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. 基于遗传算法改进的BP神经网络模型在邻近层瓦斯涌出量预测中的应用

  2. 邻近层瓦斯向回采工作面运移是造成工作面瓦斯浓度超限的原因之一。运用遗传算法和BP神经网络的基本理论,选取了影响邻近层瓦斯涌出9个基本指标,建立邻近层瓦斯涌出的预测模型,并通过现场实测数据对邻近层瓦斯涌出量进行了预测。预测结果表明:该模型预测获得的精度较高,预测模型可靠。

  3. 所属分类：其它

    • 发布日期：2020-05-10
    • 文件大小：175104
    • 提供者：weixin_38746293

  1. 因子分析法与BP神经网络耦合模型对回采工作面瓦斯涌出量预测

  2. 针对工作面瓦斯涌出量的影响因素众多且难以筛选的问题,提出了基于因子分析法与BP神经网络的工作面瓦斯涌出量预测方法。首先运用因子分析法对矿井瓦斯涌出量的影响因素降维处理,并筛选出3个主因子作为BP神经网络的输入端神经元,然后构建出基于BP神经网络的工作面瓦斯涌出量预测模型,并进行网络训练,最后对预测模型的可靠性进行检验。结果表明:因子分析处理后变量作用在影响因子上的权重得到了重新分配,并且变量的维数得以减少,错综复杂的变量关系被优化成3个主因子之间的线性组合关系,使得BP神经网络模型预测的瓦斯涌出

  3. 所属分类：其它

    • 发布日期：2020-04-30
    • 文件大小：1048576
    • 提供者：weixin_38680247

  1. 基于Matlab的神经网络工具箱在矿井瓦斯治理中的应用

  2. 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。

  3. 所属分类：其它

    • 发布日期：2020-04-27
    • 文件大小：234496
    • 提供者：weixin_38685608

  1. 基于卡尔曼滤波及神经网络的瓦斯涌出量预测

  2. 为解决当前瓦斯涌出量预测过程中存在的因影响因素过多、预测指标与瓦斯涌出量之间非线性关系及其自身时变性等特点而导致预测精度降低的问题,采用SPSS因子分析法对瓦斯涌出量影响因素进行分析降维,将得到的预测指标由构建的BP神经网络与卡尔曼滤波相结合的瓦斯涌出量预测模型进行预测。研究结果表明:采用因子分析的方法能够有效筛选瓦斯涌出量影响因素,并得到了预测指标,降低了预测模型预算复杂度;经过BP神经网络与卡尔曼滤波耦合瓦斯涌出量预测模型,其预测精度明显高于直接采用神经网络模型预测的结果,预测性能明显改善,

  3. 所属分类：其它

    • 发布日期：2020-04-19
    • 文件大小：1048576
    • 提供者：weixin_38571544

  1. 基于BP网络的瓦斯涌出量的预测

  2. 基于BP网络的瓦斯涌出量的预测，李石，，煤矿通风与安全管理中瓦斯涌出量的预测，将对矿井的瓦斯危害和事故进行防治提供依据。本文基于经典BP网络的基本原理，利用煤矿通�

  3. 所属分类：其它

    • 发布日期：2020-01-17
    • 文件大小：393216
    • 提供者：weixin_38706951

  1. 基于偏最小二乘回归的回采工作面瓦斯涌出量预测模型

  2. 针对回采工作面瓦斯涌出量回归建模过程中自变量间出现多重共线性问题,提出应用偏最小二乘回归(PLS)对瓦斯涌出量进行预测的建模思路。选取地质及采矿2个方面共12个参数指标作为回归因子,利用15个瓦斯涌出实例为建模样本,建立了回采工作面瓦斯涌出量的偏最小二乘回归模型。建立的模型对训练样本拟合效果良好,最大误差为6.09%,平均误差仅为2.06%;对其余几个案例进行预测,精度优于主成分分析和BP神经网络,与最小二乘-支持向量机模型相当。研究表明,基于偏最小二乘回归进行工作面瓦斯涌出量预测是一种有效可行

