基于BP神经网络的未采区瓦斯含量预测

发布时间：2023-01-12 18:49

　　为提高预测模型的可靠性,实现对煤层未采区域瓦斯含量的精确预测,以山阳煤矿5^#煤层为研究对象,进行未采区瓦斯含量的预测。运用瓦斯地质学和多元线性回归分析法,得出基岩厚度、煤层厚度和埋深是影响该矿瓦斯赋存的主要因素,并将其作为BP神经网络模型的输入端神经元,初步构建出瓦斯含量预测模型;结合地勘时期瓦斯钻孔的实际数据,进行网络训练,再对预测模型的可靠性进行检验。结果表明:该预测模型预测瓦斯含量,精度较高,效果较好,能满足工程要求。采用多元线性回归-BP神经网络可以对未开采区域煤层瓦斯含量进行准确预测,为矿井瓦斯灾害防治提供一定的参考依据。 

【文章页数】：4 页

【文章目录】：
0 引言
1 影响煤层瓦斯含量的地质因素分析
    1.1 多元线性回归分析原理
    1.2 多元线性回归分析瓦斯含量的影响因素
2 BP神经网络预测煤层瓦斯含量
    2.1 BP神经网络预测原理
    2.2 BP神经网络模型的建立
    2.3 BP神经网络训练和网络检验
3 结论


【参考文献】：
期刊论文
[1]基于灰色理论-多元回归分析的瓦斯含量预测[J]. 许满贵,高帅帅,曹艳军,卢亚楠,王娇娇.  煤矿安全. 2018(09)
[2]基于SPSS多元回归分析的回采工作面瓦斯涌出量预测[J]. 毕建武,贾进章,刘丹.  安全与环境学报. 2013(05)
[3]古汉山矿瓦斯赋存规律及其影响因素分析[J]. 魏建平,李鹏,李波.  煤矿安全. 2012(01)
[4]基于模糊神经网络的煤层瓦斯含量预测研究[J]. 郝天轩,宋超.  中国安全科学学报. 2011(08)
[5]基于灰色神经网络预测潘一东矿瓦斯含量[J]. 沈金山,王来斌,许继影,高锡擎,郑飞.  煤炭技术. 2011(04)
[6]地质因素对煤层瓦斯赋存影响的研究[J]. 舒龙勇,程远平,王亮,蒋静宇,翟清伟,孔胜利.  中国安全科学学报. 2011(02)
[7]基于多元线性回归分析法预测矿井瓦斯涌出量[J]. 蔡武,袁莎莎,戚洋.  煤矿安全. 2010(01)
[8]灰色关联分析在建设项目环境影响评价中的应用[J]. 李玉文,关兆红,任彩银.  环境污染治理技术与设备. 2003(10)

硕士论文
[1]董矿分公司二水平二采区瓦斯涌出量预测及防治技术研究[D]. 张鹏.西安科技大学 2018



本文编号：3730298