發(fā)布時間：2018-06-28 09:26

  本文選題：瓦斯涌出量預測 + PCA-BP��； 參考：《遼寧工程技術大學學報(自然科學版)》2015年11期

【摘要】：為對回采工作面瓦斯涌出量進行準確的預測,運用主成分回歸分析以及BP神經網絡原理和方法,結合現(xiàn)場實測數(shù)據,采用多元統(tǒng)計分析軟件SPSS(Statistical Product and Service Solutions)處理相關數(shù)據,研究了影響回采工作面瓦斯涌出量影響因素間的相關關系并提取主成分,以確定BP神經網絡中的輸入參數(shù),從而建立BP神經網絡進行預測.并利用PCA-BP神經網絡的方法建立了瓦斯涌出量預測模型.研究結果表明:采用PCA-BP神經網絡方法的預測值與實際值最大相對誤差為2.820%,最小相對誤差為2.036%,平均相對誤差為2.357%,較其他預測模型有更高精度.對降低事故發(fā)生率和礦井延深水平的回采工作面瓦斯涌出量預測具有較好的指導作用.
[Abstract]:In order to accurately predict the amount of gas emission in mining face, principal component regression analysis and BP neural network principle and method are used to deal with the related data by means of multivariate statistical analysis software SPSS (Statistical Product and Service Solutions). In order to determine the input parameters of BP neural network and establish BP neural network for prediction, the correlation between the factors affecting the gas emission in mining face is studied and the principal components are extracted. The prediction model of gas emission is established by using PCA-BP neural network. The results show that the maximum relative error between the predicted value and the actual value is 2.820, the minimum relative error is 2.036, and the average relative error is 2.357, which is more accurate than other prediction models. It has a good guiding effect on reducing the accident rate and predicting the gas emission in the mining face.
【作者單位】： 遼寧工程技術大學礦業(yè)學院;礦山熱動力災害與防治教育部重點實驗室;遼寧工程技術大學安全科學與工程學院;
【分類號】：TD712.5

【相似文獻】

相關期刊論文 前10條

1 張瑞林;劉曉;鄭立軍;;基于灰色動態(tài)建模的瓦斯涌出量預測方法研究[J];中國礦業(yè);2006年12期

2 甘小根;吳仕彥;馬明東;;灰色線性回歸組合模型在北辰煤礦瓦斯涌出量預測中的應用研究[J];煤;2008年01期

3 姚向東;鐘后選;;孔莊煤礦-1020m水平首采區(qū)瓦斯涌出量預測[J];煤礦安全;2008年07期

4 陳鳳;徐杰;劉立民;;基于虛擬儀器的瓦斯涌出量預測[J];煤礦安全;2008年10期

5 焦長軍;;野毛沖煤礦礦井瓦斯涌出量預測[J];煤炭技術;2009年12期

6 程加堂;熊偉;艾莉;;基于灰色線性回歸組合模型的瓦斯涌出量預測研究[J];中國煤炭;2010年05期

7 景國勛;衡獻偉;;基于灰色預測模型與一元線性回歸模型的煤礦瓦斯涌出量預測比較[J];安全與環(huán)境工程;2010年05期

8 付優(yōu);;基于粗糙徑向基函數(shù)的瓦斯涌出量預測[J];太原大學學報;2010年03期

9 王巍;劉德勝;;基于支持向量機理論的煤礦瓦斯涌出量預測研究[J];煤礦機械;2011年02期

10 劉鐵鎖;;煤礦瓦斯涌出量預測的不確定性研究[J];科學技術與工程;2011年04期

相關會議論文 前10條

1 陳魁奎;寧超;黃波;;鶴壁六礦深部瓦斯涌出量預測[A];基于瓦斯地質的煤礦瓦斯防治技術[C];2009年

2 陳鳳;徐杰;劉立民;;基于虛擬儀器的瓦斯涌出量預測研究[A];煤礦重大災害防治技術與實踐——2008年全國煤礦安全學術年會論文集[C];2008年

3 王劍平;黃紅霞;李宏彪;張云生;;基于支持向量機模型的瓦斯涌出量預測[A];第二十七屆中國控制會議論文集[C];2008年

4 朱浩明;劉高峰;;山西和順隆華公司15號煤層首采區(qū)瓦斯涌出量預測[A];瓦斯地質基礎與應用研究[C];2011年

5 丁金華;;基于分形理論的瓦斯涌出量預測分析與研究[A];煤礦瓦斯綜合治理與開發(fā)利用論文集[C];2012年

6 潘洪萍;;楊莊煤礦開采煤層的瓦斯涌出量預測[A];紀念礦井地質專業(yè)委員會成立二十周年暨礦井地質發(fā)展戰(zhàn)略學術研討會專輯[C];2002年

7 王小明;張子戌;楊小平;范興斌;;數(shù)量化理論Ⅰ在唐山礦5煤層瓦斯涌出量預測中的應用[A];中國科學院地質與地球物理研究所2006年論文摘要集[C];2007年

8 陳大力;張勁松;孫曉軍;;深部礦井瓦斯涌出量預測方法[A];2007年全國煤礦安全學術年會會議資料匯編[C];2007年

9 阮文彬;;田壩煤礦二號井下一采區(qū)煤層瓦斯涌出量預測[A];中國煤炭學會煤礦安全專業(yè)委員會2009年學術研討會論文集[C];2009年

10 撒占友;何學秋;王恩元;;基于自適應神經網絡的采掘工作面瓦斯涌出量預測[A];21世紀高效集約化礦井學術研討會論文集[C];2001年

相關碩士學位論文 前10條

1 張漾;基于分形理論的瓦斯涌出量預測系統(tǒng)的研究[D];西安科技大學;2009年

2 劉陽;基于混沌分析的瓦斯涌出量預測[D];佳木斯大學;2010年

3 王一莉;瓦斯涌出量預測方法及其應用研究[D];南京工業(yè)大學;2005年

4 康橋;小波分析在瓦斯涌出量預測中的應用[D];西安科技大學;2013年

5 楊馭東;基于數(shù)據挖掘技術的瓦斯涌出量預測方法研究[D];內蒙古科技大學;2013年

6 梁華珍;工作面瓦斯涌出量預測的研究與應用[D];安徽理工大學;2007年

7 歐陽東;錢家營礦-850m水平瓦斯涌出量預測及治理措施研究[D];河北理工大學;2009年

8 王楓;井下瓦斯涌出量預測技術及監(jiān)測系統(tǒng)研究[D];遼寧工程技術大學;2010年

9 朱帥虎;LS-SVM算法預測煤層瓦斯涌出量技術研究及應用[D];山東科技大學;2011年

10 閆鵬飛;基于最小二乘支持向量機的瓦斯涌出量預測控制[D];太原理工大學;2014年

，

本文編號：2077520