煤矿上隅角瓦斯浓度预测的研究
发布时间：2021-05-17 02:38
在煤矿生产中,瓦斯作为矿井煤岩壁涌出的危险气体,给煤矿的安全生产构成较大威胁。煤矿瓦斯浓度是煤矿安全监测的重要指标之一,对煤矿井下瓦斯浓度进行精确测量和实时监测控制是防止煤矿瓦斯爆炸的重要措施。矿井采煤面上隅角由于其靠近煤壁和采空区侧,风流速度很低,局部处于涡流状态,这种特殊的空间位置和结构,瓦斯积聚很容易发生。这就要求对上隅角瓦斯浓度的进行可靠的预测来避免瓦斯积聚产生的危害,做到提前预知瓦斯浓度的变化趋势,采取有效措施降低上隅角瓦斯积聚发生的概率。文章对煤矿采煤面上隅角瓦斯浓度预测,是一种最新预测科学和预测技术构建在现代无线监测网络监测工程上的应用。本课题研究了煤矿瓦斯浓度预测的相关信息及确立依据,并结合了瓦斯浓度预测的复杂性,确定对瓦斯浓度的预测方案。研究从瓦斯浓度的时间序列出发,建立了比较简单的灰色理论预测模型；进而考虑影响瓦斯浓度数据的各方面因素,结合应用广泛的相空间重构思想,对神经网络模型的结构进行多方面的分析,确定了神经网络预测模型各层的权值和阈值并建立了多维的神经网络预测模型；最后通过学习掌握支持向量机的理论和建模知识,分析了支持向量机在煤矿上隅角瓦斯预测中的可行性和优势...
【文章来源】：安徽理工大学安徽省
【文章页数】：85 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
目录
Contents
1 绪论
1.1 引言
1.2 技术背景与国内外研究现状
1.2.1 技术背景
1.2.2 国内外研究现状
1.3 本文的主要研究内容
1.4 论文章节安排
2 灰色理论及神经网络瓦斯浓度预测模型的建立
2.1 瓦斯浓度预测可行性分析
2.2 灰色理论预测方法
2.2.1 灰色系统理论概述
2.2.2 灰色预测模型机理
2.2.3 GM(1,1)灰色瓦斯浓度预测模型
2.3 神经网络预测方法
2.3.1 神经网络概述
2.3.2 神经网络建模机理
2.3.3 BP神经网络瓦斯浓度预测模型
2.4 本章小结
3 支持向量机瓦斯浓度预测模型的建立
3.1 支持向量机预测的可行性分析
3.2 支持向量机
3.2.1 支持向量机理论
3.2.2 支持向量机方法
3.2.3 最小二乘支持向量机
3.3 瓦斯浓度预测模型的建立
3.3.1 系统建模的方法介绍
3.3.2 支持向量机瓦斯浓度预测模型的建立
3.4 三种预测方法的比较
3.5 本章小结
4 瓦斯浓度预测的工程实现
4.1 无线传感网络概述
4.2 煤矿瓦斯浓度监测无线传感网络设计
4.2.1 无线通信技术标准
4.2.2 无线传感网络的设计
4.2.3 无线节点的部署及算法介绍
4.3 基于Zigbee协议的模块设计
4.3.1 Zigbee协议
4.3.2 Zigbee协议模块的实现
4.4 无线传感网络的应用特点和问题
4.4.1 无线传感网络在上隅角瓦斯浓度预测的应用特点
4.4.2 无线传感网络在应用中存在的问题
4.5 本章小结
5 实验及仿真结果分析
5.1 实验环境介绍
5.2 实验数据结果分析
5.3 结果讨论和系统的评价
5.4 本章小结
6 论文总结与展望
6.1 全文总结
6.2 本课题不足与下一步工作
参考文献
致谢
作者简介及读研期间主要科研成果
【参考文献】：
期刊论文
[1]基于商空间的煤矿瓦斯浓度预测研究[J]. 张月琴,曾倩倩. 电脑开发与应用. 2011(04)
[2]瓦斯含量法预测煤与瓦斯突出的研究与应用[J]. 袁亮,薛生,谢军. 煤炭科学技术. 2011(03)
