煤矿瓦斯突出的神经网络预测被引量：11

PREDICTION OF COAL MINE'S COAL AND GAS OUTBURSTBASED ON NEURAL NETWORK

导出

摘要煤与瓦斯突出的预测是煤矿安全工作的主要工作之一.本文通过建立煤与瓦斯突出的BP神经网络预测模型,对瓦斯矿井的工作面和区域进行突出危险性预测.根据本文的计算结果和实际情况的对比,BP神经网络预测模型在煤矿瓦斯突出预测方面有着一定的准确性,是可行的. 煤与瓦斯突出的预测是煤矿安全工作的主要工作之一.本文通过建立煤与瓦斯突出的BP神经网络预测模型,对瓦斯矿井的工作面和区域进行突出危险性预测.根据本文的计算结果和实际情况的对比,BP神经网络预测模型在煤矿瓦斯突出预测方面有着一定的准确性,是可行的.

作者梁盛开曹琼罗杨阳

机构地区中国矿业大学武汉城市职业学院华中科技大学

出处《固体力学学报》 CAS CSCD 北大核心 2010年第S1期180-183,共4页 Chinese Journal of Solid Mechanics

关键词煤矿瓦斯突出人工神经网络BP算法 coal and gas outburst neural network BP arithmetic

分类号 TD713 [矿业工程—矿井通风与安全] TP183 [自动化与计算机技术—控制理论与控制工程]

引文网络
相关文献

参考文献1

1田云丽,周利华.基于BP神经网络的煤与瓦斯突出预测方法的研究[J].系统工程理论与实践,2005,25(12):102-106. 被引量：54

二级参考文献6

1楼顺天施阳.基于MATLAB的系统分析与设计—神经网络[M].西安:西安电子科技大学出版社,2000.114-135.
2Xiao Hongfei, He Xueqiu, Wang Enyuan, et al. Research on coupling law between electromagnetic emission and stress during deformation and fracture of coal or rock[J] .Progress in Safety Science and Technology, Science Press, Beijing/New York, 2004:431 - 435.
3窦林名何学秋.冲击地压防治理论及技术[M].徐州:中国矿业大学出版社,2001·05..
4田红波,韦荫康.应用加权模糊自适应共振人工神经网络进行模式识别[J].模式识别与人工智能,1999,12(4):450-454. 被引量：3
5李晓峰,刘光中.人工神经网络BP算法的改进及其应用[J].四川大学学报（工程科学版）,2000,32(2):105-109. 被引量：97
6肖红飞,何学秋,王恩元,撒占友.煤与瓦斯突出电磁辐射预测指标临界值的确定及应用[J].煤炭学报,2003,28(5):465-469. 被引量：12

共引文献53

1苏筱丽.基于主成分降维的SVM回归模型在煤与瓦斯突出预测中的应用[J].工业计量,2020,0(1):74-77. 被引量：4
2耿小庆,和金生,于宝琴.基于改进反向误差传播模型的物流成本预警研究[J].生产力研究,2007(23):69-70. 被引量：1
3耿小庆.基于知识管理与BP网络的企业预警战略研究[J].现代财经（天津财经大学学报）,2006,26(10):20-23. 被引量：4
4蓝航.岩石力学在采矿工程中的研究现状和趋势[J].煤矿开采,2006,11(5):9-12. 被引量：2
5耿小庆,和金生.基于反向误差传播的企业战略预警系统研究[J].中国地质大学学报（社会科学版）,2006,6(6):37-39.
6杨飞,罗新荣,张爱然,康与涛.神经网络理论在延时煤与瓦斯突出预警中的应用[J].黑龙江科技学院学报,2007,17(1):30-32. 被引量：6
7耿小庆,赵乃真.企业预警管理系统开发研究[J].科技管理研究,2007,27(4):157-159. 被引量：13
8李中才,冯述虎.集对分析法在煤与瓦斯突出综合预测中的应用[J].西安科技大学学报,2007,27(1):134-137. 被引量：8
9黄光球,刘宏东,马亮.地下煤矿瓦斯渗出、运移与积聚过程仿真方法[J].系统仿真学报,2007,19(22):5277-5282. 被引量：2
10赵芳,孟凡荣.基于RBF网络的煤与瓦斯突出预测研究[J].微计算机信息,2009,25(3):29-30. 被引量：8

