發(fā)布時間：2018-06-23 09:31

  本文選題：瓦斯涌出量 + 非線性組合預測�。� 參考：《遼寧工程技術(shù)大學學報(自然科學版)》2017年04期

【摘要】：為分析礦井瓦斯涌出的非線性關(guān)系、指標間復雜聯(lián)系和準確預測瓦斯涌出量,基于主成分分析和灰色關(guān)聯(lián)理論在克服指標的共線性、相關(guān)性對瓦斯涌出量影響,兼顧二者關(guān)聯(lián)性之上,確定主要指標,建立瓦斯涌出量預測的距離模型和灰色模型,進而基于支持向量機非線性,構(gòu)建非線性組合預測模型.利用訓練樣本學習和最小絕對百分比誤差確定預測模型參數(shù),并以沈陽某礦某工作面為例,運用已構(gòu)建模型預測瓦斯涌出量.研究結(jié)果表明:日產(chǎn)量、采出率與其他指標的共線性相對較強,煤層間距、臨近層厚度及層間巖性與其他指標的共線性相對最弱;該模型絕對百分比誤差最大為5.83%,預測精度相對高于各個單項預測模型,大幅降低預測風險.
[Abstract]:In order to analyze the nonlinear relation of mine gas emission, the complex relation between indexes and the accurate prediction of gas emission quantity, based on principal component analysis and grey correlation theory, the collinearity of indexes and the influence of correlation on gas emission are overcome. On the basis of the correlation between them, the main indexes are determined, and the distance model and grey model of gas emission prediction are established, and then the nonlinear combination forecasting model is constructed based on the nonlinear support vector machine (SVM). The prediction model parameters are determined by training sample learning and minimum absolute percentage error. Taking a coal face in a certain mine in Shenyang as an example, the established model is used to predict the gas emission. The results show that the collinearity of daily yield, recovery rate and other indexes is relatively strong, and the colinearity of coal seam spacing, adjacent layer thickness and interlayer lithology is the weakest. The maximum absolute percentage error of the model is 5.83, and the prediction accuracy is higher than that of each single prediction model, and the prediction risk is greatly reduced.
【作者單位】： 遼寧工程技術(shù)大學系統(tǒng)工程研究所;遼寧工程技術(shù)大學工商管理學院;
【基金】：國家自然科學基金項目(71371091) 遼寧省高等學校杰出青年學者成長計劃項目(LJQ2012027)
【分類號】：TD712.5

【相似文獻】

相關(guān)期刊論文 前10條

1 張瑞林;劉曉;金毅;;灰色動態(tài)自動化建模在瓦斯涌出量預測中的應(yīng)用研究[J];工礦自動化;2008年01期

2 趙鑫;宋廣軍;;一種非線性的瓦斯涌出量預測算法仿真研究[J];計算機仿真;2012年08期

3 張?zhí)m;;智能算法在瓦斯涌出量預測中的應(yīng)用研究[J];大眾科技;2012年12期

4 安鴻濤;宋國文;張云中;陽結(jié)華;;人工神經(jīng)網(wǎng)絡(luò)在瓦斯涌出量預測中的應(yīng)用[J];河南理工大學學報(自然科學版);2006年04期

5 張瑞林;劉曉;鄭立軍;;基于灰色動態(tài)建模的瓦斯涌出量預測方法研究[J];中國礦業(yè);2006年12期

6 王文科;;采煤工作面瓦斯涌出量預測研究[J];山西焦煤科技;2007年08期

7 甘小根;吳仕彥;馬明東;;灰色線性回歸組合模型在北辰煤礦瓦斯涌出量預測中的應(yīng)用研究[J];煤;2008年01期

8 姚向東;鐘后選;;孔莊煤礦-1020m水平首采區(qū)瓦斯涌出量預測[J];煤礦安全;2008年07期

9 陳鳳;徐杰;劉立民;;基于虛擬儀器的瓦斯涌出量預測[J];煤礦安全;2008年10期

10 焦長軍;;野毛沖煤礦礦井瓦斯涌出量預測[J];煤炭技術(shù);2009年12期

相關(guān)會議論文 前10條

1 陳魁奎;寧超;黃波;;鶴壁六礦深部瓦斯涌出量預測[A];基于瓦斯地質(zhì)的煤礦瓦斯防治技術(shù)[C];2009年

2 陳鳳;徐杰;劉立民;;基于虛擬儀器的瓦斯涌出量預測研究[A];煤礦重大災害防治技術(shù)與實踐——2008年全國煤礦安全學術(shù)年會論文集[C];2008年

3 王劍平;黃紅霞;李宏彪;張云生;;基于支持向量機模型的瓦斯涌出量預測[A];第二十七屆中國控制會議論文集[C];2008年

4 朱浩明;劉高峰;;山西和順隆華公司15號煤層首采區(qū)瓦斯涌出量預測[A];瓦斯地質(zhì)基礎(chǔ)與應(yīng)用研究[C];2011年

5 丁金華;;基于分形理論的瓦斯涌出量預測分析與研究[A];煤礦瓦斯綜合治理與開發(fā)利用論文集[C];2012年

6 潘洪萍;;楊莊煤礦開采煤層的瓦斯涌出量預測[A];紀念礦井地質(zhì)專業(yè)委員會成立二十周年暨礦井地質(zhì)發(fā)展戰(zhàn)略學術(shù)研討會專輯[C];2002年

7 王小明;張子戌;楊小平;范興斌;;數(shù)量化理論Ⅰ在唐山礦5煤層瓦斯涌出量預測中的應(yīng)用[A];中國科學院地質(zhì)與地球物理研究所2006年論文摘要集[C];2007年

8 陳大力;張勁松;孫曉軍;;深部礦井瓦斯涌出量預測方法[A];2007年全國煤礦安全學術(shù)年會會議資料匯編[C];2007年

9 阮文彬;;田壩煤礦二號井下一采區(qū)煤層瓦斯涌出量預測[A];中國煤炭學會煤礦安全專業(yè)委員會2009年學術(shù)研討會論文集[C];2009年

10 撒占友;何學秋;王恩元;;基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)的采掘工作面瓦斯涌出量預測[A];21世紀高效集約化礦井學術(shù)研討會論文集[C];2001年

相關(guān)碩士學位論文 前10條

1 王一莉;瓦斯涌出量預測方法及其應(yīng)用研究[D];南京工業(yè)大學;2005年

2 徐廣璐;基于改進GA-SVM算法的瓦斯涌出量預測研究[D];遼寧工程技術(shù)大學;2014年

3 史冬冬;基于相關(guān)向量機與改進蛙跳算法的瓦斯涌出量預測研究[D];遼寧工程技術(shù)大學;2014年

4 謝霖;基于MPSO-LS-SVM算法的瓦斯涌出量預測研究[D];遼寧工程技術(shù)大學;2014年

5 畢建武;基于多元回歸殘差RBF神經(jīng)網(wǎng)絡(luò)修正算法瓦斯涌出量預測研究[D];遼寧工程技術(shù)大學;2015年

6 黃U，

本文編號：2056674