  3. 所属分类：其它

    • 发布日期：2020-05-29
    • 文件大小：497664
    • 提供者：weixin_38703794

  1. 回采工作面推进过程中的瓦斯涌出预测分析

  2. 针对现有回采工作面瓦斯涌出预测方法的数据大都是基于回采工作面单一传感器的瓦斯浓度序列,存在无法将工作面持续推进过程中空间位置变化的监测点位置进行记录的问题,提出了以回采工作面传感器各监测点瓦斯浓度序列数据为基础,结合工作面实际推进距离,运用BP神经网络模型综合预测工作面瓦斯涌出量的方法。该方法利用回采工作面瓦斯分源辨识方法,分别分析采空区瓦斯涌出和煤壁瓦斯涌出的变化规律;利用BP神经网络预测法,结合表征采空区瓦斯涌出和巷道煤壁瓦斯涌出规律的特征值对工作面日均瓦斯涌出进行预测。实例应用验证了该方法

  3. 所属分类：其它

    • 发布日期：2020-05-27
    • 文件大小：251904
    • 提供者：weixin_38686677

  1. 基于小波神经网络的瓦斯涌出量预测

  2. 为了更准确地预测矿井瓦斯涌出量,提出了采用一类小波神经网络对井下瓦斯涌出量进行预测技术,小波神经网络为紧致型结构,小波采用Daubechies小波。为了提高小波神经网络的泛化能力,将遗传算法应用到小波神经网络的权值学习中。仿真试验表明,提出的基于小波神经网络预测模型与传统的BP神经网络的预测模型相比,其预测值更为准确。

  3. 所属分类：其它

    • 发布日期：2020-05-30
    • 文件大小：183296
    • 提供者：weixin_38616359

  1. 基于BP神经网络的瓦斯涌出量预测的研究

  2. 应用神经网络理论知识,结合贵州某矿的实测数据,建立了基于BP神经网络的瓦斯涌出量预测模型,通过数学软件MATLAB7.0对瓦斯涌出量进行预测,预测结果与实际涌出量吻合度较高,说明了BP神经网络在瓦斯涌出量预测上的可行性。为煤矿的安全生产中瓦斯量的预测提供了一种新的途径。

  3. 所属分类：其它

    • 发布日期：2020-06-18
    • 文件大小：123904
    • 提供者：weixin_38721811

  1. 基于因子分析法的瓦斯涌出量预测指标选取

  2. 为解决瓦斯涌出量预测过程中存在的预测指标过多而导致预测精度降低的问题,构建因子分析与BP神经网络相结合的瓦斯涌出量预测模型。采用SPSS因子分析法对瓦斯涌出量影响因素进行了分析降维,并对BP神经网络模型进行训练及预测。结果表明:因子分析能使BP神经网络的输入变量从10个降为3个有实际含义的因子,经因子分析后预测模型的预测速度及精度均高于未处理的样本数据,预测性能明显改善,其平均误差为3.8%,最大误差为4.9%,表明所采取瓦斯涌出量预测指标的选取方法是可行和有效的。

  3. 所属分类：其它

    • 发布日期：2020-06-15
    • 文件大小：1019904
    • 提供者：weixin_38528939

  1. 基于BP神经网络分源预测综采面瓦斯涌出量研究

  2. 为了提高综采工作面瓦斯涌出量的预测精度,根据综采工作面瓦斯来源的分析,在瓦斯分源预测方法的基础上,融合神经网络预测技术,建立BP神经网络分源预测模型。结合某矿1242(1)工作面地质条件和开采技术条件,利用BP神经网络分源预测模型对工作面瓦斯涌出量进行了预测,结果表明,BP神经网络分源预测模型预测精度能满足现场需求,与分源法相比较,在综采工作面瓦斯涌出量预测中方便简洁而且具有很高可信度,其应用前景更广泛。

  3. 所属分类：其它

    • 发布日期：2020-06-23
    • 文件大小：1048576
    • 提供者：weixin_38670208

  1. 基于RBF神经网络的瓦斯涌出量预测

  2. 传统瓦斯涌出量预测方法存在一定的局限性,预测精度不能满足要求。为了提高瓦斯涌出量预测精度,采用RBF神经网络对瓦斯涌出量相关数据进行建模。通过训练13组样本,对5组数据进行预测,分析了隐层神经元个数对预测精度的影响,并与同结构的BP神经网络预测结果进行了对比。研究结果证明了RBF神经网络在瓦斯涌出量预测中的有效性。

