發(fā)布時間：2021-08-17 15:39

　　運用瓦斯地質(zhì)理論分析了影響煤層瓦斯賦存的主要因素,并采用灰色關(guān)聯(lián)分析法對影響煤層瓦斯含量的主要因素進行了關(guān)聯(lián)度分析,選取CH4（%）、圍巖巖性、煤層埋深3個主要因素作為BP神經(jīng)網(wǎng)絡(luò)的輸入端神經(jīng)元,構(gòu)建出了預測瓦斯含量的預測模型,并進行網(wǎng)絡(luò)訓練,最后對預測模型的可靠性進行檢驗。結(jié)果表明:采用BP神經(jīng)網(wǎng)絡(luò)模型預測瓦斯含量比多元線性回歸法的精度更高,能滿足工程要求,對于煤層瓦斯含量的準確預測具有一定指導意義。 

【文章來源】：煤炭技術(shù). 2019,38(11)

【文章頁數(shù)】：4 頁

【文章目錄】：
0 引言
1 影響煤層瓦斯含量的地質(zhì)因素灰色關(guān)聯(lián)分析
    1.1 影響煤層瓦斯賦存的地質(zhì)因素及分析
    1.2 灰色關(guān)聯(lián)分析原理
        (1）構(gòu)建原始數(shù)據(jù)矩陣
        (2）統(tǒng)一量綱
        (3）計算絕對差值矩陣及最值
        (4）求解關(guān)聯(lián)系數(shù)矩陣
        (5）關(guān)聯(lián)度計算
    1.3 影響煤層瓦斯含量因素關(guān)聯(lián)度分析
2 BP神經(jīng)網(wǎng)絡(luò)預測瓦斯含量
    2.1 BP神經(jīng)網(wǎng)絡(luò)預測原理
    2.2 BP神經(jīng)網(wǎng)絡(luò)模型的建立
    2.3 BP神經(jīng)網(wǎng)絡(luò)訓練和網(wǎng)絡(luò)檢驗
    2.4 與多元回歸分析比較
3 結(jié)語


【參考文獻】：
期刊論文
[1]灰色關(guān)聯(lián)分析與BP神經(jīng)網(wǎng)絡(luò)的概率積分法參數(shù)預測[J]. 趙忠明,施天威,董偉,劉永良.  測繪科學. 2017(07)
[2]基于灰色理論-BP神經(jīng)網(wǎng)絡(luò)的煤層瓦斯含量預測研究[J]. 李長興,魏國營.  煤炭技術(shù). 2015(05)
[3]基于SPSS多元回歸分析的回采工作面瓦斯涌出量預測[J]. 畢建武,賈進章,劉丹.  安全與環(huán)境學報. 2013(05)
[4]灰色-分源預測法對煤礦瓦斯涌出量的應用研究[J]. 魏春榮,李艷霞,孫建華,米紅偉,李珺.  采礦與安全工程學報. 2013(04)
[5]基于模糊神經(jīng)網(wǎng)絡(luò)的煤層瓦斯含量預測研究[J]. 郝天軒,宋超.  中國安全科學學報. 2011(08)
[6]基于灰色神經(jīng)網(wǎng)絡(luò)預測潘一東礦瓦斯含量[J]. 沈金山,王來斌,許繼影,高錫擎,鄭飛.  煤炭技術(shù). 2011(04)
[7]灰色關(guān)聯(lián)度在礦井突水水源判別中的應用[J]. 郝彬彬,李沖,王春紅.  中國煤炭. 2010(06)
[8]BP網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)在函數(shù)逼近領(lǐng)域內(nèi)的比較研究[J]. 智會強,牛坤,田亮,楊增軍.  科技通報. 2005(02)



本文編號：3348037