基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
基于瓦斯涌出时间序列(简称G序列),研究了利用G线图、移动平均线模型和综合法进行煤与瓦斯突出预测的方法.研究表明:G序列G线图法可实时反映瓦斯涌出的细小变化情况,从而可对瓦斯突出前的异常变化特征及时辨识,但是由于瓦斯涌出影响因素复杂,短期内的异常波动并不一定是突出信号,从而容易造成误判.而移动平均线模型以均线系统为基础,通过判别瓦斯涌出浓度在一定时期内的总体变化趋势,揭示煤体中影响煤与瓦斯突出的各因素与突出之间的关系.综合法利用G线图结合移动平均线模型进行突出预测,除G线图和移动平均线本身提供的信息外,结合G线与不同周期的移动平均线的相互穿越发出的一些反转信号,能够更为准确地预报瓦斯突出.
推荐文章
基于RBF网络的煤与瓦斯突出预测研究
煤与瓦斯突出
RBF神经网络
减聚类算法
基于MPSO-RBF的瓦斯涌出量预测研究
RBF神经网络
改进的PSO算法
瓦斯预测
矿井瓦斯涌出量预测研究新方法
非线性特征
灰色理论
遗传神经网络
瓦斯涌出量
综采工作面的瓦斯涌出规律及涌出量的预测
综采工作面
瓦斯源
瓦斯预测
瓦斯涌出
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于瓦斯涌出时间序列的煤与瓦斯突出预测方法研究
来源期刊 安全与环境学报 学科 工学
关键词 安全工程 煤与瓦斯突出 瓦斯涌出时间序列 预测 G线图 移动平均线 综合法
年,卷(期) 2011,(3) 所属期刊栏目 安全工程
研究方向 页码范围 170-173
页数 分类号 TD713
字数 5272字 语种 中文
DOI 10.3969/j.issn.1009-6094.2011.03.042
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 关维娟 安徽理工大学理学院 41 203 8.0 12.0
2 陈清华 安徽理工大学机械工程学院 108 568 13.0 21.0
3 张国枢 安徽理工大学能源与安全学院 83 1137 18.0 29.0
4 邓明 阜阳师范学院计算机与信息学院 25 120 6.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (17)
共引文献  (99)
参考文献  (3)
节点文献
引证文献  (7)
同被引文献  (15)
二级引证文献  (15)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(6)
  • 参考文献(1)
  • 二级参考文献(5)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2012(2)
  • 引证文献(2)
  • 二级引证文献(0)
2013(3)
  • 引证文献(1)
  • 二级引证文献(2)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(6)
  • 引证文献(0)
  • 二级引证文献(6)
2016(4)
  • 引证文献(0)
  • 二级引证文献(4)
2017(3)
  • 引证文献(1)
  • 二级引证文献(2)
2018(2)
  • 引证文献(1)
  • 二级引证文献(1)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
安全工程
煤与瓦斯突出
瓦斯涌出时间序列
预测
G线图
移动平均线
综合法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
安全与环境学报
双月刊
1009-6094
11-4537/X
大16开
北京市海淀区中关村南大街5号
2-770
2001
chi
出版文献量(篇)
6138
总下载数(次)
38
总被引数(次)
58460
论文1v1指导