矿井未开采区瓦斯涌出量的预测

本文结合实测工程数据，利用数值分析的方法对矿井未开采区的瓦斯做出预测，为有效管理矿井瓦斯涌出提供了依据。     

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。     

玉华矿矿井瓦斯涌出量预测计算

根据玉华矿矿井瓦斯涌出量预测计算情况,指出本矿井必须建立瓦斯抽放系统,以降低矿井生产中的瓦斯涌出量,加强通风管理,确保矿井安全正常地生产。     

矿井瓦斯涌出量预测方法

为解决煤矿瓦斯涌出量预测不准确的问题,提出基于多种方法优化融合的瓦斯涌出量预测方法,建立瓦斯涌出量预测模型.采用适用于瓦斯涌出量系统特点的加权策略函数对最小二乘支持向量机进行改进,利用免疫遗传算法对加权最小二乘支持向量机进行核参数和正则化参数寻优.应用状态转移概率修正预测误差残值,使瓦斯涌出量预测模型的预测精度得到提高.研究结果表明:矿井瓦斯涌出量预测模型具有较好的快速性和准确性,具有广泛的应用前景.     

综放面瓦斯涌出规律与涌出量预测

在实测资料基础上分析了综放面瓦斯涌出现律，提出了综放面瓦斯涌出量计算公式。     

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.     

矿井延深水平相对瓦斯涌出量的组合预测

根据组合预测的基本原理，建立了矿井延深水平相对瓦斯涌出量的组合预测数学模型。实例分析表明：组合预测提高了预测精度，是一种切实可行的预测方法。     

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。     

灰色理论在矿井绝对瓦斯涌出量预测中的应用

应用灰色控制系统理论建立了矿井绝对瓦斯涌出量动态预测GM(1.1)模型,预测结果表明GM(1,1)模型能够反映矿井绝对瓦斯涌出量动态变化。     

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.     

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。     

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.     

瓦斯涌出量在矿井风量计算中的应用

针对小煤矿风量计算中瓦斯涌出量的取值,必须要考虑到设计产量大于瓦斯等级鉴定期间产量的实际情况,同时应根据已有的历年瓦斯等级鉴定报告中的相对瓦斯涌出量数据,需确定合适的瓦斯涌出量梯度,对矿井设计开采深部煤炭或设计通风困难时期风量的相对瓦斯涌出量作出预测。     

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。     

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。     

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.     

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.     

基于多元回归分析的瓦斯灾害预测

为了解决瓦斯灾害给煤矿带来的安全生产问题。以多元线性回归方法为基础,通过对铁法大刑矿4_(-2)煤层含煤岩系的沉积环境,岩性组合特征,煤层顶、底板岩性及其隔气、透气性能、煤的变质程度、区域地质构造、水文地质条件、火成岩的侵入与覆盖作用、以及煤层埋藏深度影响因素进行分析,对未采区煤层瓦斯涌出量进行预测。研究结果表明,矿井开采煤层瓦斯突出危险区域主要为煤层瓦斯含量较大的地质构造与火成岩体破坏相组合的块段。该成果对大兴矿的安全生产具有重要的现实意义。     

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。     

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。