  3. 所属分类：其它

    • 发布日期：2020-07-05
    • 文件大小：241664
    • 提供者：weixin_38544978

  1. 基于多元线性回归与BP神经网络的矿井瓦斯预测模型应用

  2. 矿井瓦斯涌出量受众多因素的影响。经研究表明,煤层埋藏深度、煤层厚度、煤层瓦斯含量、煤层间距、日进度及日产量是影响瓦斯涌出的主要因素。利用多元线性回归和BP神经网络理论,分别对矿井瓦斯涌出量进行了预测,最后建立了多元线性回归与BP神经网络的组合预测模型。该模型兼顾了多元回归分析的非线性特性和神经网络的时序特性,通过具体的实例研究,对比了各种方法的预测结果。结果显示,组合预测的结果与实际有较高的拟合度,可靠性高。

  3. 所属分类：其它

    • 发布日期：2020-07-04
    • 文件大小：335872
    • 提供者：weixin_38614417

  1. 瓦斯突出模型预测控制的应用研究

  2. 煤体瓦斯涌出量的动态变化是一个复杂的非线性系统,传统的瓦斯监测方法准确率较低。针对该问题,文章提出了一种基于BP人工神经网络模型的瓦斯突出危险性预测控制方法。该方法运用BP人工神经网络预测模型对输入的多组样本进行训练学习、建立预测准则,并以此辨识瓦斯突出危险性类型。仿真结果表明,该方法有效解决了传统的瓦斯突出预测模型在事故预测中误差大、稳定性差的缺陷,提高了预测精度。

  3. 所属分类：其它

    • 发布日期：2020-07-17
    • 文件大小：411648
    • 提供者：weixin_38629042

  1. 基于Monte Carlo方法改进的BP神经网络对回采工作面瓦斯涌出量预测

  2. 文章首先构建和训练以煤层埋藏深度、煤层厚度、煤层瓦斯含量、工作面煤层与邻近煤层距离、工作面推进距离、工作面产量等为输入变量,回采工作面绝对瓦斯涌出量为输出变量的BP神经网络模型。然后采用Monte Carlo方法通过对6组输入变量的随机抽样来预判各自的发展趋势并对输入变量随时间变化的行为进行模拟,将模拟结果作为BP神经网络输入层节点值,代入训练好的网络,输出值即为下一生产周期回采工作面绝对瓦斯涌出量的预测值。

  3. 所属分类：其它

    • 发布日期：2020-07-14
    • 文件大小：187392
    • 提供者：weixin_38613154

  1. 基于IQPSO-BP算法的煤矿瓦斯涌出量预测

  2. 针对煤矿回采工作面瓦斯涌出的非线性特征,提出一种基于改进量子粒子群优化BP神经网络(IQPSO-BP)的瓦斯涌出量预测方法。鉴于量子粒子群算法的遍历能力有限,采用混沌序列来初始化量子的初始角位置。同时,采用凸函数调整惯性权重,以平衡算法的全局勘探和局部开发能力。并依此来优化BP神经网络的权值、阈值参数,进而建立了瓦斯涌出量预测模型。试验结果表明,IQPSO-BP算法具有较强的泛化能力及较高的预测精度,可有效用于煤矿瓦斯涌出量的预测。

  3. 所属分类：其它

    • 发布日期：2020-07-14
    • 文件大小：228352
    • 提供者：weixin_38656064

  1. 回采工作面瓦斯涌出BP神经网络分源预测模型及应用

  2. 基于回采工作面瓦斯涌出分源涌出,利用人工神经网络分别预测开采煤层、邻近煤层、采空区3种来源的瓦斯涌出量;因3种来源瓦斯涌出量的影响因素不同,为了避免不相关因素的干扰,提高预测精度,确定整个预测体系由开采层、邻近层、采空区等3个瓦斯涌出量预测神经网络组成,对每个涌出源分别建立神经网络预测模型;最后采用Matlab中BP神经网络算法,针对实际矿井进行应用,预测误差小.

  3. 所属分类：其它

    • 发布日期：2020-07-18
    • 文件大小：1014784
    • 提供者：weixin_38651286