基于BP神经网络的煤自燃倾向性预测——以唐山矿及荆各庄矿为例

发布时间：2022-09-17 16:40

　　为准确预测煤的自燃倾向性,在总结和分析煤自燃倾向性研究现状的基础上,选取煤的组成与结构方面的碳含量、镜质组含量、固定碳含量、比表面积、微孔占比与羟基含量6项主要影响因素建立了基于BP神经网络的煤自燃倾向性预测模型,确立了建模所需的样本,并运用Matlab软件进行网络训练并完成模型检验。将该模型应用于唐山矿9煤层、11煤层及荆各庄矿的煤自燃倾向性预测,结果显示误差均小于5%,证明基于BP神经网络的煤自燃倾向性预测模型的准确度较高,可用于工程实际。 

【文章页数】：5 页

【文章目录】：
0 引言
1 煤自燃倾向性的影响因素
2 构建模型
    2.1 样本数据
    2.2 模型结构
    2.3 网络训练
    2.4 模型效果检验
3 应用实例
4 结论与展望


【参考文献】：
期刊论文
[1]煤自热低温阶段“自限制”特征的理论与试验研究[J]. 王海燕,方熙扬.  煤炭科学技术. 2019(06)
[2]煤自燃预测的支持向量回归方法[J]. 邓军,雷昌奎,曹凯,马砺,王伟峰.  西安科技大学学报. 2018(02)
[3]荆各庄矿复采与原生煤层自燃特性分析[J]. 王福生,孙超,杨志,董宪伟,艾晴雪.  煤矿安全. 2017(10)
[4]构造煤中矿物质对孔隙结构的影响研究[J]. 李明,姜波,秦勇,刘杰刚.  煤炭学报. 2017(03)
[5]煤自燃倾向性测试方法研究进展与展望[J]. 陈鹏,张弛,张浪,王晓影.  煤矿安全. 2016(03)
[6]基于BP神经网络的导水裂隙带高度预测[J]. 李振华,许延春,李龙飞,翟常治.  采矿与安全工程学报. 2015(06)

博士论文
[1]基于模型化合物的煤表面活性基团低温氧化研究[D]. 唐一博.中国矿业大学 2014
[2]煤氧化自燃微观特征及其宏观表征研究[D]. 张嬿妮.西安科技大学 2012

硕士论文
[1]基于BP神经网络的城市区域火灾风险评估模型研究[D]. 史一通.西南交通大学 2018
[2]煤的组成及结构对自燃倾向性影响研究[D]. 孙超.华北理工大学 2018



本文编号：3679582