在礦井的生產(chǎn)中,瓦斯災(zāi)害問題變得越來越嚴(yán)重,掌握瓦斯涌出量預(yù)測方法,實現(xiàn)對瓦斯涌出量精準(zhǔn)預(yù)測是對掌握井下瓦斯涌出規(guī)律及其瓦斯防治的基礎(chǔ),對礦井瓦斯災(zāi)害的治理及其井下作業(yè)人員的安全具有重要意義。針對瓦斯涌出量影響因素多元且非線性以及預(yù)測的神經(jīng)網(wǎng)絡(luò)精度欠佳等問題。本文以山西某瓦斯試驗礦井為研究對象,分別從地質(zhì)因素和開采因素出發(fā),分析工作面瓦斯涌出量影響因素與工作面瓦斯涌出量之間的作用關(guān)系。通過擬合分析得出影響因素作用眾多,作用程度不一,又相互影響,它們之間存在著復(fù)雜而且非線性的關(guān)系。針對這些特點,經(jīng)過研究和分析對比眾多預(yù)測方法,采用了一種基于因子分析的預(yù)測指標(biāo)提取方法。通過對因子進行旋轉(zhuǎn),在不降低原始信息的情況下,最大程度的提取有效信息,實現(xiàn)對原始變量的簡化降維,減少信息重疊,提高數(shù)據(jù)有效性。針對影響因素時變性以及瓦斯涌出量預(yù)測效果精度等問題,通過研究分析構(gòu)建自適應(yīng)量子粒子群優(yōu)化徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的瓦斯涌出量預(yù)測模型,粒子群不僅對預(yù)測指標(biāo)實現(xiàn)了非線性識別以及全局尋優(yōu),還對徑向基函數(shù)的參數(shù)進行了修正與優(yōu)化,使得瓦斯涌出量預(yù)測指標(biāo)由非線性到線性的識別和輸出產(chǎn)生最優(yōu)結(jié)果。隨著工作面的推進,進而實...

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 選題背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 礦井瓦斯涌出規(guī)律研究現(xiàn)狀
        1.2.2 傳統(tǒng)礦井瓦斯涌出量預(yù)測方法
        1.2.3 基于機器學(xué)習(xí)的礦井瓦斯涌出量預(yù)測方法
    1.3 主要研究內(nèi)容及研究目標(biāo)
        1.3.1 主要研究內(nèi)容
        1.3.2 研究目標(biāo)
    1.4 研究思路及技術(shù)路線
        1.4.1 研究思路
        1.4.2 技術(shù)路線圖
2 綜采工作面瓦斯涌出規(guī)律及影響因素分析
    2.1 礦井地質(zhì)概況
        2.1.1 礦井地質(zhì)構(gòu)造特征
        2.1.2 主采煤層概況及煤層開采地質(zhì)特征
        2.1.3 主采工作面概況
    2.2 瓦斯涌出量影響因素分析
        2.2.1 瓦斯涌出量受地質(zhì)因素影響分析
        2.2.2 瓦斯涌出量受開采技術(shù)因素影響分析
    2.3 瓦斯涌出量影響因素特征分析
    2.4 本章小結(jié)
3 綜采工作面瓦斯涌出因子分析預(yù)測指標(biāo)選取
    3.1 因子分析法簡介
        3.1.1 因子分析法的基本思想
        3.1.2 因子分析的步驟
    3.2 綜采工作面瓦斯涌出量預(yù)測指標(biāo)選取
        3.2.1 原始數(shù)據(jù)的輸入
        3.2.2 原始數(shù)據(jù)的處理檢驗
        3.2.3 公因子方差分析
        3.2.4 公因子解釋分析
        3.2.5 得分矩陣分析
    3.3 本章小結(jié)
4 綜采工作面瓦斯涌出量AQPSO-RBF預(yù)測模型建立
    4.1 RBF預(yù)測方法簡介
        4.1.1 RBF神經(jīng)網(wǎng)絡(luò)原理及其思想分析
        4.1.2 RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        4.1.3 RBF神經(jīng)網(wǎng)絡(luò)參數(shù)學(xué)習(xí)算法
    4.2 粒子群預(yù)測算法簡介
        4.2.1 粒子群算法原理
        4.2.2 粒子群算法流程
        4.2.3 粒子群算法改進分析研究
        4.2.4 解決方案
    4.3 綜采工作面瓦斯涌出量AQPSO-RBF預(yù)測模型
        4.3.1 粒子群算法的優(yōu)化
        4.3.2 AQPSO-RBF預(yù)測模型構(gòu)建及流程
    4.4 本章小結(jié)
5 綜采面瓦斯涌出量AQPSO-RBF預(yù)測軟件研發(fā)及工程應(yīng)用
    5.1 軟件開發(fā)環(huán)境簡介
        5.1.1 軟件的環(huán)境
        5.1.2 軟件功能實現(xiàn)
    5.2 軟件的模塊
        5.2.1 數(shù)據(jù)的預(yù)處理
        5.2.2 數(shù)據(jù)檢驗
        5.2.3 因子分析及標(biāo)準(zhǔn)化處理
        5.2.4 神經(jīng)網(wǎng)絡(luò)模型的預(yù)測
    5.3 綜采工作面瓦斯涌出量預(yù)測軟件應(yīng)用
    5.4 本章小結(jié)
6 結(jié)論與展望
    6.1 主要結(jié)論
    6.2 研究展望
致謝
參考文獻
附錄



本文編號：3926472