同被引文献269

1赵国强,王留洋,刘雨竹,卢万杰,王志中.瓦斯突出等级预测模型[J].辽宁工程技术大学学报（自然科学版）,2023(1):32-39. 被引量：1
2邵良杉,詹小凡.煤与瓦斯突出missForest-EGWO-SVM预测模型[J].辽宁工程技术大学学报（自然科学版）,2020,39(3):214-218. 被引量：11
3苏筱丽.基于主成分降维的SVM回归模型在煤与瓦斯突出预测中的应用[J].工业计量,2020,0(1):74-77. 被引量：4
4胡千庭,邹银辉,文光才,赵旭生.瓦斯含量法预测突出危险新技术[J].煤炭学报,2007,32(3):276-280. 被引量：111
5由伟,刘亚秀,李永,刘朝辉,周建波.用人工神经网络预测煤与瓦斯突出[J].煤炭学报,2007,32(3):285-287. 被引量：37
6姜德义,蒋再文,章永武,任松.模糊神经网络预测公路隧道揭煤突出危险性[J].重庆大学学报（自然科学版）,2000,23(z1):200-202. 被引量：10
7柳晓莉,张志业.煤与瓦斯突出危险性的灰色综合评价[J].辽宁工程技术大学学报（自然科学版）,2012,31(5):609-612. 被引量：8
8周爱桃,王凯,杜锋,韦彩平.基于支持向量分类机的煤与瓦斯突出危险性预测[J].煤炭技术,2015,34(4):145-147. 被引量：4
9匡芳君,张思扬,徐蔚鸿.改进混沌粒子群的动态模糊神经网络参数优化及应用[J].微电子学与计算机,2015,32(1):48-53. 被引量：6
10张春,题正义,周云鹏.神经网络计算方法在煤与瓦斯突出预测中的应用[J].煤炭工程,2004,36(7):49-52. 被引量：6

引证文献11

1王震华,刘晓东.采用TD循环的核电与燃气轮机联合循环[J].吉林电力技术,2000,12(1):18-20.
2杨凯,王寿全,范映冲,邓月华.煤与瓦斯突出危险性的未知权重多属性综合评价模型[J].中国安全生产科学技术,2013,9(10):33-38. 被引量：6
3李丽侦,姜麟,钱浩,光文华.基于BP神经网络的压缩空气用能预测模型研究[J].计算机技术与发展,2014,24(1):216-219. 被引量：2
4霍晓龙,陈寿根,谭信荣,邱成虎.基于BP神经网络的瓦斯隧道突出预测系统开发研究[J].铁道标准设计,2014,58(5):85-89. 被引量：3
5卢承博.我国煤与瓦斯突出危险性预测技术研究现状[J].煤,2015,24(1):57-60. 被引量：1
6马晟翔,李希建.基于因子分析与BP神经网络的煤体瓦斯渗透率预测[J].煤矿开采,2018,23(6):108-111. 被引量：2
7马晟翔,李希建.基于因子分析与BP神经网络的煤与瓦斯突出预测[J].矿业安全与环保,2019,46(2):70-74. 被引量：16
8马晟翔,李希建.改进的BP神经网络煤矿瓦斯涌出量预测模型[J].矿业研究与开发,2019,39(10):138-142. 被引量：9
9段梦楠,刘泽功.基于神经网络的煤与瓦斯突出规模预测研究[J].淮阴工学院学报,2021,30(1):33-39. 被引量：4
10汪伟,梁然,祁云,贾宝山,武泽伟.基于PSO⁃BPNN的煤自燃危险性预测模型[J].中国安全科学学报,2023,33(7):127-132. 被引量：1

