秦皇岛市空气质量特征分析及其预测模型

以秦皇岛市为研究对象,对其2015~2019年空气质量的变化特征进行分析,得出秦皇岛市空气质量的特征和变化趋势,并建立了秦皇岛市空气质量指数的预测模型。分别采用2种预测方案,并在每种方案中选用不同的预测模型:方案1,基于AQI时间序列的乘积季节模型;方案2,基于气象因子的BP神经网络AQI预测模型。通过对比不同模型的预测及结果,得到2个模型中最适合秦皇岛市空气质量指数的预测模型为乘积季节模型。

基于门循环单元神经网络模型的煤层底板突水动态预测

在煤层底板突水理论及现场实测数据分析基础上,建立了煤层底板突水影响因素突水指标,并通过Wrapper评价策略的特征选择,筛选出了影响煤矿底板突水的主控因素。在对动态的煤层底板突水门循环单元神经网络模型进行训练并完成构建之后,将其与三种静态神经网络预测模型进行比较。结果表明:煤层底板突水门循环神经网络模型预测的准确率在训练、验证及测试阶段都高于静态神经网络预测模型,能够很好地完成煤层底板突水预测,提高煤矿生产安全。