為解決當(dāng)前瓦斯涌出量預(yù)測過程中存在的因影響因素過多、預(yù)測指標(biāo)與瓦斯涌出量之間非線性關(guān)系及其自身時(shí)變性等特點(diǎn)而導(dǎo)致預(yù)測精度降低的問題,采用SPSS因子分析法對(duì)瓦斯涌出量影響因素進(jìn)行分析降維,將得到的預(yù)測指標(biāo)由構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)與卡爾曼濾波相結(jié)合的瓦斯涌出量預(yù)測模型進(jìn)行預(yù)測。研究結(jié)果表明:采用因子分析的方法能夠有效篩選瓦斯涌出量影響因素,并得到了預(yù)測指標(biāo),降低了預(yù)測模型預(yù)算復(fù)雜度;經(jīng)過BP神經(jīng)網(wǎng)絡(luò)與卡爾曼濾波耦合瓦斯涌出量預(yù)測模型,其預(yù)測精度明顯高于直接采用神經(jīng)網(wǎng)絡(luò)模型預(yù)測的結(jié)果,預(yù)測性能明顯改善,其平均誤差僅為2.75%,表明所采取的瓦斯涌出量預(yù)測方法是可行和有效的。 

【文章來源】：陜西煤炭. 2020,39(01)

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引言
1 瓦斯涌出量預(yù)測指標(biāo)選取
    1.1 因子分析數(shù)學(xué)模型的構(gòu)建
    1.2 基于因子分析法選取瓦斯涌出量預(yù)測指標(biāo)
2 瓦斯涌出量預(yù)測模型構(gòu)建
    2.1 瓦斯涌出量預(yù)測指標(biāo)非線性識(shí)別
    2.2 瓦斯涌出量預(yù)測模型構(gòu)建
3 瓦斯涌出量預(yù)測結(jié)果及分析
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]綜采工作面瓦斯涌出量預(yù)測及瓦斯綜合治理[J]. 王文清.  陜西煤炭. 2018(06)
[2]基于GM（1,N）GRNN組合模型的瓦斯涌出量預(yù)測研究[J]. 高榮翔,曹慶貴,馬英琪,周魯潔.  中國礦業(yè). 2018(03)
[3]基于Monte Carlo方法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)對(duì)回采工作面瓦斯涌出量預(yù)測[J]. 魏引尚,劉云飛.  煤炭工程. 2014(12)
[4]基于因子分析與BP網(wǎng)絡(luò)的地鐵施工安全預(yù)警研究[J]. 陳帆,謝洪濤.  中國安全科學(xué)學(xué)報(bào). 2012(08)
[5]基于耦合算法的煤礦瓦斯涌出量預(yù)測模型研究[J]. 付華,姜偉,單欣欣.  煤炭學(xué)報(bào). 2012(04)
[6]Matlab在預(yù)測礦井瓦斯涌出量中的應(yīng)用[J]. 何真培,李樹剛,林海飛,潘宏宇.  礦業(yè)安全與環(huán)保. 2011(03)
[7]基于虛擬狀態(tài)變量的卡爾曼濾波瓦斯涌出量預(yù)測[J]. 王曉路,劉健,盧建軍.  煤炭學(xué)報(bào). 2011(01)
[8]煤與瓦斯突出預(yù)測器輸入主因素識(shí)別方法[J]. 王曉路,劉健,盧建軍.  系統(tǒng)工程理論與實(shí)踐. 2010(08)
[9]基于SVM的瓦斯涌出量非線性組合預(yù)測方法[J]. 黃為勇,童敏明,任子暉.  中國礦業(yè)大學(xué)學(xué)報(bào). 2009(02)
[10]回采工作面瓦斯涌出的復(fù)雜性及其度量[J]. 何利文,施式亮,宋譯,劉影.  煤炭學(xué)報(bào). 2008(05)



本文編號(hào)：3420623