注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 矿井回采工作面瓦斯涌出量预测新途径

  2. 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。

  3. 所属分类：其它

    • 发布日期：2020-05-24
    • 文件大小：153kb
    • 提供者：weixin_38641764

  1. 优化神经网络模型在瓦斯涌出预测中的应用

  2. 为准确预测矿井瓦斯涌出量,降低瓦斯涌出带来的危害,通过灰色关联分析理论得出影响瓦斯涌出量的主要因素为原始瓦斯含量>煤层厚度>煤层埋深>工作面长度>推进速度>煤层倾角,通过优化RBF模型对瓦斯涌出量预测模型进行构建,并运用Matlab仿真模拟预测矿井瓦斯涌出量,结果显示:基于优化RBF模型仿真模拟预测得出的矿井瓦斯涌出量与实际瓦斯涌出量非常接近,5组预测数据中,最大误差为3.6%,最小误差为0.8%,平均误差为1.84%,预测精度较高,可应用于矿井瓦斯涌出量的预测当中

  3. 所属分类：其它

    • 发布日期：2020-05-30
    • 文件大小：260kb
    • 提供者：weixin_38715048

  1. 基于灰色GM(1,1)新陈代谢模型的矿井瓦斯涌出量动态预测

  2. 矿井工作面瓦斯涌出是一个动态不确定的过程,因此最新瓦斯涌出数据的研究至关重要,本文将灰色GM(1,1)模型瓦斯涌出量预测结果加入原始数列,对原始数据序列的信息进行更新,建立了矿井瓦斯涌出量GM(1,1)新陈代谢动态预测模型,采用残差检验法对该模型精度进行检验,其平均相对误差为3.861%,预测精度明显优于GM(1,1)模型,提高了灰色GM(1,1)模型预测瓦斯涌出量的精度。

  3. 所属分类：其它

    • 发布日期：2020-06-19
    • 文件大小：677kb
    • 提供者：weixin_38631049

  1. 瓦斯涌出量预测的GM(1,1)模型改进

  2. 为了提高GM(1,1)模型预测矿井瓦斯涌出量的精度,分析了造成方程病态的原因,采用全最小一乘准则进行参数a和b的求解,解决了参数求解的稳健性问题。以玉河泰煤业1318采煤工作面为例,将改进的GM(1,1)模型用于矿井瓦斯涌出量预测,能够取得比传统GM(1,1)模型要高的预测精度,为矿井瓦斯治理提供依据。

  3. 所属分类：其它

    • 发布日期：2020-07-08
    • 文件大小：163kb
    • 提供者：weixin_38653664

  1. 基于灰色GM(2,1)模型的工作面瓦斯涌出量预测

  2. 利用灰色GM(2,1)模型理论建立了数学模型,对国投新集刘庄煤矿171302工作面进行了瓦斯涌出量预测。结果表明预测值与实际值之间的最大相对误差为8%,最小相对误差为0.09%,平均相对误差为4.64%,精度较高,可以应用于煤矿安全生产管理,减少煤矿瓦斯事故的发生。

  3. 所属分类：其它

    • 发布日期：2020-07-07
    • 文件大小：474kb
    • 提供者：weixin_38697579

  1. 任家庄煤矿首采工作面瓦斯涌出量预测

  2. 通过对任家庄煤矿首采工作面瓦斯涌出量影响因素的分析,认为该矿瓦斯涌出量控制系统是个充满灰现象的灰系统。应用灰色系统理论,建立了预测该矿首采工作面瓦斯涌出量的灰色系统GM(1,1)模型,并用残差序列进行了修正。

  3. 所属分类：其它

    • 发布日期：2020-07-05
    • 文件大小：128kb
    • 提供者：weixin_38548704

  1. 基于PCA-FOA-GRNN的回采工作面瓦斯涌出量预测

  2. 回采工作面瓦斯涌出量受多种因素共同影响,很难用线性方法进行准确预测。广义回归神经网络(GRNN)是一种前馈神经网络,具有鲁棒性好和高容错率的优点,并且调节参数只有1个,因此,基于GRNN构建预测模型,运用改进的果蝇优化算法(FOA)对传统GRNN模型进行优化,应用主成分分析法(PCA)对样本数据进行降维简化处理,以减少次要因素对预测结果的干扰。选取晓明矿数据对模型进行验证,预测效果良好,其平均绝对误差为3.98%,低于传统GRNN模型的7.06%。

  3. 所属分类：其它

    • 发布日期：2020-07-16
    • 文件大小：753kb
    • 提供者：weixin_38514805

  1. 深度学习耦合粒子群优化SVM的瓦斯浓度预测

  2. 为改进工作面煤矿瓦斯涌出浓度的预测精度,基于深度学习网络、SVM和粒子群(PSO)优化算法的原理,建立1种深度学习网络与粒子群优化SVM神经网络耦合的混合算法模型,该算法首先基于深度学习理论学习样本数据较深层次的特征,提取出较少个用来表征原始数据的特征量变量,对特征变量建立PSO-SVM预测模型进行瓦斯涌出浓度预测,通过工作面现场采集的数据进行仿真实验,实验结果表明该方法使预测精度较对原始数据直接进行PSO-SVM预测得到较大的提升,同时实现了原始数据的降维,减少了算法的运行时间,提高了算法效率

  3. 所属分类：其它

    • 发布日期：2020-07-16
    • 文件大小：341kb
    • 提供者：weixin_38677190

  1. 等维新息模型在矿井瓦斯涌出量预测中的应用

  2. 为了准确预测矿井瓦斯涌出量,介绍了灰色预测理论模型的建模方法与模型精度评定方法,阐述了采用等维新息模型进行矿井瓦斯涌出量分析的特点。并以顾桥煤矿1116(1)工作面相对瓦斯涌出量统计数据为实例,利用等维新息模型对其瓦斯涌出量趋势进行预测,分析了等维新息模型的合理维数,取得了较好的预测结果,并得到了具有实用价值的预测模型。

  3. 所属分类：其它

    • 发布日期：2020-07-16
    • 文件大小：786kb
    • 提供者：weixin_38681318

  1. 基于地质单元的邹庄矿瓦斯异常区划分

  2. 为了实现瓦斯治理分级分类管理,运用瓦斯地质理论与方法,结合安徽邹庄矿生产实际和井田内地质构造分布形态,将其划分为3个地质单元。通过研究各地质单元内的地质构造、瓦斯赋存特征、构造煤发育情况和已采区揭露的瓦斯地质信息,建立了预测瓦斯地质异常区的数学模型,并利用工作面效检指标验证模型的有效性;以实际采掘过程中发生动力现象点为临界点,对其相应指标赋临界值,最终形成了以瓦斯含量(7 m3/t)、相对瓦斯涌出量(6.3 m3/t)和构造煤厚度(1.5 m)为核心的瓦斯预测体系。

  3. 所属分类：其它

  1. 改进的灰色马尔柯夫模型预测采煤工作面瓦斯涌出量

  2. 以预测工作面绝对瓦斯涌出量为研究目的,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,并将该模型应用到中岭煤矿首采工作面瓦斯涌出量预测分析中.结果表明,灰色马尔柯夫模型预测工作面瓦斯涌出量拟合精度较好,结果正确可靠,有一定的普遍应用性.

  3. 所属分类：其它

    • 发布日期：2020-07-18
    • 文件大小：926kb
    • 提供者：weixin_38699726