PCA-BP在回采工作面瓦斯涌出量预测中的应用

发布时间：2018-03-09 06:13

本文选题：主成分分析　切入点：BP神经网络　出处：《辽宁工程技术大学学报(自然科学版)》2015年12期 　论文类型：期刊论文

【摘要】：为对回采工作面瓦斯涌出量进行准确预测,运用主成分回归分析以及BP神经网络原理和方法,结合现场实测数据,采用多元统计分析软件SPSS处理相关数据,研究影响回采工作面瓦斯涌出量各因素间的相关关系并提取主成分,以确定BP神经网络中的输入参数,建立BP神经网络进行预测.利用PCA-BP神经网络方法建立瓦斯涌出量预测模型.研究结果表明:采用PCA-BP神经网络方法的预测值与实际值最大相对误差为2.820%,最小相对误差为2.036%,平均相对误差为2.357%,较其他预测模型有更高精度.对降低事故发生率和矿井延深水平的回采工作面瓦斯涌出量预测具有较好的指导作用.
[Abstract]:For the gas emission in coal mining face are accurately predicted, using principal component regression analysis and BP neural network principle and method, combined with field data, using multivariate statistical analysis software SPSS data processing, research on the influence of working face gas emission quantity relationship between various factors and principal components to determine the input parameters of BP the neural network prediction, BP neural network is established. The establishment of gas emission method based on PCA-BP neural network prediction model. The results show that the predicted by PCA-BP neural network method of the value and the actual value of the maximum relative error is 2.820%, the minimum relative error is 2.036%, the average relative error is 2.357%, with higher accuracy than other prediction model. It is helpful to reduce the gas emission rate of coal face and mine accident deep level prediction.

