期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于RBF神经网络的矿井瓦斯预测 被引量:1
1
作者 段自力 《内蒙古煤炭经济》 2017年第2期84-85,共2页
预测瓦斯含量是治理瓦斯突出与爆炸的前提。这篇文章采用RBF神经网络方法利用监测的历史瓦斯数据来预测瓦斯含量。通过用样本数据对RBF神经网络进行训练,用检验样本进行验证,预测误差在可接受范围内。通过实验,验证了用RBF神经网络的方... 预测瓦斯含量是治理瓦斯突出与爆炸的前提。这篇文章采用RBF神经网络方法利用监测的历史瓦斯数据来预测瓦斯含量。通过用样本数据对RBF神经网络进行训练,用检验样本进行验证,预测误差在可接受范围内。通过实验,验证了用RBF神经网络的方法对矿井瓦斯预测是可行的。 展开更多
关键词 RBF神经网络 矿井瓦斯预测 训练误差 隐含层单元数
下载PDF
瓦斯地质工作在煤矿瓦斯预测中的应用与探讨 被引量:5
2
作者 张卫民 《山西焦煤科技》 2013年第9期39-42,共4页
为深入推进煤矿瓦斯防治工作,在整理煤矿多年地质勘探、开采和测试揭露的瓦斯地质资料的基础上,利用瓦斯地质和瓦斯治理研究成果,揭示煤矿瓦斯地质规律,为瓦斯灾害治理和资源开发利用提供基本依据,并对在预测过程中遇到的一些问题做有... 为深入推进煤矿瓦斯防治工作,在整理煤矿多年地质勘探、开采和测试揭露的瓦斯地质资料的基础上,利用瓦斯地质和瓦斯治理研究成果,揭示煤矿瓦斯地质规律,为瓦斯灾害治理和资源开发利用提供基本依据,并对在预测过程中遇到的一些问题做有益的探讨。 展开更多
关键词 煤矿瓦斯 埋藏深度 矿井瓦斯预测
下载PDF
基于Python的瓦斯浓度ARIMA预测模型构建及其应用 被引量:9
3
作者 张震 朱权洁 +2 位作者 李青松 张尔辉 刘鸿伟 《华北科技学院学报》 2020年第2期23-28,49,共7页
针对矿井瓦斯浓度预测研究现状,提出一种基于Python的瓦斯浓度时间序列预测方法。该方法采集、处理了矿井瓦斯浓度历史数据,形成适用于数据挖掘的平稳时间序列;基于该序列,调用Python自带的ARIMA模块函数,构建瓦斯浓度预测模型;利用建... 针对矿井瓦斯浓度预测研究现状,提出一种基于Python的瓦斯浓度时间序列预测方法。该方法采集、处理了矿井瓦斯浓度历史数据,形成适用于数据挖掘的平稳时间序列;基于该序列,调用Python自带的ARIMA模块函数,构建瓦斯浓度预测模型;利用建立的预测模型对瓦斯浓度进行预测,并对比分析瓦斯浓度历史数据与预测数据的误差大小,进行模型预测效果评价;最后,利用满足精度要求的预测模型,预测瓦斯浓度变化趋势。以贵州某矿为例,采集2018年3月5日至2018年3月7日的瓦斯数据作为样本数据,并调用Python的ARIMA模块建立预测模型,开展瓦斯浓度预测研究。结果表明,该方法实现了瓦斯浓度预测的可视化,并使瓦斯浓度预测均方根误差低为234%,预测精度较高,可为降低矿井瓦斯事故提供一定的技术支撑。 展开更多
关键词 矿井瓦斯浓度预测 时间序列 PYTHON语言 ARIMA
下载PDF
基于时间序列的瓦斯浓度动态预测 被引量:14
4
作者 郭思雯 陶玉帆 李超 《工矿自动化》 北大核心 2018年第9期20-25,共6页
现有瓦斯浓度预测方法只能实现瓦斯浓度的静态预测,不能随着瓦斯数据的累积而及时更新,从而导致预测结果不具有及时性。针对该问题,提出了一种基于时间序列的瓦斯浓度动态预测方法。利用小波分解技术的多分辨率特性,将瓦斯浓度时间序列... 现有瓦斯浓度预测方法只能实现瓦斯浓度的静态预测,不能随着瓦斯数据的累积而及时更新,从而导致预测结果不具有及时性。针对该问题,提出了一种基于时间序列的瓦斯浓度动态预测方法。利用小波分解技术的多分辨率特性,将瓦斯浓度时间序列分解到不同尺度上,使时间序列平稳化;通过实时动态构建的自回归滑动平均(ARMA)模型,利用过去瓦斯浓度变化趋势预测未来一段时间的矿井瓦斯浓度值,得到时间序列预测结果;为提高瓦斯浓度预测精度,将ARMA模型的预测结果与矿井环境参数输入到训练好的BP神经网络模型中,通过BP神经网络模型对预测结果进行修正,从而获得最终的瓦斯浓度预测值。测试结果表明,该方法可对矿井瓦斯浓度进行准确预测,瓦斯体积分数预测平均相对误差从8%降低到了5%。 展开更多
关键词 矿井瓦斯浓度预测 瓦斯浓度动态预测 时间序列 小波分解 自回归滑动平均模型 BP神经网络
下载PDF
Experimental study on f-ω regulation model under abnormal methane emission
5
作者 Wu Zhengyan Jiang Shuguang +6 位作者 Wang Kai Shao Hao Zhou Song He Xinjian Han Jing Cui Chuanbo Pei Xiaodong 《International Journal of Mining Science and Technology》 SCIE EI CSCD 2016年第6期1153-1159,共7页
In view of the difficulty of automatic adjustment, the recovery lag and the major accident potential of the mine ventilation system, an experimental model of the pipe net was established according to the typical one m... In view of the difficulty of automatic adjustment, the recovery lag and the major accident potential of the mine ventilation system, an experimental model of the pipe net was established according to the typical one mine and one working face ventilation system of Daliuta coal mine. Using the best uniform approximation method of Chebyshev interpolation to fit the fan performance curve, we experimentally determined fan characteristics with different frequencies and establish the data base for the curves. Based on ventilation network monitoring theory, we designed a monitoring system for ventilation network parameter monitoring and fan operating frequency automatic control. Using the absolute methane emission quantity to predict the air quantity requirement of branch and fan frequency, we established a f-ω regulation model based on fan frequency and absolute methane emission quantity. After analysing methane emission and distribution characteristics, using CO_2 to simulate the methane emission characteristics from a working face, we verified the correctness and rationality of the f-ω regulation model. The fan operation frequency is adjusted by the method of air adjustment change with methane emission quantity and the curve searching method after determining air quantity requirements. The results show that the air quantity in a branch strictly changes according to the f-ω regulation model, in the airincreasing dilution by fan frequency regulation, the CO_2 concentration is limited to the set threshold value. The paper verifies the practicability of a frequency regulation system and the feasibility of the frequency adjustment scheme and provides guidance for the construction of automatic frequency conversion control system in coal mine ventilation networks. 展开更多
关键词 Pipe network model Frequency regulation f-ω regulation model Prediction of air quantity requirement Air-increasing dilution
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部