期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
“深部煤层瓦斯精准抽采”专题客座主编致读者
被引量：
1
1
作者
李树刚
《煤炭科学技术》
CAS
CSCD
北大核心
2021年第5期F0002-F0002,I0001,共2页
党中央、国务院历来高度重视煤矿瓦斯防治工作,近些年相继出台了《煤矿瓦斯治理与利用实施意见的通知》《关于加强煤矿瓦斯先抽后采工作的指导意见》《强化煤矿瓦斯防治十条规定》《关于“十三五”期间煤层气(瓦斯)开发利用补贴标准的...
党中央、国务院历来高度重视煤矿瓦斯防治工作,近些年相继出台了《煤矿瓦斯治理与利用实施意见的通知》《关于加强煤矿瓦斯先抽后采工作的指导意见》《强化煤矿瓦斯防治十条规定》《关于“十三五”期间煤层气(瓦斯)开发利用补贴标准的通知》等系列文件,构建完善了煤矿瓦斯抽采防治政策体系。
展开更多
关键词
煤矿瓦斯防治
深部煤层
先抽后采
煤矿瓦斯治理
煤矿瓦斯抽采
补贴标准
防治政策
煤层气(瓦斯)
在线阅读
下载PDF
职称材料
基于STL-EEMD-GA-SVR的采煤工作面瓦斯涌出量预测方法及应用
被引量：
12
2
作者
林海飞
刘时豪
+2 位作者
周捷
徐培耘
双海清
《煤田地质与勘探》
CAS
CSCD
北大核心
2022年第12期131-141,共11页
瓦斯涌出量准确预测可为矿井通风及瓦斯灾害防治措施提供重要依据。为提高采煤工作面瓦斯涌出量预测精度,根据陕西黄陵某矿采煤工作面绝对瓦斯涌出量监测数据,应用基于局部加权回归的周期趋势分解(Seasonal-Trend decomposition procedu...
瓦斯涌出量准确预测可为矿井通风及瓦斯灾害防治措施提供重要依据。为提高采煤工作面瓦斯涌出量预测精度,根据陕西黄陵某矿采煤工作面绝对瓦斯涌出量监测数据,应用基于局部加权回归的周期趋势分解(Seasonal-Trend decomposition procedure based on Loess,STL),将监测数据分解成趋势项、周期项和不规则波动项;利用集成经验模态分解(Ensemble Empirical Mode Decomposition,EEMD),将不规则波动项分解得到不同特征尺度的IMFs(Intrinsic Mode Functions,IMFs)分量以及残差余量;通过遗传算法(Genetic Algorithms,GA)参数寻优后的支持向量回归机(Support Vector Regression,SVR),对各项分解数据进行预测;叠加各分量模型预测结果,得到最终瓦斯涌出量预测结果。结果表明:在预测集为247、147和70组3种情景下,对比分析了STL-EEMD-GA-SVR模型(简称SEGS)、EEMD-GA-SVR模型、GA-SVR模型和高斯过程回归(Gaussian Process Regression,GPR)模型的评价指标精度,其中,SEGS模型最优,拟合度R^(2)分别为0.81、0.92、0.99,峰值点平均相对误差最低,分别为3.15%、2.33%、1.04%。所构建的SEGS模型可以准确预测采煤工作面的瓦斯涌出量。
展开更多
关键词
瓦斯涌出量
机器学习
周期趋势分解
集成经验模态分解
时序预测
在线阅读
下载PDF
职称材料
基于特征选择和机器学习融合的煤层瓦斯含量预测
被引量：
20
3
作者
林海飞
周捷
+3 位作者
高帆
金洪伟
杨卓亚
刘时豪
《煤炭科学技术》
CAS
CSCD
北大核心
2021年第5期44-51,共8页
煤层瓦斯含量是矿井瓦斯灾害防治及煤层气勘探开发的基础参数,为提高其预测精度及科学性,对典型矿井煤层瓦斯含量的35组实测数据进行了零-均值规范化处理,通过全子集回归和随机森林2种特征选择方法对11类影响煤层瓦斯含量的参数进行不...
