綜采工作面瓦斯涌出量AQPSO-RBF預(yù)測(cè)方法及其應(yīng)用研究
發(fā)布時(shí)間:2024-03-12 03:31
在礦井的生產(chǎn)中,瓦斯災(zāi)害問(wèn)題變得越來(lái)越嚴(yán)重,掌握瓦斯涌出量預(yù)測(cè)方法,實(shí)現(xiàn)對(duì)瓦斯涌出量精準(zhǔn)預(yù)測(cè)是對(duì)掌握井下瓦斯涌出規(guī)律及其瓦斯防治的基礎(chǔ),對(duì)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(duì)瓦斯涌出量影響因素多元且非線性以及預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)精度欠佳等問(wèn)題。本文以山西某瓦斯試驗(yàn)礦井為研究對(duì)象,分別從地質(zhì)因素和開(kāi)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(guò)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(duì)這些特點(diǎn),經(jīng)過(guò)研究和分析對(duì)比眾多預(yù)測(cè)方法,采用了一種基于因子分析的預(yù)測(cè)指標(biāo)提取方法。通過(guò)對(duì)因子進(jìn)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(shí)現(xiàn)對(duì)原始變量的簡(jiǎn)化降維,減少信息重疊,提高數(shù)據(jù)有效性。針對(duì)影響因素時(shí)變性以及瓦斯涌出量預(yù)測(cè)效果精度等問(wèn)題,通過(guò)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(cè)模型,粒子群不僅對(duì)預(yù)測(cè)指標(biāo)實(shí)現(xiàn)了非線性識(shí)別以及全局尋優(yōu),還對(duì)徑向基函數(shù)的參數(shù)進(jìn)行了修正與優(yōu)化,使得瓦斯涌出量預(yù)測(cè)指標(biāo)由非線性到線性的識(shí)別和輸出產(chǎn)生最優(yōu)結(jié)果。隨著工作面的推進(jìn),進(jìn)而實(shí)...
【文章頁(yè)數(shù)】:77 頁(yè)
【學(xué)位級(jí)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(guó)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(cè)方法
1.2.3 基于機(jī)器學(xué)習(xí)的礦井瓦斯涌出量預(yù)測(cè)方法
1.3 主要研究?jī)?nèi)容及研究目標(biāo)
1.3.1 主要研究?jī)?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(kāi)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(kāi)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(cè)指標(biāo)選取
3.1 因子分析法簡(jiǎn)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(cè)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(yàn)
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(cè)模型建立
4.1 RBF預(yù)測(cè)方法簡(jiǎn)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(cè)算法簡(jiǎn)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(jìn)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(cè)模型
4.3.1 粒子群算法的優(yōu)化
4.3.2 AQPSO-RBF預(yù)測(cè)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(cè)軟件研發(fā)及工程應(yīng)用
5.1 軟件開(kāi)發(fā)環(huán)境簡(jiǎn)介
5.1.1 軟件的環(huán)境
5.1.2 軟件功能實(shí)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(yàn)
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(cè)
5.3 綜采工作面瓦斯涌出量預(yù)測(cè)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(xiàn)
附錄
本文編號(hào):3926472
【文章頁(yè)數(shù)】:77 頁(yè)
【學(xué)位級(jí)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(guó)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(cè)方法
1.2.3 基于機(jī)器學(xué)習(xí)的礦井瓦斯涌出量預(yù)測(cè)方法
1.3 主要研究?jī)?nèi)容及研究目標(biāo)
1.3.1 主要研究?jī)?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(kāi)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(kāi)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(cè)指標(biāo)選取
3.1 因子分析法簡(jiǎn)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(cè)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(yàn)
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(cè)模型建立
4.1 RBF預(yù)測(cè)方法簡(jiǎn)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(cè)算法簡(jiǎn)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(jìn)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(cè)模型
4.3.1 粒子群算法的優(yōu)化
4.3.2 AQPSO-RBF預(yù)測(cè)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(cè)軟件研發(fā)及工程應(yīng)用
5.1 軟件開(kāi)發(fā)環(huán)境簡(jiǎn)介
5.1.1 軟件的環(huán)境
5.1.2 軟件功能實(shí)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(yàn)
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(cè)
5.3 綜采工作面瓦斯涌出量預(yù)測(cè)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(xiàn)
附錄
本文編號(hào):3926472
本文鏈接:http://sikaile.net/shoufeilunwen/boshibiyelunwen/3926472.html
最近更新
教材專著