雨充水矿井涌水量,将SVM算法应用于降雨充水矿井涌水量预测,通过对SVM算法分析,确定了合适的核函数及其参数,提出了基于SVM算法的降雨充水矿井涌水量预测模型,并根据所选矿区自然地理情况,确定了预测输入因子和输出因子。通过MATLAB语言编程,结果显示:预测值与实际测量值具有较好的一致性,验证了矿井涌水预测模型是有效的。     

矿井涌水量的数学模型与预测

运用增长曲线数学模型模拟矿井涌水量的变化规律,解决了矿井涌水量的模型描述及矿井最大涌水量的预测,为矿井合理配置提供了科学的依据,给出了各种模型的建立,转换关系,估计方法及实例。     

浅析矿井水涌水量预测的几种常见方法

矿井涌水量预测是一项复杂而艰巨的工作.分析了矿井涌水量预测中常用的几种方法和特点,提出了在矿井水涌水量实际预测中,应根据预测精度要求和水文地质特点等条件,合理选用适当的预测参数和方法.     

河南省郑宏鑫泰煤矿水文地质特征及矿井涌水量预测

针对矿井6个含水层和4个隔水层分析了鑫泰煤矿水文地质特征,同时深入研究了矿井的充水水源及充水通道.采用大井法和比拟法预测了矿井涌水量.经比较比拟法预测结果更可靠:开采-119 m水平时,Q正常=164.00 m3/h,Q最大=328.00 m3/h;开采-230 m水平时,Q正常=325.00 m3/h,Q最大=650.00 m3/h.为矿井水害防治和安全生产提供了科学依据.     

基于云理论与加权马尔可夫模型的矿井涌水量预测

针对矿井涌水量预测问题,提出一种新的既考虑模糊性又考虑随机性的云加权马尔可夫预测模型。其过程为:首先,利用云理论对矿井涌水量状态概念进行云划分,通过X条件云发生器确定训练样本各年份涌水量所属状态;由于云模型具有模糊和随机特性,同一样本属性值通过X条件云发生器时,输出不同的状态,从而形成不同情形下的马尔可夫状态空间,为此,根据各种情形出现的频数,确定各自的权重。然后,应用加权马尔可夫预测法,计算各种情形下预测样本所属状态的概率矩阵,加权求和得到最终的预测概率矩阵,并根据最大隶属度原则,确定预测样本所属状态。最后,以河南鹤壁四矿1982—1999年的矿井涌水量时间序列作为训练样本,采用所建立的云加权马尔可夫预测模型,对2000—2001年的矿井涌水量所属状态进行预测,研究结果表明:2000年和2001年的涌水量预测状态同为状态5,属涌水量较少年份,与其实际状态相一致。     

降水充水类型矿井涌水量预测方法研究

矿井涌水量是影响煤矿安全生产的主要因素之一,它直接影响到矿井水文地质条件的复杂程度,关系到对矿床的经济技术评价,因此有效的矿井涌水量预测成为了矿井安全生产的重要因素。为了更有效地预测矿井涌水量,针对降水充水类型的矿井以古书院矿为例,通过分析近五年降水量和涌水量资料,利用回归分析法推导出二者定量关系式,并对近20年的降水量采用水文频率分析法分析得出平水年、丰水年的平均降水量,以此作为因变量,根据推导出的降水量和涌水量函数关系式,分别预测矿井的正常涌水量和最大涌水量,达到有效预测的目的。     

东坡井田矿井构造的人工神经网络定量评价

以东坡井田为例介绍了人工 神经网络方法在矿井构造定量评价中的应用。首先在分析了东坡井田矿井构造主要影响因素基础上,确定了12个指标作为指标;然后详细叙述了神经网络输入层、隐层及输出层神经元个数的确定以及利用有序的质量最优分割方法和插值法得到训练样本;最后经过学习对网络进行训练,利用此网络对划分出的东坡井田的评价单元进行评价取得了良好的效果。     

基于CEEMDAN-BO-BiGRU的矿井涌水量预测研究

为提高矿井涌水量预测的准确度,基于涌水量数据的不稳定性及随机性,提出一种自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)、贝叶斯优化(Bayesian optimization, BO)与双向门控循环单元(bi-directional gated recurrent unit, BiGRU)相结合的矿井涌水量预测模型CEEMDAN-BO-BiGRU。所提模型通过CEEMDAN将涌水量数据分解为多个较平稳的固有模态分量(intrinsic mode function, IMF)和残差分量(residual components, Res),过滤数据噪声,提取数据不同时间尺度波动特征,降低预测误差。利用贝叶斯优化对BiGRU模型多个超参数进行迭代寻优,进一步提高模型的预测精度。之后对各分量进行超前1～3步预测,最终将各分量预测结果加和得到涌水量多步预测结果。以小庄煤矿矿井涌水量数据进行试验,并将CEEMDAN-BO-BiGRU预测结果与其他多种预测模型结果...     