煤层瓦斯含量是矿井瓦斯灾害防治及煤层气勘探开发的基础参数,为提高其预测精度及科学性,对典型矿井煤层瓦斯含量的35组实测数据进行了零-均值规范化处理,通过全子集回归和随机森林2种特征选择方法对11类影响煤层瓦斯含量的参数进行不同规律组合,得到17种瓦斯含量特征参数组合。运用高斯过程回归、最小二乘支持向量机、梯度提升回归树和极限回归机等4种经典有监督机器学习算法,分别对17种特征参数组合进行预测,得到68种瓦斯含量预测模型。根据各机器学习算法平均判定系数≥0.800,对68种瓦斯含量预测模型进行初步筛选。综合归一化均方误差≤0.01以及希尔不等系数≤0.01,得到21种基于特征选择和机器学习融合的最优预测模型,并取平均值得到了最终预测序列。结果表明:最终预测序列的归一化均方误差为0.007,希尔不等系数为0.005,判定系数为0.993,平均绝对误差为0.170 m^(3)/t,平均相对误差为0.75%,各精度评估指标均符合要求,所构建的多参数组合多算法融合的预测模型具有广泛的普适性且精度较高。
展开更多
关键词
瓦斯含量
精准预测
煤层气勘探开发
瓦斯灾害
在线阅读
下载PDF
职称材料
题名
“深部煤层瓦斯精准抽采”专题客座主编致读者
被引量：
1
1
作者
李树刚
机构
西安科技大学煤炭行业西部矿井瓦斯智能抽采工程研究中心
出处
《煤炭科学技术》
CAS
CSCD
北大核心
2021年第5期F0002-F0002,I0001,共2页
文摘
党中央、国务院历来高度重视煤矿瓦斯防治工作,近些年相继出台了《煤矿瓦斯治理与利用实施意见的通知》《关于加强煤矿瓦斯先抽后采工作的指导意见》《强化煤矿瓦斯防治十条规定》《关于“十三五”期间煤层气(瓦斯)开发利用补贴标准的通知》等系列文件,构建完善了煤矿瓦斯抽采防治政策体系。
关键词
煤矿瓦斯防治
深部煤层
先抽后采
煤矿瓦斯治理
煤矿瓦斯抽采
补贴标准
防治政策
煤层气(瓦斯)
分类号
TD712 [矿业工程—矿井通风与安全]
在线阅读
下载PDF
职称材料
题名
基于STL-EEMD-GA-SVR的采煤工作面瓦斯涌出量预测方法及应用
被引量：
12
2
作者
林海飞
刘时豪
周捷
徐培耘
双海清
机构
西安
科技
大学
安全科学与
工程
学院
西安科技大学煤炭行业西部矿井瓦斯智能抽采工程研究中心
出处
《煤田地质与勘探》
CAS
CSCD
北大核心
2022年第12期131-141,共11页
基金
国家自然科学基金重点项目(51734007)
陕西省杰出青年科学基金项目(2020JC-48)
陕西省教育厅青年创新团队项目(21JP075)。
文摘
瓦斯涌出量准确预测可为矿井通风及瓦斯灾害防治措施提供重要依据。为提高采煤工作面瓦斯涌出量预测精度,根据陕西黄陵某矿采煤工作面绝对瓦斯涌出量监测数据,应用基于局部加权回归的周期趋势分解(Seasonal-Trend decomposition procedure based on Loess,STL),将监测数据分解成趋势项、周期项和不规则波动项;利用集成经验模态分解(Ensemble Empirical Mode Decomposition,EEMD),将不规则波动项分解得到不同特征尺度的IMFs(Intrinsic Mode Functions,IMFs)分量以及残差余量;通过遗传算法(Genetic Algorithms,GA)参数寻优后的支持向量回归机(Support Vector Regression,SVR),对各项分解数据进行预测;叠加各分量模型预测结果,得到最终瓦斯涌出量预测结果。结果表明:在预测集为247、147和70组3种情景下,对比分析了STL-EEMD-GA-SVR模型(简称SEGS)、EEMD-GA-SVR模型、GA-SVR模型和高斯过程回归(Gaussian Process Regression,GPR)模型的评价指标精度,其中,SEGS模型最优,拟合度R^(2)分别为0.81、0.92、0.99,峰值点平均相对误差最低,分别为3.15%、2.33%、1.04%。所构建的SEGS模型可以准确预测采煤工作面的瓦斯涌出量。
