基于BP神经网络的瓦斯涌出量预测的研究.pdf

《基于BP神经网络的瓦斯涌出量预测的研究.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、煤矿现代化2011年第2期总第101期基于BP神经网络的瓦斯涌出量预测的研究李}韦，刘裕晓(贵州省黔西县安全监督管理局。贵州黔551500)摘要应用神经网络理论知识，结合贵州某矿的实测数据，建立了基于BP神经网络的瓦斯涌出量预测模型，通过数学软件MATLAB7．0对瓦斯涌出量进行预测，预测结果与实际涌出量吻合度较高，说明了BP神经网络在瓦斯涌出量预测上的可行性。为煤矿的安全生产中瓦斯量的预测提供了一种新的途径。关键词BP神经网络；瓦斯涌出量；煤矿中图分类号：TD712+．5文献标志码：A文章编号：1009—0797(2011)02—0023—02煤矿瓦斯事故是威胁煤

2、矿安全生产的最严重的接，各层次内的神经元之问没有连接。其多层前馈网灾害事故之一。据报道，煤与瓦斯突出爆炸等与瓦斯络结构训练流程示意图如图1所示_ll。相关的事故占事故总数的70％以上，瓦斯灾害以其误差反传(学习算法)危害性性、损失惨重、范围广等特点成为矿井灾害事比故的“头号杀手”。尤其是贵州特殊的地理构造形成了煤炭资源赋存条件的复杂、开采技术条件特殊和煤层瓦斯含量高的特点，瓦斯事故成为制约贵州煤炭经济发展的重要因素。据统计，贵州从1958年至2008年发生10人以上死亡的煤矿事故241起，瓦斯事故高达222起，占事故总数的92．1％。因此，采用薪的理输入层隐层输出层

3、论、方法和技术，加强对瓦斯涌出量的预测和管理，可信号流提早做出预防措施，减少瓦斯灾害事故，促进煤矿的图1基于BP算法的神经元网络结构训练流程图安全水平的提高。BP神经网络的学习过程由信号的正向传播与误人工神经网络(artificialneuralnetwork，ANN)是基差的反向传播两个过程组成。正向传播时，输入样本于对人脑组织结构、活动机制的初步认识提所出的一从输人层传入，经各隐层逐层处理后，传向输出层。若种新型信息处理体系。它由类似于神经元的处理单元输出层的实际输出与期望的输出不符，则转入误差的相互连接而成的非线性复杂网络系统，在对人脑神经反向传播阶段。误差的

4、反传是将输出误差以某种形式网络认识的基础上，以数学和物理方法以及信息处理通过隐层向输入层逐层反传，并将误差分摊给各层的的角度对人脑神经网络进行抽象，并建立某中简化模所有单元，从而获得各层单元的误差信号，并以此作型，就称其为人工神经网络。它是一个非线性的动态为修正各单元权值的依据[21。通过正向传播和反向传系统，可以充分逼近任意复杂的非线性关系，可以学播的不断迭代，不断调整其权值，最后使信号误差达习和自适应不确定的系统，具有自学习、自组织、和较到可接受的程度或者达到预先设置的学习次数为止。强的容错能力，在现代控制系统、模式识别和预测预BP神经网络结构的设计主要是指隐层

5、数和隐层报方面应用广泛。因此，从理论上讲，应用BP神经网节点的确定。目前，理论分析证明，具有单隐层的感知络对煤矿的瓦斯涌出量来预测预报，具有一定的优越器可以映射所有连续函数，只有当学习不连续函数性。时，才需要两个隐含层，通常情况下都采用一个隐层。确定最佳隐节点常用的方法是试凑法，通过逐渐增加1BP神经网络的原理隐节点数，对样本进行训练，确定误差最小时对应的BP(BackPropagation)网络是1986年由隐节点数。本文采用经验公式确定隐节点数，公式如RumelChart和McCelland为首的科学家小组提出的下：具有非线性连续函数的多层感知器的误差反向传播1

6、13=+n，m为隐层节点数；n为输入层节点算法，是目前应用最为广泛的神经网络模型之～。BP数；l为输出节点数；n为1～1O之间的常数。神经网络模型有输入层、隐含层和输出层构成，其中2BP网络的训练实例隐含层可以有多个。各层次之间的神经元形成全互连·23·煤矿现代化2011耳第2期总第1()1期2．1输入样本的选择和数据的预处理数时，自动停止训练。BP神经网络进行训练前，先要进行输入样本的2．4预测结果分析选择，所选取的学习样本数据之间要尽可能有关联，表1贵州某矿某工作面瓦斯涌出量数据尽可能反映系统不同状态的真实情况。网络的学习过序号123456789l01112瓦斯

7、涌出量0460．490．470．480．50520560．540．5O56043055程就是根据样本确定网络的连接权和误差反复修复过程。BP神经网络瓦斯涌出量预测模型经过=8654次一采用BP神经网络进行瓦斯涌出量预测时，为了的训练，达到了预定的误差精度0．001，对表1数据中保证网络训练一开始各输入分量具有同等重要的地的瓦斯涌出量的预测结果见表2。位，其次训练网络时神经元的传递函数为对数和正切表2BP神经网络的瓦斯涌出量预测结果序号4S型函数，函数的输出为域为[01]，同时为了加快网络实际值048的收敛速度，必须对输入和输出数据进行预处理。对预测值0．51于连