新疆库尔勒市塔什店矿区一号矿井矿井涌水量预测

本文阐述了塔什店矿区一号矿井区域水文地质构造、井田水文地质构造,利用四个抽水孔的资料,分别通过大井法、水文地质比拟法预算首采区巷道系统矿井涌水量,作为拟建矿井的参考。     

基于数值模拟方法的煤矿开采涌水量预测分析

煤矿开采涌水量的预测对于煤矿的安全生产至关重要。目前矿井涌水量预测方法以解析法、比拟法、数值法为主。选取陕北头道河则、二道河则沟域为研究区,分析沟域及矿区的水文地质条件,构建地下水三维非稳定流数值模型,模拟区内3号煤矿在综采和分层开采两种开采方式下的矿井涌水量及其地下水位变化过程。模拟结果表明：煤矿开采对区域地下水环境造成一定影响;综采方式形成的导水裂隙带高度相较分层开采方更大,且易与第四系潜水含水层导通,导致涌水量增大,从而引起水害。煤矿开采过程中应引起足够重视,注意监测及做好相应预防措施。     

基于变维分形的矿井涌水量预测模型

以某矿为例,把变维分形理论引入矿井涌水量预测中,由此构建该矿井的涌水量预测模型,并进行验证分析。结果表明,预测结果与实际结果在短期内极为一致,预测周期变长,则效果不明显。这表明变维分形理论在矿井涌水量短期预测中具有较高的研究价值和应用前景。     

浅谈新陆矿矿井水净化处理再利用的可行性

新陆矿是核定能力年产70万吨的中型矿井,矿井涌水量相对较小,近年来矿井平均涌水量为117万吨,按近年来平均涌水量计算,每年至少要有73万吨矿井水外排,即污染环境,又浪费水资源。因此,必须上矿井水净化项目,对外排的矿井水进行净化处理。     

矿井涌水量预测方法及适用性评价

本文在广泛阅读国内外相关文献的基础上,从分布参数法和集中参数法的角度出发,深入地综述和剖析了现有矿井涌水量预测的方法。同时以新汶矿区为实例,运用数值法、解析法和比拟法对矿井涌水量进行预计。与实测数据对比,对预测方法的特点及适用性进行了评价。评价结果表明,对于研究区水文地质资料详实的情况下可利用数值法进行预测。对于研究区资料不够丰富时,可采用数值法进行模拟进行预测,同时利用解析法进行对比。对于新建的矿井,水文地质参数不足时,可使用水文地质比拟法进行预测。这种评价对于类似条件矿井涌水量预测方法选择具有一定的指导意义。     

人工神经网络在矿井突水预报中的应用

突水预报是一项重要的矿井水文地质工作。借助于人工神经网络在处理非线性问题或非结构问题方面的优势,采用BP算法,基于大量矿井突水样本实例建立了突水预报神经网络模型,并将该模型用于实际预报,并取得了较好的效果。结果表明,模型具有较强的实用性。为了提高模型的预测精度,在训练样本的选择上还应具有一定的代表性。     

基于人工神经网络的突出矿井分级方法

应用人工神经网络理论与方法建立了突出矿井分级的BP网络模型 ,并用该模型对部分突出矿井进行了突出危险等级划分尝试。结果表明 ,该方法较为简便、分级可判性强 ,用于突出矿井分级是可行的。     

煤矿开采矿井涌水量预测方法现状及发展趋势

煤矿开采矿井涌水量对于煤矿防治水以及安全高效生产具有重要意义。详细阐述了矿井涌水量预测方法,并对其预测过程进行了较为详细的论述与分析。指出矿井涌水量预测方法存在的问题,针对存在的问题,提出了未来应建立多因素综合模型,将传统的单一模型进行扩大,提高适用范围和预测精度;建立基于大数据的预测,将矿井涌水量与大数据有机结合,通过大数据分析涌水量的特征预测矿井涌水量;进行系统理论综合分析,将矿区涌水量作为一个系统,从时空序列中提取地下水变化特征,为涌水量的预测提供支撑。     

基于人工神经网络的股价指数预测

本文阐述了现行的股价指数预测方法的基于线性假设的局限性,针对股票价格指数的非线性变动特性,探讨了一种基于人工神经网络的股价指数预测模型,并通过Matlab6．5编程实现,运用到沪深300指数预测中。仿真结果表明,采用人工神经网络方法的误差较小,预测精度较高,能在一定程度上克服现行的预测方法的不足。