改进BP算法在煤与瓦斯突出预测中的应用主要为了正确预测煤与瓦斯突出的趋势与危险性，基于反向!"神经网络，笔者提出了一种改进的"网络模型：为了加快!"网络的收敛速度，增强其跳出局部极小点的能力，采用了自适应变步长法和改进模拟退火法（#$法）相结合的方法。实际应用表明，该模型收敛速度快，准确性高，具有较高的可靠性和实用性，是一种十分有效的煤与瓦斯突出危险性预测方法。

针对传统BP神经网络收敛速度慢、易陷入局部极小等问题,采用Matlab神经网络工具箱中的自适应学习率VLBP算法和基于数值优化技术的LMBP算法对传统BP神经网络算法进行改进,并设计了基于改进BP神经网络的煤与瓦斯突出预测系统;分别采用传统BP神经网络模型和改进的BP神经网络模型进行煤与瓦斯突出预测实验,结果表明改进的BP神经网络能够更快、更准确地预测煤与瓦斯突出。

为了更合理地确定影响煤与瓦斯突出因素的权重,在层次分析法判断矩阵的构造上,论文主要用三标度法对传统的九标度法进行改进。利用改进的层次分析法确定影响煤与瓦斯突出各因素的权重,用隶属度构造了单因素模糊判别矩阵,用模糊综合评判建立了预测煤与瓦斯突出的多种模型,并且进行了二级模糊综合评判。将改进的层次分析法和二级模糊综合评判结合起来应用于煤与瓦斯突出危险等级预测中。对神仙坡等煤矿的多个工作面进行了煤与瓦斯突出危险等级预测。结果表明,利用改进的层次分析法——二级模糊综合评判预测煤与瓦斯突出等级是合理可行的

煤与瓦斯突出是威胁煤矿安全生产的重要灾害之一.矿井的突出危险性预测评估工作,对规范矿井生产、保证生产安全有着重要的意义.基于灰色系统理论,选取国内41组矿井现场实测的预测突出危险性单项指标,包括相对瓦斯压力、煤的破坏类型、煤的坚固性系数、煤样的瓦斯放散初速度,选取适当的靶心,建立判断煤与瓦斯突出危险性的改进的灰靶模型.应用该模型对10组矿井实测的数据进行突出危险性判断,结果与实际情况一致,说明基于改进的灰靶模型对矿井煤与瓦斯突出危险性预测是准确可行的.

针对瓦斯突出时间序列的非平稳特性,提出了一种基于经验模态分解和极限学习机的瓦斯突出预测模型。以某矿井工作面实际采集的瓦斯浓度为例,仿真结果表明EMD-ELM模型在训练速度和预测精度上优于ELM和最小二乘支持向量机模型。