PCA-BP神经网络在回采工作面瓦斯涌出量预测中的应用

发布时间：2018-06-28 09:26

  本文选题：瓦斯涌出量预测 + PCA-BP　； 参考：《辽宁工程技术大学学报(自然科学版)》2015年11期

【摘要】：为对回采工作面瓦斯涌出量进行准确的预测,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(Statistical Product and Service Solutions)处理相关数据,研究了影响回采工作面瓦斯涌出量影响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,从而建立BP神经网络进行预测.并利用PCA-BP神经网络的方法建立了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]:In order to accurately predict the amount of gas emission in mining face, principal component regression analysis and BP neural network principle and method are used to deal with the related data by means of multivariate statistical analysis software SPSS (Statistical Product and Service Solutions). In order to determine the input parameters of BP neural network and establish BP neural network for prediction, the correlation between the factors affecting the gas emission in mining face is studied and the principal components are extracted. The prediction model of gas emission is established by using PCA-BP neural network. The results show that the maximum relative error between the predicted value and the actual value is 2.820, the minimum relative error is 2.036, and the average relative error is 2.357, which is more accurate than other prediction models. It has a good guiding effect on reducing the accident rate and predicting the gas emission in the mining face.
【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

【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

相关会议论文 前10条

1 陈魁奎;宁超;黄波;;鹤壁六矿深部瓦斯涌出量预测[A];基于瓦斯地质的煤矿瓦斯防治技术[C];2009年

2 陈凤;徐杰;刘立民;;基于虚拟仪器的瓦斯涌出量预测研究[A];煤矿重大灾害防治技术与实践——2008年全国煤矿安全学术年会论文集[C];2008年

3 王剑平;黄红霞;李宏彪;张云生;;基于支持向量机模型的瓦斯涌出量预测[A];第二十七届中国控制会议论文集[C];2008年

4 朱浩明;刘高峰;;山西和顺隆华公司15号煤层首采区瓦斯涌出量预测[A];瓦斯地质基础与应用研究[C];2011年

5 丁金华;;基于分形理论的瓦斯涌出量预测分析与研究[A];煤矿瓦斯综合治理与开发利用论文集[C];2012年

6 潘洪萍;;杨庄煤矿开采煤层的瓦斯涌出量预测[A];纪念矿井地质专业委员会成立二十周年暨矿井地质发展战略学术研讨会专辑[C];2002年

7 王小明;张子戌;杨小平;范兴斌;;数量化理论Ⅰ在唐山矿5煤层瓦斯涌出量预测中的应用[A];中国科学院地质与地球物理研究所2006年论文摘要集[C];2007年

8 陈大力;张劲松;孙晓军;;深部矿井瓦斯涌出量预测方法[A];2007年全国煤矿安全学术年会会议资料汇编[C];2007年

9 阮文彬;;田坝煤矿二号井下一采区煤层瓦斯涌出量预测[A];中国煤炭学会煤矿安全专业委员会2009年学术研讨会论文集[C];2009年

10 撒占友;何学秋;王恩元;;基于自适应神经网络的采掘工作面瓦斯涌出量预测[A];21世纪高效集约化矿井学术研讨会论文集[C];2001年

相关硕士学位论文 前10条

1 张漾;基于分形理论的瓦斯涌出量预测系统的研究[D];西安科技大学;2009年

2 刘阳;基于混沌分析的瓦斯涌出量预测[D];佳木斯大学;2010年

3 王一莉;瓦斯涌出量预测方法及其应用研究[D];南京工业大学;2005年

4 康桥;小波分析在瓦斯涌出量预测中的应用[D];西安科技大学;2013年

5 杨驭东;基于数据挖掘技术的瓦斯涌出量预测方法研究[D];内蒙古科技大学;2013年

6 梁华珍;工作面瓦斯涌出量预测的研究与应用[D];安徽理工大学;2007年

7 欧阳东;钱家营矿-850m水平瓦斯涌出量预测及治理措施研究[D];河北理工大学;2009年

8 王枫;井下瓦斯涌出量预测技术及监测系统研究[D];辽宁工程技术大学;2010年

9 朱帅虎;LS-SVM算法预测煤层瓦斯涌出量技术研究及应用[D];山东科技大学;2011年

10 闫鹏飞;基于最小二乘支持向量机的瓦斯涌出量预测控制[D];太原理工大学;2014年

，

本文编号：2077520