基于灰色理论与BP神经网络的煤层瓦斯含量预测方法

发布时间：2021-08-17 15:39

　　运用瓦斯地质理论分析了影响煤层瓦斯赋存的主要因素,并采用灰色关联分析法对影响煤层瓦斯含量的主要因素进行了关联度分析,选取CH4（%）、围岩岩性、煤层埋深3个主要因素作为BP神经网络的输入端神经元,构建出了预测瓦斯含量的预测模型,并进行网络训练,最后对预测模型的可靠性进行检验。结果表明:采用BP神经网络模型预测瓦斯含量比多元线性回归法的精度更高,能满足工程要求,对于煤层瓦斯含量的准确预测具有一定指导意义。 

【文章来源】：煤炭技术. 2019,38(11)

【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灰色关联分析
    1.1 影响煤层瓦斯赋存的地质因素及分析
    1.2 灰色关联分析原理
        (1）构建原始数据矩阵
        (2）统一量纲
        (3）计算绝对差值矩阵及最值
        (4）求解关联系数矩阵
        (5）关联度计算
    1.3 影响煤层瓦斯含量因素关联度分析
2 BP神经网络预测瓦斯含量
    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
    2.4 与多元回归分析比较
3 结语


【参考文献】：
期刊论文
[1]灰色关联分析与BP神经网络的概率积分法参数预测[J]. 赵忠明,施天威,董伟,刘永良.  测绘科学. 2017(07)
[2]基于灰色理论-BP神经网络的煤层瓦斯含量预测研究[J]. 李长兴,魏国营.  煤炭技术. 2015(05)
[3]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)
[4]灰色-分源预测法对煤矿瓦斯涌出量的应用研究[J]. 魏春荣,李艳霞,孙建华,米红伟,李珺.  采矿与安全工程学报. 2013(04)
[5]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)
[6]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)
[7]灰色关联度在矿井突水水源判别中的应用[J]. 郝彬彬,李冲,王春红.  中国煤炭. 2010(06)
[8]BP网络和RBF网络在函数逼近领域内的比较研究[J]. 智会强,牛坤,田亮,杨增军.  科技通报. 2005(02)



本文编号：3348037