工作面瓦斯涌出量时序混沌分形特性分析及其预测研究
发布时间:2023-05-17 22:44
我国是世界上煤与瓦斯突出灾害最严重的国家之一,具有突出矿井多、分布范围广、始突深度浅,突出强度大等一系列问题。由于尚未认清煤与瓦斯突出机理,故完全杜绝煤与瓦斯突出发生还不太可能。尽管目前国内外在局部检测与解危措施方面的研究已近成熟,但在防治煤与瓦斯突出的实施方面存在很大的难度。大量的事实表明,重特大的突出事故大多发生在煤巷掘进工作面,所以研究掘进工作面非接触式动态连续的煤与瓦斯突出预警方法具有重要的现实意义。 首先,本文从瓦斯在煤层中的流动理论出发,得出掘进工作面的瓦斯涌出量与煤层瓦斯含量、瓦斯压力、煤层透气性、地质构造等因素有关,由此得出瓦斯突出与工作面瓦斯涌出量的复杂特性密切相关。 其次,利用Taken的相空间重构理论来分析工作面瓦斯涌出时间序列的动力学模型。相空间重构参数的选取,文中采用了微熵率最小原则,最终确定所研究实例的几个嵌入维数均大于8,说明工作面瓦斯涌出动力学系统是一个高维的复杂系统。在此基础上,利用功率谱与Poincare截面定性分析工作面瓦斯涌出量时间序列数据具有混沌特性。针对实际时间序列长度有限且噪声未知的情况,在定量混沌特性分析中,提出了基于NLSR的LLE的求...
【文章页数】:145 页
【学位级别】:博士
【文章目录】:
致谢
摘要
Abstract
图清单
表清单
变量注释表
1 绪论
1.1 课题来源
1.2 选题背景与研究意义
1.3 应用与研究现状
1.4 论文的主要研究内容、创新点及技术路线
2 工作面瓦斯涌出量预测煤与瓦斯突出理论基础
2.1 工作面瓦斯动态涌出量影响因素分析
2.2 工作面瓦斯涌出量预测瓦斯突出理论基础
2.3 研究实例
2.4 本章小结
3 工作面瓦斯涌出量时序混沌特性分析
3.1 相空间重构理论参数选取
3.2 定性的时间序列数据混沌特性识别
3.3 混沌时间序列的最大Lyapunov指数
3.4 本章小结
4 基于改进G-P算法的关联维数求取
4.1 算法理论
4.2 基于FCM的典型混沌动力学系统的关联维数研究
4.3 掘进工作面瓦斯时间序列数据的关联维数
4.4 本章小结
5 基于改进R/S分析的工作面瓦斯涌出量时间序列分形特性研究
5.1 R/S 类分析法的基本原理
5.2 R/S类分析方法对比研究
5.3 掘进工作面瓦斯涌出量时间序列长程趋势分析
5.4 本章小结
6 基于Bayesian推理的LS-SVM工作面瓦斯涌出量短期预测
6.1 LS-SVM回归模型基本原理
6.2 基于Bayesian推理的LS-SVM回归模型
6.3 基于Bayesian推理的LS-SVM瓦斯涌出量时间序列预测研究
6.4 本章小结
7 基于BWLS-SVM工作面瓦斯涌出量短期预测
7.1 加权LS-SVM的基本原理
7.2 基于BWLS-SVM的工作面瓦斯时间序列预测研究
7.3 本章小结
8 结论
8.1 主要结论
8.2 研究展望
参考文献
作者简历
学位论文数据集
本文编号:3818147
【文章页数】:145 页
【学位级别】:博士
【文章目录】:
致谢
摘要
Abstract
图清单
表清单
变量注释表
1 绪论
1.1 课题来源
1.2 选题背景与研究意义
1.3 应用与研究现状
1.4 论文的主要研究内容、创新点及技术路线
2 工作面瓦斯涌出量预测煤与瓦斯突出理论基础
2.1 工作面瓦斯动态涌出量影响因素分析
2.2 工作面瓦斯涌出量预测瓦斯突出理论基础
2.3 研究实例
2.4 本章小结
3 工作面瓦斯涌出量时序混沌特性分析
3.1 相空间重构理论参数选取
3.2 定性的时间序列数据混沌特性识别
3.3 混沌时间序列的最大Lyapunov指数
3.4 本章小结
4 基于改进G-P算法的关联维数求取
4.1 算法理论
4.2 基于FCM的典型混沌动力学系统的关联维数研究
4.3 掘进工作面瓦斯时间序列数据的关联维数
4.4 本章小结
5 基于改进R/S分析的工作面瓦斯涌出量时间序列分形特性研究
5.1 R/S 类分析法的基本原理
5.2 R/S类分析方法对比研究
5.3 掘进工作面瓦斯涌出量时间序列长程趋势分析
5.4 本章小结
6 基于Bayesian推理的LS-SVM工作面瓦斯涌出量短期预测
6.1 LS-SVM回归模型基本原理
6.2 基于Bayesian推理的LS-SVM回归模型
6.3 基于Bayesian推理的LS-SVM瓦斯涌出量时间序列预测研究
6.4 本章小结
7 基于BWLS-SVM工作面瓦斯涌出量短期预测
7.1 加权LS-SVM的基本原理
7.2 基于BWLS-SVM的工作面瓦斯时间序列预测研究
7.3 本章小结
8 结论
8.1 主要结论
8.2 研究展望
参考文献
作者简历
学位论文数据集
本文编号:3818147
本文链接:https://www.wllwen.com/kejilunwen/anquangongcheng/3818147.html