基于灰色理论-多元回归分析的瓦斯含量预测
Forecast of Gas Content Based on Gray Theory and Multiple Regression Analysis
-
摘要: 根据山阳矿5号煤层的地质情况，分析了瓦斯赋存影响因素，结合灰色关联度分析，得到各影响因素与瓦斯含量的关联度，从而得出影响因素的主次。在此基础上，采用多元回归分析法构建出预测矿井瓦斯含量的数学模型。为检验预测模型的可靠性，任选5个钻孔作为测试钻孔进行瓦斯含量预测，并与地勘时期测得的实际值比较分析，计算误差范围。结果表明：采用预测模型预测瓦斯含量，精度较高，效果较好，能满足工程要求。Abstract: According to the geological condition of No.5 coal seam in Shanyang Coal Mine, the influencing factors of gas occurrence are analyzed. Combined with the gray relational degree analysis method, the correlation degree of each influencing factor and the gas content is obtained, and the main and secondary fluencing factors are obtained. On this basis, the mathematical model for predicting gas content of mine is constructed by multiple regression analysis method. In order to test the reliability of the prediction model, five boreholes are selected as the test samples to measure the gas content. And compared with the actual value measured during the geological prospecting period, the error range is calculated. The results show that the prediction model can predict the gas content with higher precision and better effect, which can meet the engineering requirements.
-
-
[1] 张子敏.瓦斯地质学[M].徐州：中国矿业大学出版社，2009. [2] 舒龙勇，程远平，王亮，等.地质因素对煤层瓦斯赋存影响的研究[J].中国安全科学学报，2011，21（2）：121-125. [3] 魏建平，李鹏，李波.古汉山矿瓦斯赋存规律及其影响因素分析[J].煤矿安全，2012，43（1）：114-117. [4] 毕建武，贾进章，刘丹.基于SPSS多元回归分析的回采工作面瓦斯涌出量预测[J].安全与环境学报，2013， 13（5）：183-186. [5] 郝天轩，宋超.基于模糊神经网络的煤层瓦斯含量预测研究[J].中国安全科学学报，2011，21（8）：36-41. [6] 魏春荣，李艳霞，孙建华，等.灰色-分源预测法对煤矿瓦斯涌出量的应用研究[J].采矿与安全工程学报，2013，30（4）：628-632. [7] 刘思峰.灰色系统理论及其应用[M].北京:科学出版社，1999. [8] 李玉文，关兆红，任彩银.灰色关联度分析在建设项目环境影响评价中的应用[J].环境污染治理技术及设备，2003，4（10）：91-94. [9] 沈金山，王来斌，许继影，等.基于灰色神经网络预测潘一东矿瓦斯含量[J].煤炭技术，2011，30（4）：90. [10] 蔡武，袁莎莎，戚洋.基于多元线性回归分析法预测矿井瓦斯涌出量[J].煤矿安全，2010，41（1）：91-94.
计量
- 文章访问数: 138
- HTML全文浏览量: 0
- PDF下载量: 0
下载:
