- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于叠加马尔科夫链的矿井涌水量预测——以成庄煤矿为例.pdf
第 13 卷第3 期 Vo 1.l3 No.3
南水北调与水利科技
2015 年 6 月 South-to-North Water Transfers and Water Science Technology Jun. 2015
DOI:10.13476jj.αii. n曲创.2015. 臼.∞3
基于叠加马尔科夫链的矿井涌水量预测
以成庄煤矿为例
李建林1 , 2 ,咎明军1 ,郑继东1 , 2 ,李志强1
(1.河南理工大学资源环境学院,河南焦作 454003;
2. 中原经济区煤层(页岩)气河南省协同创新中心,河南焦作 454000)
摘要:针对马尔科夫链预测的局限性,提出了能够进行清晰定量计算的叠加矿井涌水量的马尔科夫链预测方法。基
于 2008 年 1 月一2013 年 12 月成庄煤矿 72 个月的涌水量资料,进行涌水量状态分级,计算状态转移矩阵,将不同步
长转移矩阵求得的预测值进行叠加平均,进而建立了叠加马尔科夫链预测模型,分析拟合效果,预测了 2014 年 1 月一
4 月的涌水量,并与实测值进行了对比。结果表明,该模型的预测精度达到了 94.84% ,预测效果较好,从而为矿井
涌水量的预测提供了一种新方法。
关键词:叠加马尔科夫链;矿井涌水量;预测模型E 状态分级
文献标志码:A 文章编号:1672-1683(201日03-0409-04
中固分类号:TD742
Mine water inflow pr唾diction based on superimp帽ed Markov chain
一A case study in Chengzhuang coal rnine
l 2 l l 2
LI Jian-lin . , ZAN Ming-jun , ZHENG Ji-dong . , LI Zhi-qiangl
(1. Instituteof Resources Environment , Heηan Polytechnic University , ] iaozuo 454003 ,China; 2. ζ:Ollaborative Inno四tion
Center of Coalbed Methane and Shale 也s for Central Plains Econamic Region ,Henan Province , ] iaozuo 454000 , Chi阳)
Abstract:Superimposed Markov chain was proposed to predict mine water inflow quantitatively since the general Markov chain
has limitations. . Based on the water inflow data in the Chengzhuang coal mine from January 2008 to December 2013 (72
months) ,water inflow status was classified. state transition matrix was calculated ,the predicted values from different step ma
trixes were superimposed and averaged ,and thus the superimposed Markov chain model was built and the f
文档评论(0)