基于广义回归神经网络GRNN的矿井瓦斯含量预测

摘要：

煤矿瓦斯涌出量和瓦斯突出受控于多种因素.如何根据各个影响因素预测计算煤层瓦斯含量是一个非常复杂的问题.近年来迅速发展起来的神经网络具有较高的非线性映射和并行处理能力.广义回归神经网络(GRNN)具有网络结构自适应确定、输出与初始权值无关等优良特性,能够逼近任意连续的非线性函数,可以处理系统内在的难以解析的规律.本文以某矿13-1煤层为研究对象,在分析影响煤层瓦斯含量的各种地质因素和量化定性因素的基础上,应用GRNN神经网络方法建立某矿13-1煤层瓦斯含量预测模型,以达到对井田未开采区域进行瓦斯含量预测的目的.

关键词：GRNN、瓦斯含量、预测模型

所属期刊栏目：7

分类号：TD7;O17

在线出版日期：2010-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：37-41