观音山勘探区煤层含气量灰色关联预测

煤层含气量受多种地质因素影响,往往难以准确预测。以云南观音山勘探区为例,利用灰色关联度法识别出影响煤层含气量的主要因素,先后建立了煤层含气量预测的GM (1,N)模型和GM (1,1)模型。进一步分析揭示,煤层埋藏深度、煤层顶板5 m内砂岩厚度和顶板岩性是影响观音山勘探区煤层含气量的3个关键因素,利用残差尾段序列建立的GM (1,1)模型具有较高的预测精度。     

利用钻孔资料预测矿井未采区煤层瓦斯含量

利用矿井采掘区煤层瓦斯含量实测值,在瓦斯地质定性分析基础上,通过丰富翔实的钻孔资料建立井田未采区适用的煤层瓦斯含量预测公式,从而达到对井田煤层瓦斯含量预测的目的。为大型低瓦斯矿井煤层瓦斯含量预测提供了思路和方法。     

改进的GM(1,1)模型在滑坡变形预测中的应用

为了提高GM(1,1)模型在滑坡变形预测中的预测精度和普遍适用性,论文首先分析了GM(1,1)模型的数学特点,并根据建模机理所存在的固有缺陷探讨了几种合理实用的改进方法。在此基础上,结合呈对数型曲线的链子崖危岩体变形监测数据和呈指数型曲线的黄龙西村滑坡变形监测数据,分别了建立了传统GM(1,1)、无偏GM(1,1)、中心逼近式GM(1,1)、重构背景值的GM(1,1)和灰色神经网络组合等预测模型。预测结果表明:针对不同数学特点的滑坡变形数据,特定改进的GM(1,1)模型较传统模型预测精度更高,适用性更强。     

矿井深部地温的灰色数列预测

运用灰色系统理论中数列预测方法,对某矿井的近似稳态测温孔的深部地温进行了预测和检验,取得了远比公式法计算的精度高得多的效果。     

基于遗传神经网络的瓦斯含量预测研究

瓦斯含量预测取决于多因素、非线性的函数关系的建立 ,预测模型建立的准确与否决定于各个影响因素之间的相互作用、相互耦合的特性。文中将神经网络与遗传算法有机地结合起来 ,以神经网络理论为基础 ,利用遗传算法优化隐含层神经元个数和网络中的连接权值 ,建立瓦斯含量预测模型。在实验室测试数据的基础上 ,建立遗传神经网络训练和检验样本集 ,其中包含有 38个典型样本 ,并且将检验结果分别与回归模型、标准BP神经网络、自适应BP神经网络的预测结果进行比较。结果表明 :遗传神经网络模型可靠 ,预测精度高 ,为促进软计算技术与瓦斯地质的结合奠定了基础。     

基于R/S分析法的等维灰数递补动态GM(1,1)模型预测矿井涌水量

针对矿井涌水量时间序列的分形与灰色特征,采用重标极差分析法（R/S分析法）确定涌水量时间序列的Hurst指数和平均循环周期,在一个周期内建立等维灰数递补动态GM（1,1）预测模型。充分利用最新信息,提高模型预测精度。运用基于R/S分析法的GM（1,1）模型对陕北某矿矿井涌水量进行分析预测,结果表明,模型拟合程度好,预测精度高,能够为矿井安全生产提供决策依据。      

基于灰色支持向量机残差修正模型的地面沉降量预测

沉降现象在各地区普遍发生,地面沉降量预测越来越受到重视。本文通过结合灰色(GM(1,1))预测模型和支持向量机(SVM)模型各自的优点,建立灰色支持向量机(GM(1,1)-SVM)残差修正模型,在突出时间序列发展趋势影响的同时降低序列中异常值的消极作用。以某高层建筑的18次地面沉降量数据为实例,检验GM(1,1)-SVM模型的预测效果。结果表明:相对单一的GM(1,1)沉降量预测模型,GM(1,1)-SVM模型相对误差小,预测精度高,对地面沉降量预测有一定指导意义。     

基于灰色理论的基坑变形预测

基坑变形系统具有一定的不确定性,实际上是一个灰色系统,其监测变形值具有一定的灰色特征,利用灰色理论建立了等步长与非等步长基坑监测变形值GM(1,1)预测模型是可行的.工程应用表明,本文建立的基坑变形灰色预测模型具有较好的适用性,对指导基坑开挖和支护具有一定的作用.     