[3]基于K-Means聚类的瓦斯浓度预测[J]. 穆文瑜,李茹. 计算机应用. 2011(03)
[4]基于HJM模型和蒙特卡罗方法的瓦斯浓度预测研究[J]. 魏星,王汝琳,巫金庭. 工矿自动化. 2010(05)
[5]基于极值统计理论的瓦斯浓度预测模型研究[J]. 杨洋,郭佳,郭力. 中国煤炭. 2009(06)
[6]最小二乘支持向量机的研究与应用[J]. 冯学军. 安庆师范学院学报(自然科学版). 2009(01)
[7]装备故障诊断和预测技术综述[J]. 王子玲,许爱强,杨智勇. 火力与指挥控制. 2008(S2)
[8]Zigbee技术无线传感器网络在煤矿井下环境监测中的应用研究[J]. 阮殿旭,唐大放,张晓光,刘旭东. 煤矿机械. 2008(06)
[9]基于支持向量机方法对非平稳时间序列的预测[J]. 王革丽,杨培才,毛宇清. 物理学报. 2008(02)
[10]煤矿瓦斯浓度预测的ANFIS方法研究[J]. 张剑英,程健,侯玉华,白静宜,裴小斐. 中国矿业大学学报. 2007(04)
博士论文
[1]南方红豆杉人工林生长与收益模型研究[D]. 李良松.北京林业大学 2011
[2]最小二乘支持向量机建模及预测控制算法研究[D]. 李丽娟.浙江大学 2008
[3]无线自组织网络路由与低功耗节点关键技术研究[D]. 黄超.重庆大学 2008
硕士论文
[1]基于改进BP神经网络的住宅房价格分析研究[D]. 胡为尧.南京信息工程大学 2011
[2]支持向量机应用于大气污染物浓度预测[D]. 陈俏.西安科技大学 2010
[3]基于最小二乘支持向量机的非线性广义预测控制[D]. 程萍.太原理工大学 2010
[4]基于BP神经网络的超稠油流变性研究[D]. 张雪.大庆石油学院 2010
[5]铁路超限货物运输安全评价研究[D]. 张明春.北京交通大学 2009
[6]基于混沌时间序列的瓦斯浓度预测研究[D]. 时天.西安科技大学 2009
[7]测量系统精度损失机理及模型研究[D]. 姜珊.合肥工业大学 2009
[8]基于无线传感器网络的矿井设备定位技术的研究[D]. 张力.电子科技大学 2009
[9]基于无线传感器网络的移动终端用户行为识别研究[D]. 付巍.北京邮电大学 2009
[10]无线传感器网络生存时间优化研究[D]. 沈振伟.浙江工业大学 2009
本文编号：3190906
【文章来源】：安徽理工大学安徽省
【文章页数】：85 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
目录
Contents
1 绪论
1.1 引言
1.2 技术背景与国内外研究现状
1.2.1 技术背景
1.2.2 国内外研究现状
1.3 本文的主要研究内容
1.4 论文章节安排
2 灰色理论及神经网络瓦斯浓度预测模型的建立
2.1 瓦斯浓度预测可行性分析
2.2 灰色理论预测方法
2.2.1 灰色系统理论概述
2.2.2 灰色预测模型机理
2.2.3 GM(1,1)灰色瓦斯浓度预测模型
2.3 神经网络预测方法
2.3.1 神经网络概述
2.3.2 神经网络建模机理
2.3.3 BP神经网络瓦斯浓度预测模型
2.4 本章小结
3 支持向量机瓦斯浓度预测模型的建立
3.1 支持向量机预测的可行性分析
3.2 支持向量机
3.2.1 支持向量机理论
3.2.2 支持向量机方法
3.2.3 最小二乘支持向量机
3.3 瓦斯浓度预测模型的建立
3.3.1 系统建模的方法介绍
3.3.2 支持向量机瓦斯浓度预测模型的建立
3.4 三种预测方法的比较
3.5 本章小结
4 瓦斯浓度预测的工程实现
