瓦斯含量地质预测的自适应神经网络技术研究

以新汶矿区协庄矿11煤层为研究对象,筛选出影响瓦斯含量的主要地质指标,利用自适应神经网络技术建立了瓦斯含量预测模型,结合实验数据,对预测模型进行训练、检验。结果表明:此方法可行,模型可靠,计算精度高,具有较大的实用价值。

鹿台山煤矿2号煤层瓦斯地质区划

煤层瓦斯不均衡赋存是制约煤矿瓦斯安全管理的主控因素,准确合理的瓦斯地质区划是有效进行瓦斯防治的基础和保障。基于瓦斯地质区划理论方法,综合分析影响鹿台山煤矿3号煤层瓦斯赋存的主要地质因素,采用多元线性回归、数量化理论I、构造关联度分区等方法,筛选出影响2号煤层瓦斯含量的地质变量包括煤层埋深、围岩透气性和褶皱平面变形系数3个主要地质指标,建立了瓦斯含量预测的数学模型并对预测模型进行了理论和实践验证,模型精度较高。在此基础上利用瓦斯含量预测模型对2号煤层瓦斯含量进行预测和瓦斯地质区划。经实践验证,瓦斯地质区划结果符合实际地质情况。

煤矿工作面残余瓦斯含量预测

煤层预抽后残余瓦斯含量过高致使工作面回采过程中瓦斯突出及瓦斯涌出现象频发,存在极大瓦斯爆炸、火灾等隐患.为有效控制煤层预抽后工作面残余瓦斯含量,以林华煤矿为例建立9#煤层预抽后工作面残余瓦斯含量预测模型.在粗糙集等理论基础上利用Weka软件,通过SVM分类机、BP神经网络和NaiveB ayes分类器,分析验证各因素对残余瓦斯含量的影响,获得12组待测样本预测结果的准确率;随之进行详细精度,混淆矩阵和节点错误率分析,得出SVM分类机在瓦斯残余含量的预测上最为精准;最后通过MATLAB软件实现PSO算法对SVM的优化,提高预测精准度,得出最终预测结果.