共查询到16条相似文献，搜索用时 265 毫秒
1.
基于我国东部许多大水矿区煤炭资源日渐枯竭,衰老矿井涌水量变化巨大的现状,以灰色系统理论为基础,提出了一种新的矿井涌水量预测组合模型——GM (1,1)–Markov–新陈代谢组合模型以及用于预测结果综合评价的指数Z。模型验证结果表明,该组合模型的预测结果优于其他模型,减小了序列数据波动性大、新旧信息更替差异所造成的误差,能够较好地解决时间跨度下采空区残留涌水、意外突水等不确定因素对衰老矿井涌水量预测精度和可靠性的影响。将该组合模型及其他模型应用于开滦集团荆各庄衰老矿井涌水量的预测,结果显示:GM (1,1)–Markov–新陈代谢组合模型的综合评价指数最高,达到0.475;荆各庄矿2011—2015年的矿井涌水量将分别为13.055 m3/min、12.730 m3/min、12.579 m3/min、12.493 m3/min和12.503 m3/min。 相似文献
2.
针对矿井涌水量研究中存在的问题,提出并论述了灰色预测理论应用于矿井涌水量预测的可行性和必要性,通过对井陉矿区的预测实践,建立了相应的 GM（1,1）模型,给出了提高灰色模型预测精度的方法。 相似文献
3.
运用灰色理论建立煤矿涌水量预测的GM (1,1)模型,在某矿井太原组工作面涌水量资料的基础上,通过增加观测频率和数据密度的方法对模型进行修正,使精度提高到96.26%。将模型预测值与实际数据比较,证明所建立模型较为可靠。结合其实际的水文地质条件及排水能力,设定该工作面的上灾变阈值为15 m3/min,得出工作面的涌水量大小、灾变时间和数值的预测值,为工作面安全开采和监管提供了数据支持。 相似文献
4.
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。 相似文献
5.
汪家寨煤矿涌水量主要受控于大气降水,为了及时预报矿井涌水量,利用矿井涌水量序列和降水量序列,建立涌水量非线性即时预报模型。从涌 和降水量的互相关分析得知,涌水量滞后降水量约０～１个月。应用时间序列混合门限自回归模型建立了涌水量预测模型Ｔａｒｓｏ（２,（１,１）,（１,１））,利用率模型对１９９１年的涌水量进行了预测,主送率在１０％～２０％之间,满足生产需要。模型既考虑了涌水量序列的自相关性,又考虑 相似文献
6.
李波 《华北地质矿产杂志》2014,(2):106-107,111
为制定疏干措施,防止矿井突水淹井事故的发生,煤矿必须对矿井涌水量进行较为准确的预测,但矿井涌水量受大气降水、地表水、水文地质条件、开采情况等多种因素的影响,往往呈现出较大随机性和波动性。用灰色理论残差GM（1,1）模型对原始数据进行处理,可有效弱化其随机性,规避各种复杂因素的影响,该模型机动灵活,预测结果精度高,为矿井设计的最优化选择提供了科学依据。 相似文献
7.
矿井涌水量的准确预测对预防矿山透水事故的发生至关重要,提出利用GA优化的SVM模型（GA-SVM）来实现矿井涌水量的短期准确预测。该方法利用GA的自动寻优功能寻找SVM的最佳参数,提高了预测的准确率。首先,利用微熵率法求矿井涌水量时间序列的最佳嵌入维数和延迟时间,进行相空间重构。其次,采集义煤集团千秋煤矿2011—2015年实际涌水量的时间序列,利用GA-SVM模型对最后12组数据进行预测,其预测平均绝对百分比误差仅为0.92%,最大相对误差为2.62%。最后,与PSO-SVM和BP神经网络预测进行对比,结果表明GA-SVM优化模型适用于矿井涌水量的预测并且预测精度较高。 相似文献
8.
9.
