基于灰色神经网络预测潘一东矿瓦斯含量

被引：11

作者：

沈金山

王来斌

许继影

高锡擎

郑飞

机构：

[1] 安徽理工大学地球与环境学院

来源：

煤炭技术 | 2011年 / 30卷 / 04期

关键词：

瓦斯含量; 灰色关联度; 神经网络;

D O I：

暂无

中图分类号：

TD712 [矿井瓦斯];

学科分类号：

081903 [安全技术及工程];

摘要：

运用灰色关联分析影响潘一东矿井瓦斯含量的各因素,得出煤层标高、顶板岩性、煤厚、地质构造是影响瓦斯赋存的主要因素。选取这四种因素作为神经网络的神经元进行建模预测,结果表明,基于灰色关联度的神经网络模型预测瓦斯含量,预测精度高,证明了基于灰色理论与神经网络预测模型的可靠性。

引用

页码：90 / 92

页数：3

共 8 条

[1]

矿井瓦斯抽放理论与技术.[M].林柏泉;张建国编著;.中国矿业大学出版社.1996,

[2]

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, 36 (06) :20-22

[3]

神经网络技术在煤层瓦斯含量预测中的应用 [J].

马玉姣 ;

程根银 ;

赵东云 .

煤炭工程, 2010, (01) :117-119

[4]

基于改进BP神经网络的瓦斯含量预测模型 [J].

赵延明 .

工矿自动化, 2009, 35 (04) :10-13

[5]

基于最小二乘支持向量机的煤层瓦斯含量预测 [J].

孙林 ;

杨世元 .

煤矿安全, 2009, 40 (02) :10-13

[6]

基于BP神经网络的瓦斯含量预测 [J].

吴观茂 ;

黄明 ;

李刚 .

煤田地质与勘探, 2008, (01) :30-33

[7]

灰色关联度在煤矿通风安全评价中的应用 [J].

陈晓坤 ;

欧阳博文 ;

马超 ;

任波 .

煤炭科学技术, 2006, (03) :69-71

[8]

论基于MATLAB语言的BP神经网络的改进算法 [J].

苏高利 ;

邓芳萍 .

科技通报, 2003, (02) :130-135

← 1 →