关键词
瓦斯涌出量
机器学习
周期趋势分解
集成经验模态分解
时序预测
Keywords
gas emission
machine learning
seasonal-trend decomposition
ensemble empirical mode decomposition
time series prediction
分类号
TD712 [矿业工程—矿井通风与安全]
在线阅读
下载PDF
职称材料
题名
基于特征选择和机器学习融合的煤层瓦斯含量预测
被引量：
20
3
作者
林海飞
周捷
高帆
金洪伟
杨卓亚
刘时豪
机构
西安
科技
大学
安全科学与
工程
学院
西安科技大学煤炭行业西部矿井瓦斯智能抽采工程研究中心
出处
《煤炭科学技术》
CAS
CSCD
北大核心
2021年第5期44-51,共8页
基金
国家自然科学基金重点资助项目(51734007)
陕西省杰出青年资助项目(2020JC-48)
陕西省企业重点联合基金资助项目(2019JLP-02)。
文摘
煤层瓦斯含量是矿井瓦斯灾害防治及煤层气勘探开发的基础参数,为提高其预测精度及科学性,对典型矿井煤层瓦斯含量的35组实测数据进行了零-均值规范化处理,通过全子集回归和随机森林2种特征选择方法对11类影响煤层瓦斯含量的参数进行不同规律组合,得到17种瓦斯含量特征参数组合。运用高斯过程回归、最小二乘支持向量机、梯度提升回归树和极限回归机等4种经典有监督机器学习算法,分别对17种特征参数组合进行预测,得到68种瓦斯含量预测模型。根据各机器学习算法平均判定系数≥0.800,对68种瓦斯含量预测模型进行初步筛选。综合归一化均方误差≤0.01以及希尔不等系数≤0.01,得到21种基于特征选择和机器学习融合的最优预测模型,并取平均值得到了最终预测序列。结果表明:最终预测序列的归一化均方误差为0.007,希尔不等系数为0.005,判定系数为0.993,平均绝对误差为0.170 m^(3)/t,平均相对误差为0.75%,各精度评估指标均符合要求,所构建的多参数组合多算法融合的预测模型具有广泛的普适性且精度较高。
关键词
瓦斯含量
精准预测
煤层气勘探开发
瓦斯灾害
Keywords
gas content
accurate prediction
CBM exploration and development
gas disaster
分类号
TD712 [矿业工程—矿井通风与安全]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
“深部煤层瓦斯精准抽采”专题客座主编致读者
李树刚
《煤炭科学技术》
CAS
CSCD
北大核心
2021
1
在线阅读
下载PDF
职称材料
2
基于STL-EEMD-GA-SVR的采煤工作面瓦斯涌出量预测方法及应用
林海飞
刘时豪
周捷
徐培耘
双海清
《煤田地质与勘探》
CAS
CSCD
北大核心
2022
12
在线阅读
下载PDF
职称材料
3
基于特征选择和机器学习融合的煤层瓦斯含量预测
林海飞
周捷
高帆
金洪伟
杨卓亚
刘时豪
《煤炭科学技术》
CAS
CSCD
北大核心
2021
20
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