基于BP神经网络的瓦斯含量预测

以淮南矿区潘一矿13-1煤层为研究对象,在分析勘探钻孔资料的基础上,确定了煤层埋深及厚度、顶底板岩性、地质构造和煤变质程度是影响煤层瓦斯含量的主要因素;使用BP神经网络方法建立了瓦斯含量预测模型;结合实际数据,对预测模型进行训练和检验。预测结果表明:该模型比使用多元线性回归预测能获得更高的精度,说明预测模型可靠。     

灰色系统理论在煤层气含量预测中的应用

煤层含气量是一个受多因素影响的反映煤层含气性的定量指标。以晋城矿区为例,根据煤层气地质基本理论,利用改进的斜率关联度法,分析了煤层气含量的影响因素;进而,由灰色多变量静态模型GM(0,N)预测了煤层气含量,并与多元回归分析的结果进行比较。结果表明,用改进斜率关联度进行灰色关联分析所确定的煤层气含量的主要影响因素是可信的;由GM(0,N)模型预测煤层含气量所需样本数据少,原理简单,计算方便,且预测精度较高。     

宝鸡峡灌区地下水动态规律分析及预测

根据2002-2006年宝鸡峡塬上、塬下灌区内典型井观测资料,分析地下水的时空动态特征;利用灰色关联度理论分析地下水变化的主要影响因素,得出影响地下水动态的主要因素为降水、灌溉和开采;并在此基础上建立了GM（1,1）模拟地下水动态演变规律,模型精度较高。研究结论可为宝鸡峡灌区地下水调控提供依据。     

改进的灰色Verhulst GM(1,1)建筑物沉降模型

造成建筑物的沉降因素是复杂多样,沉降机理与过程是非线性的,从理论上给出符合实际的建筑物沉降公式很困难,许多安全等级很高的重要建筑物在施工期间均需进行沉降观测,以保证建筑物的安全而及时修改设计。根据建筑物沉降观测数据列特征,综合分析了影响建筑物沉降的因素,应用灰色理论关于连续非线性数据列的建模方法,经过二次拟合,建立了能描述高层建筑沉降过程的非等间距灰色Verhulst GM(1,1)模型。该模型经重庆地区某高层建筑沉降观测实例验证,能较准确预测建筑物的沉降过程和最终沉降量。表明利用少数高层建筑沉降的观测数据建立非等间距的灰色Verhulst GM(1,1)模型能较准确模拟建筑物沉降过程和预测最终沉降量,其建模方法较简单、精度高,具有一定的实用性。     

巷道对煤层瓦斯含量的影响范围探讨

为了煤矿安全生产,许多矿建立了井下瓦斯抽放系统。为了设计瓦斯抽放最佳方案和准确预测抽放区煤层瓦斯含量的分布情况,需要进行井下瓦斯抽放数值模拟。但是,由于井下巷道的存在使模拟模型的边界条件发生了不均匀变化,要确定模拟边界就必须考虑井下巷道的影响范围问题。从数值模拟角度,利用COMET2模拟软件,针对两种不同渗透率的储层模型,通过巷道存在180 d、360 d和730 d后对煤层瓦斯含量影响情况的模拟分析,探讨了巷道对煤层瓦斯含量的影响范围,得到了一些初步认识。     

基于ABC-BP模型的煤层含气量预测

煤层含气量预测是煤层气资源勘探开发利用前期的重要研究内容之一。近些年,BP神经网络算法常用于煤层含气量预测领域,但传统BP模型在训练过程中往往存在收敛速度慢、对初始值敏感以及易陷入局部极小值等问题。为此,提出了一种改进的以人工蜂群算法为特征的BP神经网络预测方法。以沁水盆地某工区3号煤层为研究对象,首先,利用R型聚类分析法对目标煤储层所提取的多种类型的地震属性进行分类,优选出4种对煤层含气量变化反应最敏感且相互独立的地震属性;再利用人工蜂群算法(ABC)寻找BP神经网络的输入层与隐含层的最优连接权值和隐含层的最优阈值,构建具有鲁棒性的ABC-BP神经网络预测模型,并以井位置优选地震属性和含气量数据为样本训练该模型;最后,以整个工区目标储层的优选地震属性为输入,进行工区内煤层含气量的预测。预测结果与各井含气量的变化趋势基本吻合,其中,训练井处的平均误差率为0.23%,验证井处的误差率低于15%,预测精度较高,因此,该预测方法可靠性高,适用性强,可有效用于煤层含气量预测。     

灰色系统和BP神经网络相结合的矿产资源预测模型

这里介绍了灰色系统和BP神经网络相结合的预测原理,利用BP网络,对改进的GM(1,1)残差修正模型所得预测的结果进行再预测的组合预测模型,并对攀枝花市钒钛磁铁矿的产量进行了预测。计算结果表明,该预测方法是可靠的,并具有较高的预测精度。     

灰色系统在地面沉降分析中的应用

该文将灰色系统理论引入地面沉降的研究之中。根据上海地面沉降的历史数据建立了上海地面沉降发展的GM(1,1)模型以及地面沉降与地下水位变化的映射GM(1,2)模型,最后运用所建立的模型对地面沉降的发展态势进行了预测。     

吐哈盆地煤层气开发前景分析

通过对吐哈盆地煤层气富集条件、资源状况和开发条件的分析,认为吐哈盆地具有形成煤层气藏的良好条件,预测煤层气资源量巨大,具备了较好的开发条件,应是我国实现煤层气大规模商业开发的重要勘探目标之一。