二级引证文献44

1吴东隆.基于Markov-GNNM的煤炭需求量预测模型研究[J].煤炭经济研究,2020(6):27-31. 被引量：2
2张虎.改进的集对分析模型在煤与瓦斯突出评价中的应用[J].煤炭技术,2015,34(6):150-153.
3郑丹平,朱名日,刘文彬,姚鑫,潘凯.基于BP神经网络的冷极射频消融凝固灶预测研究[J].激光杂志,2014,35(11):95-97. 被引量：2
4陈江丽,张嵘.基于BP神经网络的教材质量评价研究[J].大理学院学报（综合版）,2014,13(12):31-34. 被引量：4
5王文建.地铁区间盾构管片收敛位移控制标准研究[J].铁道标准设计,2015,59(2):82-87. 被引量：6
6王艳萍,周杨,闫超.基于改进BP神经网络的刮板输送机负载预测方法研究[J].矿山机械,2015,43(10):17-21. 被引量：5
7周立国,姚安林,曾跃辉,汪龙,高旭.城镇燃气管道动火作业安全评价[J].中国安全生产科学技术,2016,12(1):61-64. 被引量：3
8叶超.基于BP神经网络修正的自适应灰色模型的隧道变形预测研究[J].铁道标准设计,2017,61(11):76-81. 被引量：13
9张永利,尚文龙,马玉林,苏畅,马凯.微波作用下煤层渗透性变化规律实验研究[J].中国安全生产科学技术,2018,14(8):48-53. 被引量：7
10胡庆国,蔡孟龙,何忠明.基于GA-BP神经网络的综合管廊投资估算研究[J].长沙理工大学学报（自然科学版）,2020,17(2):68-74. 被引量：9

1梁盛开,罗杨阳,曹琼.煤矿瓦斯突出的多因素综合预测[J].固体力学学报,2010,31(S1):177-179. 被引量：3
2黄伟,四旭飞,厉彦菊.气体渗流系统的失稳及其概率应用[J].山东科技大学学报（自然科学版）,2005,24(4):81-83. 被引量：2
3潘大丰,李群.神经网络多指标综合评价方法研究[J].农业系统科学与综合研究,1999,15(2):105-107. 被引量：36
4乔美英.微熵率重构相空间混沌时序预测研究[J].微型电脑应用,2014(1):31-34.
5阎玉舜.上海市声学学会召开“煤矿溶洞(瓦斯溶洞,含水溶洞)声学探测技术”专题研讨会[J].声学技术,2007,26(6):1171-1171.
6唐平,孙明贵.岩石渗流系统动力学响应及分析[J].矿山压力与顶板管理,2003,20(2):115-117. 被引量：8
7张我华.煤/瓦斯突出过程中煤介质局部化破坏的损伤机理[J].岩土工程学报,1999,21(6):731-736. 被引量：14
8侯俊华.神经网络驱动性模糊预测方法[J].预测,1997,16(4):63-65. 被引量：1
9李慧梅,王钟羡.神经网络预测裂纹尖端约束效应[J].力学季刊,2008,29(2):310-313.
10陈炳志.基坑变形灰色人工神经网络预测模型及其应用[J].山东科技大学学报（自然科学版）,2010,29(5):53-57. 被引量：3

固体力学学报

2010年第S1期

浏览历史

内容加载中请稍等...

煤矿瓦斯突出的神经网络预测被引量：11

参考文献1

二级参考文献6

共引文献53

同被引文献269

引证文献11

二级引证文献44

相关作者

相关机构

相关主题

浏览历史

煤矿瓦斯突出的神经网络预测 被引量：11

参考文献1

二级参考文献6

共引文献53

同被引文献269

引证文献11

二级引证文献44

相关作者

相关机构

相关主题

浏览历史

煤矿瓦斯突出的神经网络预测被引量：11