介绍Matlab神经网络工具箱在煤矿瓦斯治理工作中的2个成功应用实例:用BP人工神经网络建立起采煤工作面平均瓦斯相对涌出量与地质构造间的对应关系,预测未开采区域在采动时的平均瓦斯相对涌出量;利用人工神经网络拟合已抽放区域的抽放监测数据以准确计算一定时间内的瓦斯抽放量,最终确定合理瓦斯抽放时间。

基于MATLAB的灰色模型在矿井瓦斯涌出量预测中的应用，曹爱虎，陈凯，采用灰色系统预测中的GM(1，1)模型，利用MATLAB强大的矩阵处理功能进行编程，以某矿井等时间间距的瓦斯涌出量为原始数据序列，建立矿

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

瓦斯涌出量的预测是矿井瓦斯防治的基础。结合瓦斯涌出量和开采深度的离散数据,通过数学分析建立了线性型、二次多项式型、指数型和双曲线型4种数学模型,并运用Matlab软件进行拟合分析,得出瓦斯涌出量与开采深度的最佳函数关系,达到预测未开采区域瓦斯涌出量的目的。