【作者单位】：辽宁工程技术大学矿业学院;矿山热动力灾害与防治教育部重点实验室;辽宁工程技术大学安全科学与工程学院;
【分类号】：TD712.5

【参考文献】

相关期刊论文前10条

1 王恩营;;分层开采掘进工作面瓦斯涌出规律及预测[J];矿业安全与环保;2006年06期

2 廖卫强;迟岩;王国玲;;一种基于惩罚系数的BP神经网络预测能力[J];辽宁工程技术大学学报(自然科学版);2013年02期

3 毕建武;贾进章;刘丹;;基于SPSS多元回归分析的回采工作面瓦斯涌出量预测[J];安全与环境学报;2013年05期

4 卢国斌;陈鹏;张俊武;;BP神经网络的通风系统可靠性评价[J];辽宁工程技术大学学报(自然科学版);2014年01期

5 许新征;丁世飞;杨胜强;赵作鹏;吴祥;;煤与瓦斯突出的PCA-BP神经网络预测模型研究[J];计算机工程与应用;2011年28期

6 罗景峰;许开立;;基于可变模糊组合方法的瓦斯涌出量预测[J];中国安全生产科学技术;2011年06期

7 袁亮;;留巷钻孔法煤与瓦斯共采技术[J];煤炭学报;2008年08期

8 吕伏;梁冰;孙维吉;王岩;;基于主成分回归分析法的回采工作面瓦斯涌出量预测[J];煤炭学报;2012年01期

9 薛鹏骞;吴立锋;李海军;;基于小波神经网络的瓦斯涌出量预测研究[J];中国安全科学学报;2006年02期

10 黄为勇;童敏明;任子晖;;基于SVM的瓦斯涌出量非线性组合预测方法[J];中国矿业大学学报;2009年02期

【共引文献】

相关期刊论文前10条

1 张豪;罗亦泳;张立亭;;基于遗传支持向量机的城市扩张非线性组合模型[J];地理学报;2010年06期

2 刘聪;汪明;;R软件在主成分分析中的应用研究[J];电脑知识与技术;2011年13期

3 赵雯;朱炎铭;王怀勐;罗跃;曹新款;王道华;方俊华;;开滦矿区东欢坨煤矿瓦斯涌出规律分析[J];矿业安全与环保;2011年01期

4 舒彦民;赵益;孙建华;姜天文;张锦鹏;;薄煤层群煤与瓦斯共采技术研究[J];矿业安全与环保;2011年04期

5 杨敏;汪云甲;李瑞霞;;煤与瓦斯突出强度预测的IGABP方法[J];重庆大学学报;2010年01期

6 邓红卫;胡普仑;杨念哥;高峰;翟建波;;基于组合赋权TOPSIS的采矿方法优选[J];广西大学学报(自然科学版);2012年05期

7 张志豪;唐德玉;;基于主成分的SFLABP网络模型在帕金森氏病分类中的应用[J];电脑知识与技术;2013年04期

8 孙庆巍;高磊;王辉;李永甫;丁宁;;粉煤灰品质主成分分析综合评价[J];辽宁工程技术大学学报(自然科学版);2013年06期

9 张国华;梁冰;侯凤才;蒲文龙;;不同质量分数渗透剂溶液侵入对瓦斯解吸影响的实验[J];重庆大学学报;2013年05期

10 陈建宏;周汉陵;邬书良;杨珊;于凤玲;;优势变精度粗糙集构建采矿方案评价体系的研究[J];工程设计学报;2013年06期

相关期刊论文前10条

1 郭德勇;李念友;裴大文;郑登锋;;煤与瓦斯突出预测灰色理论-神经网络方法[J];北京科技大学学报;2007年04期

2 方健;李自品;彭辉;戴思初;吴晓文;;基于主成分分析法的BP神经网络的应用[J];变压器;2011年01期

3 陈守煜;;基于可变模糊集的辩证法三大规律数学定理及其应用[J];大连理工大学学报;2010年05期

4 刘新荣,鲜学福,姜德义,刘保县;煤层瓦斯涌出量与煤层埋藏深度关系的探讨[J];矿业安全与环保;2001年01期

5 王恩营;;分层开采掘进工作面瓦斯涌出规律及预测[J];矿业安全与环保;2006年06期

6 秦彦磊;陆愈实;;基于BP神经网络模型的矿井通风可靠性研究[J];工业安全与环保;2006年02期

7 张敬宗;高文龙;;基于三维GIS的矿井通风信息系统[J];辽宁工程技术大学学报(自然科学版);2012年05期

8 程根银;孙凯;李波;朱锴;姚宏章;张景钢;王文永;;姚桥煤矿通风阻力测定及分析[J];辽宁工程技术大学学报(自然科学版);2012年05期

9 王旭华;陈守煜;唐列宪;张厚全;;Application of fuzzy optimal selection of similar slopes to the evaluation of slope stability[J];Journal of Harbin Institute of Technology;2007年03期

10 李英龙,严碧;SPSS统计软件包在矿山统计分析中的应用[J];黄金;2000年05期

【相似文献】

相关期刊论文前10条

1 张瑞林;刘晓;郑立军;;基于灰色动态建模的瓦斯涌出量预测方法研究[J];中国矿业;2006年12期

2 甘小根;吴仕彦;马明东;;灰色线性回归组合模型在北辰煤矿瓦斯涌出量预测中的应用研究[J];煤;2008年01期

3 姚向东;钟后选;;孔庄煤矿-1020m水平首采区瓦斯涌出量预测[J];煤矿安全;2008年07期

4 陈凤;徐杰;刘立民;;基于虚拟仪器的瓦斯涌出量预测[J];煤矿安全;2008年10期

5 焦长军;;野毛冲煤矿矿井瓦斯涌出量预测[J];煤炭技术;2009年12期

6 程加堂;熊伟;艾莉;;基于灰色线性回归组合模型的瓦斯涌出量预测研究[J];中国煤炭;2010年05期

7 景国勋;衡献伟;;基于灰色预测模型与一元线性回归模型的煤矿瓦斯涌出量预测比较[J];安全与环境工程;2010年05期

8 付优;;基于粗糙径向基函数的瓦斯涌出量预测[J];太原大学学报;2010年03期

9 王巍;刘德胜;;基于支持向量机理论的煤矿瓦斯涌出量预测研究[J];煤矿机械;2011年02期

10 刘铁锁;;煤矿瓦斯涌出量预测的不确定性研究[J];科学技术与工程;2011年04期