煤矿立井井筒非采动破裂的人工神经网络预测论文

《煤矿立井井筒非采动破裂的人工神经网络预测论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、煤矿立井井筒非采动破裂的人工神经网络预测论文摘要：应用人工神经网络的基本原理，建立了一个基于神经网络的煤矿立井井筒非采动破裂的预测系统，实现了立井井筒破裂预测的智能化。最后将神经网络预测结果与数值计算结果对比，认为应用人工神经网络对立井井筒破裂时间的预测比较准确，实用。关键词：立井井筒非采动破裂反向传播网络神经网络预测数值模拟一、煤矿立井发生破坏问题的提出徐淮地区是中国东部主要的煤炭开采基地，其煤炭的生产直接影响着我国煤炭的总产量，在国民经济建设中占有重要的地位。然而自20世纪80年代以来，在我国徐淮地区（徐州、淮北、淮南）地区.freel外径/m施工方法井壁类型表

2、土厚度/m破裂深度/m破裂情况兖州1鲍店副井1979.11.261995.6.58.010.2冻结法双层井壁148.6126.9罐道缝压实,罐道,管路压缩弯曲,混凝土表层剥落出现水平裂缝,竖筋弯曲外露2鲍店主井1979.5.141995.7.126.58.5冻结法双层井壁148.69136—1443鲍店北风井1979.10.211996.8.25.06.6冻结法双层井壁202.56168.4,180,2044鲍店南风井1979.8.11996.8.9冻结法双层井壁157.92158.1—159.35兴隆庄西风井1976.81995.105.57.4冻结法双层井壁18

3、3.9165.5—171.66兴隆庄东风井1977.5.311997.6.75.06.4冻结法双层井壁176.45157—1807兴隆庄主井1977.8.131997.6.23冻结法双层井壁189.31150,184在未出现严重破裂时进行了治理8兴隆庄副井1978.91997.6.26冻结法双层井壁190.41154,200罐道缝压实,罐道,管路压缩弯曲,混凝土表层剥落出现水平裂缝,竖筋弯曲外露9杨村主井1984.121997.2.295.06.6冻结法双层井壁185.42176.5,.freelechanismofneural左右。土层结构复杂，但大体上都可分为四

4、个含水层和三个隔水层共七个工程岩组，即由上至下常简称为一含、一隔、二含、二隔、三含、三隔和底含（四含）。通过对立井井筒非采动破裂机理及破裂矿区的水文地质与工程地质特点分析选取以下几个因素作为影响立井井筒破裂的特征因素：1、表土层厚度由于立井井筒非采动破裂只发生在厚冲积层中建成的立井井筒，因此表土层厚度是立井井筒非采动破裂现象发生的必要因素。表土层厚度越大，土层对立井井筒的侧压力越大，且土层与井筒的相互作用的面积增大，底含沉降时产生的立井井筒附加力加大，立井井筒发生破裂的可能性越大。2、底含厚度底含厚度决定了立井井筒周围土层的变形量，且土层变形量直接关系到立井井筒附加

5、应力的大小，因此底含厚度越大，井筒破裂的可能性增大，所以确定底含厚度为立井井筒破裂的主要影响因素。3、底含水位降速底含水位降速决定了立井井筒周围土层变形的速率，从而决定了立井井壁破裂的时间。底含水头降速直接决定了立井井筒破裂时间的大小。4、井筒外径由于在确定的工程地质条件下立井井筒外表面积与立井井筒附加力的大小成正比，则确定立井井筒外径大小为立井井筒破裂的主要因素。5、井壁厚度井壁厚度越大，立井井筒的净截面积越大，立井井壁内壁应力降低，有利于立井井筒的稳定。四、神经网络的设计与实现根据以上对影响井筒变形的特征因素的选取，选择反向传播（backpropagation,

6、BP）神经网络算法对井筒的破裂规律进行训练，其网络为包含两层隐含层的神经网络，输入层、隐含层、输出层的神经元的个数分别为5、20、10、1，表2神经网络的输入矢量p及目标矢量tTable2Inputvectorpandtargetvectortoftheneural)井筒外径(m)井壁厚度(m)底含水位降速（米/年）底含厚度(m)井壁破裂时间（月）189.318.921.213.76434.1192190.4110.11.33.21230225190.416.40.72.98832.85241189.57.40.953.65229.9230148.698.515.1

7、9656.29194148.61015.26255.0187202.566.60.85.05359.0190185.56.40.77.19257.72146其训练函数分别采用双曲正切函数tansig及线性激活函数purelin［5］，网络学习采用的输入矢量及目标矢量如表2所示。网络训练后，其输出值与期望值之及目标误差如表3所示。表3BP网络对井筒破坏规律的学习Table3BP，采用冻结法施工，于1984年竣工，在1997年的检查中发现井壁已发生了破裂，现在用学习后的神经网络对杨村北风井的井筒破裂时间进行预测，预测结果如所表4示。据上表可以得出有神经网络预报得出的