矿井潮湿巷道风流温度预测方法改进

高温矿井风流温度准确预测是很多学者关注的课题,难点是预测模型中的含湿量或水蒸气分压力与温度关系复杂。结合矿井风流温湿度特点,充分考虑风流温度、相对湿度共同对潜热交换量的影响,提出了分区间将含湿量项回归成温度、相对湿度的二元一次函数的简化方法;根据矿井风流能量方程理论,提出了利用焓值方程闭合差校验模型预测精度的方法;得出了精度较高、且可手动计算的预测通风时间1 a以内和1 a以上巷道末端风流温度计算模型。

一种基于耦合算法的矿井风流温度预测新方法

针对矿井风流温度预测工作的复杂性及各个影响因素的模糊的非线性关系,传统预测方法难以构建预测模型,导致预测精度低的特点,提出一种基于RBF神经网络的矿井风流温度预测方法;并利用粒子群算法对RBF神经网络参数进行寻优,利用煤矿历史数据对预测模型进行仿真研究。结果表明,提出的基于改进粒子群算法的RBF神经网络模型(MPSO-RBF)具有收敛速度快,预测精度高的特点,为矿井风流温度预测领域提供理论支撑。