BP神经网络在煤与瓦斯突出预测中的应用.pdf

《BP神经网络在煤与瓦斯突出预测中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第l9卷第3期矿冶Vo1．19，No．32010年9月MINING＆METALLURGYSeptember2010文章编号：1005—7854(2010)03—0021—03BP神经网络在煤与瓦斯突出预测中的应用李春辉，陈日辉，苏恒瑜(1．昆明理工大学国土资源工程学院，昆明650093；2．贵州省矿山安全科学研究院，贵阳550025)摘要：鉴于煤与瓦斯突出对煤矿的安全生产的威胁以及其影响因子的复杂性，合理的选择煤与瓦斯突出预测的影响因子，利用非线性的BP人工神经网络建立煤与瓦斯突出强度预测模型，来

2、预测煤与瓦斯突出强度的大小。结果显示，煤与瓦斯突出强度的预测值与实测值吻合得较好，表明采用BP神经网络预测煤与瓦斯突出强度是可行的，为矿井煤与瓦斯突出的预测提供了一种预测精度较高的方法。关键词：BP神经网络；煤与瓦斯突出；预测模型；煤矿中图分类号：TD713文献标识码：AAPPLICATIONOFBPNEURALNETWORKINPREDICTIONOFCOALANDGAS0UTBURSTLIChun．hui。，CHENRi．hui，SUHeng—yu(1．FacultyofLandResourc

3、eEngineering，KunmingUniversityofScienceandTechnology，Kunming650093，China；2．GuizhouMineSafetyScientificResearchInstitute，Guiyang550025，China)ABSTRACT：Basedonthefactthatcoalandgasoutburstthreatensminesafetyinproductionandthecomplexfac—torsofinfluencing，

4、tochoicereasonablefactorsofinfluencingaboutpredictionofcoalandgasoutburst，apredic—tionmodelofcoalandgasoutburstwasestablishedbynon—linearBPneuralnetwork，topredictthestrengthofcoalandgasoutburst．Thedatademonstratedthatthepredictionwasidenticalwithobser

5、veddata，theresultsshowthatitisrightandfeasibletobuildtheBPneuralnetworkmodelandpredictthestrengthofcoalandgasoutburst．Itpro-ridesanewhigherprecisionmethodofpredictingcoalandgasoutburstinmine．KEYWORDS：BPneuralnetwork；coalandgasoutburst；predictionmodel；

6、coalmine贵州是我国重要的能源基地，煤炭资源十分丰的预测成为治理瓦斯灾害的关键。富，煤炭探明储量居全国第五位。煤炭资源不仅丰如何对煤与瓦斯突出进行正确的预测，将对煤富，且种类齐全，煤质优良，更有“江南煤海”之称。矿的安全生产起到积极的指导作用。由于煤与瓦斯然而，由于贵州特殊的地理构造形成了煤炭资源赋突出是地应力、瓦斯和煤结构的物理学性质等多个存条件的复杂，开采技术条件特殊和煤层瓦斯含量因素综合作用的结果，因此如何正确地预测煤与瓦高的特点，煤与瓦斯突出成为制约贵州煤炭经济发斯突出是个复杂的问题

7、。目前，对这个问题多采用展的重要因素。为了有效地改变目前贵州省煤矿瓦线性回归、综合评价和灰色预测等方法进行预测，难斯灾害日益严重的状况，加强煤与瓦斯突出危险性以揭示煤与瓦斯与各个影响因素之间的内在规律，预测误差较大。而煤与瓦斯的突出是受各个影响因收稿日期：2009—12—29素综合作用的结果，是非线性的。近年来迅速发展作者简介：李春辉，在读硕士研究生，研究方向为通风安全。的BP神经网络具有较高的非线性映射、函数拟合、矿冶自学习、自组织、自适应和并行处理的能力，在各个考虑的因素，收集了国内具有突出代

8、表性的8个矿学科领域取得了丰硕的研究成果。本文通过建立井作为学习训练样本。BP神经网络预测模型，拟合煤与瓦斯突出强度与各本文将煤与瓦斯的突出强度作为预报因子，将影响因素之间的函数关系，从而实现对煤与瓦斯突煤层瓦斯含量、瓦斯压力、瓦斯放散初速度、煤的坚出强度的预测。固性系数、软分层煤体厚度、煤体破坏类型和开采深度作为主要影响因素，由此可以确定BP神经网络1BP神经网络的输入层和输出层的节点分别为7和1，网络隐含1986年，Rumelhart和McCelland对具有非线性层的节点数按