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.     

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.     

灰色系统理论在煤与瓦斯预测中的应用

将煤体温度变化、电磁辐射、声发射以及煤的破坏类型和煤层的地质构造综合起来考虑,应用灰色系统理论中的多维灰色评估方法,对煤与瓦斯突出灾害进行预测,以提高瓦斯突出预测预报的准确性.并编制了煤与瓦斯突出预测预报软件,为煤与瓦斯突出预测提供一种新思路和新方法.     

灰色系统理论在煤与瓦斯预测中的应用

将煤体温度变化、电磁辐射、声发射以及煤的破坏类型和煤层的地质构造综合起来考虑,应用灰色系统理论中的多维灰色评估方法,对煤与瓦斯突出灾害进行预测,以提高瓦斯突出预测预报的准确性。并编制了煤与瓦斯突出预测预报软件,为煤与瓦斯突出预测提供一种新思路和新方法。     

基于GIS的煤与瓦斯突出区域预测的可视化

为了查明矿井地质构造、应力场等突出影响因素与突出危险性之间的内在联系,在GIS技术支持下建立多因素模式识别模型,综合应用VB、MATLAB完成煤与瓦斯突出危险性预测可视化程序的开发.用多因素模式识别概率预测方法进行煤与瓦斯突出危险性的区域预测,划分潘一矿井田的煤与瓦斯突出危险区、突出威胁区和无突出危险区,对煤与瓦斯突出危险性做出评估.实现煤与瓦斯突出预测的可视化管理,提高瓦斯灾害预测的准确性.     

潘一矿煤与瓦斯突出危险性模式识别与概率预测

通过地质动力区划方法确定了区域地质构造背景.在查明多个突出影响因素与突出危险性之间的内在联系的基础上,建立了多因素模式识别模型,确定了煤与瓦斯突出概率预测准则,采用多因素模式识别概率预测方法完成煤与瓦斯突出危险性的区域预测.划分潘一矿井田的煤与瓦斯突出危险区、突出威胁区和无突出危险区,对煤与瓦斯突出危险性做出了评估,提高了瓦斯灾害预测的准确性.     

煤与瓦斯突出的构造物理环境及其应用

将构造物理学的理论和方法应用于煤与瓦斯突出预测中,对地质构造控制煤与瓦斯突出机理及分布规律进行了研究,指出煤与瓦斯突出构造物理环境由构造组合特征、构造应力场、构造煤和煤层瓦斯四因素组成,探讨了煤与瓦斯突出构造物理环境各种因素控制突出的机理,提出了煤与瓦斯突出构造物理环境多种因素的综合作用控制地质构造带煤与瓦斯突出,为地质构造突出危险性判定提供了理论依据.工程实践证明,利用煤与瓦斯突出构造物理环境可以对煤与瓦斯突出进行准确地预测.     

煤与瓦斯突出预测层次分析-模糊综合评判方法

将层次分析和模糊综合评判方法结合起来应用于煤与瓦斯突出预测研究中.运用层次分析法确定了煤与瓦斯突出各影响因素权重系数,采用隶属函数构造了单因素判别矩阵,并运用模糊综合评判法建立了煤与瓦斯突出预测模型. 对平顶山研究区典型工作面进行了瓦斯突出危险性的定量预测和突出等级划分.结果表明,应用层次分析-模糊综合评判方法预测煤与瓦斯突出强度是可行的.     

基于神经网络与遗传算法耦合的 煤与瓦斯突出区域预测研究

煤与瓦斯突出是煤矿地下开采过程中的一种动力现象,剧烈的动力效应可导致矿井重大的财产损失和人员伤亡,因此,实现煤与瓦斯突出的有效预测对煤炭工业安全生产具有重要意义。文章以煤与瓦斯突出的自然条件及地质构造特征为基础,针对神经网络易陷入局部极小而引起预测指标权值分布不合理的缺陷,提出了基于神经网络和遗传算法耦合的煤与瓦斯突出区域预测模型,并进行了实例验证。研究结果证明了该模型的合理性,对煤矿实现煤与瓦斯突出区域的预测具有较大的指导价值。     

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。     

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.     

基于量子免疫遗传算法的煤与瓦斯突出神经网络预测

为了用BP神经网络更准确地预测煤与瓦斯突出危险性,将免疫算法中基于繁殖概率的抗体多样性保持机制引入量子遗传算法(QGA),提出量子免疫遗传算法(QIGA)优化神经网络模型QIGA-BP。模型采用QIGA分别对神经网络的隐含层和连接权值进行全局寻优,以此提高BP网络的搜索效率和泛化能力。以平均影响值分析法筛选的煤与瓦斯突出显著变量作为BP网络的最佳输入参数,分别用QIGA-BP,QGA-BP,免疫遗传优化BP模型和传统BP模型对突出煤层工作面的实例数据进行预测。结果表明,QIGA在BP网络优化过程中具有更好的优化性能,用QIGA-BP模型预测工作面突出危险性具有更好的预测能力和更高的预测准确率。     

煤与瓦斯突出预报的模糊聚类关联分析法

首先采用模糊聚类分析对煤与瓦斯突出的样本集合进行分类，建立不同突出程度的模糊模式。然后用关联分析确定待预报样本与模式的关联程度，以此预测预报样本的煤与瓦斯突出危险程度。这种预报方法相对于模糊聚类分类后，将模式与待预报样本组成新的样本集合，再进行聚类分析，以此分类结果进行预报法。不仅可靠程度高，而且能定量描述待报样本与模式的亲和程度。     

金佳矿7#煤层掘进工作面突出预测理论与实践

基于煤与瓦斯突出流变—突变机理,探讨了金佳矿7#煤层掘进工作面采用放炮后落煤瓦斯涌出量动态指标预测突出危险性,确定了指标临界值,并介绍了初步试验效果。     

瓦斯浓度序列的煤与瓦斯突出预报方法及应用

对监测到的瓦斯浓度序列进行深入研究的基础上,提出了利用瓦斯浓度序列预报煤与瓦斯突出的新方法,设计了突出预报软件,并以某矿实际突出前瓦斯浓度序列进行了验证。结果表明:瓦斯浓度序列在突出发生2h前表现了突出前兆信号,并且随着突出的临近,该信号越来越强。由此可见,该方法是可行的,且能弥补常规预报方法中的不足,使预报更为准确、可靠。     

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。