【摘要】：煤層瓦斯含量預測對礦井安全生產(chǎn)至關重要。根據(jù)煤層瓦斯含量受多種因素影響,運用偏最小二乘多元線性回歸,通過交叉有效性分析,確定提取主成分個數(shù),建立數(shù)學模型,得到最佳多元線性回歸方程。研究證明:該方法配合SIMCA-P軟件處理不僅可以最終以圖表形式直觀地反映各種因素對煤層瓦斯含量的影響程度,而且能夠有效解決各種因素之間存在的嚴重線性相關問題,預測值比較精確,為煤層瓦斯含量預測提供了一種新途徑。
【圖文】：

保嘭縞⒌幕?歸方程擬合效果最佳。通過計算得到3個主成分的表達式為［t1t2t3］T=－3．2143－1．72690．1568－1．6857－0．1483－0．73150．3426－0．2590－1．4287－1．61671．70981．04230．55820．1741－0．20951．24420．3657－0．46691．5683－0．3657－1．02431．9623－2．23881．63921．08961．87570．6853T。2．4自變量影響程度通過偏最小二乘回歸可以獲得變量投影重要性指標，其表示各自變量對因變量的影響大小，由圖1可以看出，五里堠煤礦3號煤層各因素對瓦斯含量的影響程度從大到小:煤層埋深(x1)＞基巖厚度(x2)＞煤層厚度(x8)＞煤揮發(fā)分(x7)＞煤的灰分(x9)＞煤的水分(x3)＞離正斷層平距(x6)＞頂板巖性(x4)＞底板巖性(x5)。2．5數(shù)據(jù)擬合分析通過分析9組數(shù)據(jù)建立的回歸模型的相對誤差與預測值，檢驗其效果。通過計算得到標準化后的回歸方程為^y*=－0．3125x1+0．2412x2+0．2571x3+0．0242x4－0．4235x5－0．0140x6－0．1526x7+0．1787x8+0．7235x9。從表4和圖2可以看出，通過偏最小二乘回149第2期高保彬，等:偏最小二乘法的煤層瓦斯含量預測模型研究

3號煤層各因素對瓦斯含量的影響程度從大到小:煤層埋深(x1)＞基巖厚度(x2)＞煤層厚度(x8)＞煤揮發(fā)分(x7)＞煤的灰分(x9)＞煤的水分(x3)＞離正斷層平距(x6)＞頂板巖性(x4)＞底板巖性(x5)。2．5數(shù)據(jù)擬合分析通過分析9組數(shù)據(jù)建立的回歸模型的相對誤差與預測值，檢驗其效果。通過計算得到標準化后的回歸方程為^y*=－0．3125x1+0．2412x2+0．2571x3+0．0242x4－0．4235x5－0．0140x6－0．1526x7+0．1787x8+0．7235x9。從表4和圖2可以看出，通過偏最小二乘回149第2期高保彬，，等:偏最小二乘法的煤層瓦斯含量預測模型研究

【參考文獻】

相關期刊論文 前8條

1 王惠文,劉強;偏最小二乘回歸模型內涵分析方法研究[J];北京航空航天大學學報;2000年04期

2 吳財芳,曾勇,秦勇;神經(jīng)網(wǎng)絡分析方法在瓦斯預測中的應用[J];地球科學進展;2004年05期

3 李國禎;李希建;施天虎;;煤層瓦斯含量影響因素分析及灰色預測[J];工業(yè)安全與環(huán)保;2011年09期

4 吳觀茂;黃明;李剛;;基于BP神經(jīng)網(wǎng)絡的瓦斯含量預測[J];煤田地質與勘探;2008年01期

5 章立清;;基于遺傳神經(jīng)網(wǎng)絡的煤層瓦斯含量預測[J];煤礦安全;2007年09期

6 王明珠;鄧寅東;常秀娟;;基于偏最小二乘回歸法的飛機總工時預測模型研究[J];航空學報;2012年08期

7 張勝軍;朱瑞杰;姜春露;;基于偏最小二乘回歸的回采工作面瓦斯涌出量預測模型[J];煤礦安全;2013年02期

8 魏春榮;李艷霞;孫建華;米紅偉;李s

本文編號：2678948