基于灰色系统理论的煤矿瓦斯涌出量预测研究

运用灰色理论建立巷道瓦斯涌出量的灰色模型,对矿井瓦斯涌出量进行预测预报。采用残差识别方法修正GM(1,1)模型进行瓦斯涌出量预测,预测精度更高。利用灰色灾变预测理论,对某矿矿井工作面瓦斯涌出资料进行分析、研究,建立煤矿瓦斯涌出量灰色预测模型,并对矿井瓦斯涌出量变化趋势进行预测。     

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。     

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.     

缓冲算子理论在矿井瓦斯涌出量预测中的应用

以预测矿井瓦斯相对涌出量为研究目的,运用缓冲算子理论,建立了灰色系统模型,并将该模型应用到某矿井的瓦斯涌出量预测分析中,对该矿历年来相对瓦斯涌出量进行了灰色生成,建立了灰色预测,对照精度检验可知,达到了一级精度,预测结果可靠。     

瓦斯涌出量的模糊数学与灰色系统理论的预测

矿井瓦斯涌出量的预测是典型的灰色系统,本文以灰色系统和模型数学为基础,探讨了矿井瓦斯涌出量的影响因素,分析了灰色系统理论的不足,建立了符合实际的模糊灰色模型,并把时间序列改进成为影响因素序列,对矿井瓦斯涌出量进行预测,研究结果表明,该方法能较准确地反映矿井瓦斯规律。     

MGM(1,N)模型用于瓦斯涌出量预测

矿井瓦斯涌出量预测是新建矿井和改扩建矿井通风设计、安全管理、制定合理的瓦斯防治措施必不可少的重要环节。加强瓦斯涌出量预测方法研究,正确预测瓦斯涌出量,对改善我国煤矿安全生产状况具有积极的意义。在瓦斯涌出量预测中,瓦斯涌出量受多因素综合影响,且各个因素间相互影响、相互关联。文中提出一种新的矿井瓦斯涌出量预测方法——MGM(1,N)模型预测法。该方法综合考虑了瓦斯涌出量的各个影响因素,预测精度较高。其结果对煤矿安全生产具有指导意义。     

基于灰色理论与BP神经网络瓦斯涌出量预测研究

瓦斯涌出是煤炭行业井下作业难以控制的一个危险因素。为研究瓦斯涌出量的变化规律,提高瓦斯涌出量预测的准确性,本文结合灰色理论与BP神经网络构建了灰色—BP神经网络系统用于矿井瓦斯涌出量的预测。以山西某矿为工程背景,以MATLAB软件为计算平台,对上述方法和模型进行了应用实践和现场验证,将灰色预测、BP神经网络和灰色—BP神经网络预测结果和原始数据进行了对比分析。研究结果表明:灰色—BP神经网络预测的数据精确度和可靠性更高,计算的结果与原始数据的规律基本一致。因此,灰色—BP神经网络系统能较准确地预测矿井瓦斯涌出量,对预测瓦斯涌出量的预测方面具有一定的指导作用。     

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。     

新信息优先原则下矿井回采工作面瓦斯涌出量的MUBGM(1,1)-Markov预测

为实现煤矿瓦斯涌出量的高精度预测,进而对矿井通风设计和瓦斯事故防治提供理论依据,以传统GM(1,1)模型为基础,建立了一种等维新息式无偏灰色马尔可夫预测模型(MUBGM(1,1)-Markov模型)。该模型将无偏灰色GM(1,1)模型与马尔可夫模型相结合,依据2001—2010年西北地区某煤矿二矿区矿井相对瓦斯涌出量数据,在新信息优先原则下经等维新息处理和原始数据序列的不断更新,预测出2011—2016年该矿的相对瓦斯涌出量。研究结果表明,MUBGM(1,1)-Markov预测模型不仅消除了传统灰色GM(1,1)模型的固有偏差,而且预测值可随数据的变化实时更新,预测效果理想,2013—2015年的平均相对误差仅为0.012 4,在中长期预测中具备明显优势,其较高的准确性和较强的适用性,为矿井瓦斯涌出量的高精度预测提供了可靠的保障。     