4.1 无线传感网络概述
4.2 煤矿瓦斯浓度监测无线传感网络设计
4.2.1 无线通信技术标准
4.2.2 无线传感网络的设计
4.2.3 无线节点的部署及算法介绍
4.3 基于Zigbee协议的模块设计
4.3.1 Zigbee协议
4.3.2 Zigbee协议模块的实现
4.4 无线传感网络的应用特点和问题
4.4.1 无线传感网络在上隅角瓦斯浓度预测的应用特点
4.4.2 无线传感网络在应用中存在的问题
4.5 本章小结
5 实验及仿真结果分析
5.1 实验环境介绍
5.2 实验数据结果分析
5.3 结果讨论和系统的评价
5.4 本章小结
6 论文总结与展望
6.1 全文总结
6.2 本课题不足与下一步工作
参考文献
致谢
作者简介及读研期间主要科研成果
【参考文献】：
期刊论文
[1]基于商空间的煤矿瓦斯浓度预测研究[J]. 张月琴,曾倩倩. 电脑开发与应用. 2011(04)
[2]瓦斯含量法预测煤与瓦斯突出的研究与应用[J]. 袁亮,薛生,谢军. 煤炭科学技术. 2011(03)
[3]基于K-Means聚类的瓦斯浓度预测[J]. 穆文瑜,李茹. 计算机应用. 2011(03)
[4]基于HJM模型和蒙特卡罗方法的瓦斯浓度预测研究[J]. 魏星,王汝琳,巫金庭. 工矿自动化. 2010(05)
[5]基于极值统计理论的瓦斯浓度预测模型研究[J]. 杨洋,郭佳,郭力. 中国煤炭. 2009(06)
[6]最小二乘支持向量机的研究与应用[J]. 冯学军. 安庆师范学院学报(自然科学版). 2009(01)
[7]装备故障诊断和预测技术综述[J]. 王子玲,许爱强,杨智勇. 火力与指挥控制. 2008(S2)
[8]Zigbee技术无线传感器网络在煤矿井下环境监测中的应用研究[J]. 阮殿旭,唐大放,张晓光,刘旭东. 煤矿机械. 2008(06)
[9]基于支持向量机方法对非平稳时间序列的预测[J]. 王革丽,杨培才,毛宇清. 物理学报. 2008(02)
[10]煤矿瓦斯浓度预测的ANFIS方法研究[J]. 张剑英,程健,侯玉华,白静宜,裴小斐. 中国矿业大学学报. 2007(04)
博士论文
[1]南方红豆杉人工林生长与收益模型研究[D]. 李良松.北京林业大学 2011
[2]最小二乘支持向量机建模及预测控制算法研究[D]. 李丽娟.浙江大学 2008
[3]无线自组织网络路由与低功耗节点关键技术研究[D]. 黄超.重庆大学 2008
硕士论文
[1]基于改进BP神经网络的住宅房价格分析研究[D]. 胡为尧.南京信息工程大学 2011
[2]支持向量机应用于大气污染物浓度预测[D]. 陈俏.西安科技大学 2010
[3]基于最小二乘支持向量机的非线性广义预测控制[D]. 程萍.太原理工大学 2010
[4]基于BP神经网络的超稠油流变性研究[D]. 张雪.大庆石油学院 2010
[5]铁路超限货物运输安全评价研究[D]. 张明春.北京交通大学 2009
[6]基于混沌时间序列的瓦斯浓度预测研究[D]. 时天.西安科技大学 2009
[7]测量系统精度损失机理及模型研究[D]. 姜珊.合肥工业大学 2009
[8]基于无线传感器网络的矿井设备定位技术的研究[D]. 张力.电子科技大学 2009
[9]基于无线传感器网络的移动终端用户行为识别研究[D]. 付巍.北京邮电大学 2009
[10]无线传感器网络生存时间优化研究[D]. 沈振伟.浙江工业大学 2009
本文编号：3190906
本文链接：https://www.wllwen.com/kejilunwen/anquangongcheng/3190906.html
