简介：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。
简介：利用勘探钻孔煤心煤样的煤层瓦斯（煤层气）含量测定数据可求得煤层瓦斯自解速率和自衰系数，二者能直接而客观的反映煤中气体逸散的基本特征，对生产矿井煤层瓦斯涌出方式判断及突出危险性评价很有实用价值，可作为瓦斯突出危险性评价新指标。本文介绍了自解速率和自衰系数的计算方法，列举了陕北侏罗纪弱粘煤、山西晋城石炭二叠纪无烟煤及其它地区部分煤层的计算结果，分析了瓦斯含量、煤体结构、煤层温度等因素对自解速率和自衰系数的影响。
基于广义回归神经网络GRNN的矿井瓦斯含量预测
煤层瓦斯初始自然解吸速率和衰减系数及其意义