基于主成分灰关联的瓦斯涌出量预测模型

为分析矿井瓦斯涌出的非线性关系、指标间复杂联系和准确预测瓦斯涌出量,基于主成分分析和灰色关联理论在克服指标的共线性、相关性对瓦斯涌出量影响,兼顾二者关联性之上,确定主要指标,建立瓦斯涌出量预测的距离模型和灰色模型,进而基于支持向量机非线性,构建非线性组合预测模型.利用训练样本学习和最小绝对百分比误差确定预测模型参数,并以沈阳某矿某工作面为例,运用已构建模型预测瓦斯涌出量.研究结果表明:日产量、采出率与其他指标的共线性相对较强,煤层间距、临近层厚度及层间岩性与其他指标的共线性相对最弱;该模型绝对百分比误差最大为5.83%,预测精度相对高于各个单项预测模型,大幅降低预测风险.     

煤矿井下瓦斯涌出量的动态预测

本文用灰色系统理论的GM(1,1)模型,对于铜川矿务局陈家山矿的瓦斯涌出量进行了动态预测。     

基于Elman组合预测模型的瓦斯涌出量预测

为提高矿井瓦斯涌出量的预测精度,基于Elman回归神经网络原理,以指数型线性回归、双曲线型线性回归及灰色预测三种方法得到的瓦斯涌出量预测值为样本数据,建立Elman组合预测模型,并利用MATLAB软件进行预测。结果表明,Elman组合预测结果的拟合曲线更接近实际情况。该模型有效提高了瓦期涌出量的预测精度,为煤矿安全生产提供了理论支持。     

GA优化灰色神经网络的煤矿瓦斯浓度预测

针对神经网络在煤矿瓦斯浓度预测中存在缺少大量实时数据和难以精确建模的问题,建立一种遗传算法优化灰色神经网络模型。采用灰色预测少数据模型理论和神经网络的自学习能力构建改进的瓦斯浓度预测模型,并利用遗传算法对该模型的初始权值和阈值进行优化。结果表明,遗传算法优化灰色神经网络模型较传统模型提高了瓦斯浓度的预测精度和速度。该研究为预防瓦斯事故的发生提供了有益参考。     

矿井瓦斯涌出量的径向基函数网络预测模型

为进一步研究瓦斯涌出量与影响因素之间的映射关系,建立了径向基函数网络预测模型,并基于瓦斯涌出量与影响因素关系的实际收集数据,对其本构关系进行了函数逼近,通过网络所建立的映射关系对矿井瓦斯涌出量进行了预测。实例分析表明,利用RBF网络预测矿井瓦斯涌出量,拟舍精度较高,与BP网络相比较,具有较高的预测效率和精度。     

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。     

开滦矿区唐山煤矿瓦斯涌出规律及其预测

根据开滦集团唐山煤矿的地质背景、瓦斯分析报表等统计资料,分析瓦斯涌出特征及构造、埋深、地应力与瓦斯涌出量的关系,并采用分源预测法及地质统计法预测唐山煤矿地区8、9煤瓦斯涌出情况。结果表明：唐山煤矿瓦斯涌出形式为普通涌出,瓦斯来源为煤层瓦斯与采空区瓦斯;瓦斯涌出量明显受构造控制,大构造附近瓦斯富集较多;其涌出量随埋深增大而增大,分布状态与最大主应力的分布状态大体一致。地质统计法显示,绝对瓦斯涌出量随着埋深的增大而增大,变化梯度为1.35 m3/（min.hm）;分源预测法显示,瓦斯涌出量随煤层瓦斯含量增大而增大,并且明显呈正相关关系。该研究为矿井安全生产提供了有益参考。