陈鹏宇 《地质灾害与环境保护》2009,20(4):101-105
地面沉降的模拟计算属于灰色问题,建立一个有效的灰色预测模型是十分重要的,在分析灰色线性回归组合模型模拟序列特点的基础上,建立了以原始数据直接建模的离散GM（1,1）模型（称为ODGM（1,1）模型）,将某沉降实例数据建立ODGM（1,1）模型,并与灰色线性回归组合预测模型进行比较,结果证明离散GM（1,1）模型优于灰色线性回归组合预测模型。 相似文献
10.
在传统的GM(1,1)模型建模的基础上,采用改进欧拉算法简化GM(1,1)模型中参数的求解过程,进行滑坡变形动态预测。本文根据某高速公路滑坡治理过程中的变形监测数据,应用改进的模型进行滑坡变形动态预测,通过预测结果和实际监测数据进行对比分析,结果表明:改进欧拉算法的GM(1,1)模型参数计算简单,且预测精度为一级;不仅适用于滑坡变形等时距监测数据的低增长序列预测,也适用于高增长序列预测,证明该改进欧拉算法的有效性。 相似文献
11.
New grey prediction model and its application in forecasting land subsidence in coal mine 总被引：2，自引：1，他引：1
Mining subsidence destroys environment seriously and is difficult to forecast because the parameters in prediction model are difficult to obtain. As there are many uncertainties in mining subsidence, we forecast it by grey prediction model. Traditional GM (1,1) model predict for a time series. In this paper, the panel data are studied and are viewed as a sequence in which elements are matrix based on cross-sectional data, and the mean sequence of row vector GM (1,1) model, mean sequence of column vector GM (1,1) model and the cell volume sequence GM (1,1) model are established, respectively. Combining these grey models, we build prediction model of cross-sectional data matrix sequence. Thus, the scope of grey prediction has been expanded, and grey forecasting theory has been enriched. Using the newly built predictive models, we study the land deformation due to mining of Pingdingshan coal mine in Henan Province. Practical verification and model accuracy test show that the grey model can make accurate predictions, with a good agreement between the predictive value and actual value. It can provide effective and accurate information and also can provide an important reference for the reclamation planning of surface environment. 相似文献
12.
13.
径流过程具有分形和灰色特征。基于此,将R/S分析与灰色系统理论相结合,提出了R/S灰色预测模型以预报河流年径流量。针对黑河正义峡水文站60a(1949~2011年)的年径流量资料,首先进行R/S分析,确定径流量序列的Hurst指数H和平均循环周期T;然后在一个周期内进行年径流量灰色预测。结果表明:R/S灰色预测结果的精度明显高于直接进行灰色预测的精度。该方法拓宽了分形和灰色理论在径流过程研究的应用范围,为河流径流量的科学预测提供了一种新方法。 相似文献
14.
在矿山实际生产过程中，涌水量预测对于矿山防治水具有重要意义。以山东郓城煤矿1301工作面为研究对象，先不考虑季节性因素影响的条件下，采用时间序列分析模型ARIMA建立涌水量与时间的函数关系，迭代拟合结果精度低，表明郓城煤矿1301工作面涌水量时间序列受季节性因素影响；在此基础上，基于时间序列加法分解原理，分离提取涌水量时间序列中的长期趋势、季节指数、循环因子和随机变动参数，并应用熵权法确定各参数权重，建立工作面涌水量预测的非线性回归修正模型，并将模拟预测结果与忽略季节效应的ARIMA模型预测的涌水量进行对比，结果表明，建立的非线性时间序列模型计算的涌水量更为接近实测涌水量，验证了方法的准确性。研究成果将为矿井涌水量预测提供新思路。 相似文献
15.
16.
基于灰色理论的变形智能预测模型库研究 总被引：2，自引：0，他引：2
针对传统GM(1,1)模型在变形预测中精度不高和适应性不强的问题,将传统GM(1,1)模型从多个角度进行改进,并将传统模型及其改进模型进行集成,建立了预测模型库。利用灰色评价模型对模型库的预测结果进行评价,从而实现智能预测,并利用编程语言对模型库和评价模型进行了程序实现。最后利用盘古山钨矿变形数据对该模型库进行检验,结果表明,该模型库能根据不同特点数据,智能化地得到最佳预测结果,具有重要的应用价值 相似文献