论文部分内容阅读
结合煤矿井下瓦斯涌出实时监测图,利用神经网络技术判断瓦斯异常情况.选取4个参数作为瓦斯延时突出预测的特征指标:井下瓦斯涌出峰值、瓦斯上升梯度、瓦斯超限时间和瓦斯下降梯度.瓦斯异常涌出超限3%,并持续时间超过10s为瓦斯延时突出敏感指标的临界值.结合VB+ADO的编程及数据库访问技术,建立了人工智能神经网络的瓦斯预警理论模型、瓦斯预警模型的自学习训练方法和瓦斯预警技术.模型预测结果与实际情况完全相同.