采煤工作面瓦斯涌出量预测优化研究.pdf

《采煤工作面瓦斯涌出量预测优化研究.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、第33卷第04期计算机仿真2016年4月文章编号：1006—9348(2016)04—0433—05采煤工作面瓦斯涌出量预测优化研究刘晶，唐博(辽宁工程技术大学电气与控制工程学院，辽宁葫芦岛125105)摘要：瓦斯涌出量受多种因素的影响，随机性强，传统的预测方法预测精度低，导致煤矿瓦斯事故频繁发生。针对煤矿回采工作面瓦斯涌出量系统的时变性、非线性及复杂性等特点，为了提高瓦斯涌出量的预测精度，提出了一种克隆混沌粒子群算法(CIPSO)与Elman神经网络的耦合算法(CIPSO—ENN)，利用CIPSO算法优化Elman神经网络的初始权值、阈值，建立了基于C

2、IPSO—ENN耦合算法的绝对瓦斯涌出量动态系统的预测模型。根据矿井监控系统监测到的各项历史数据，采用Mat—lab软件进行预测模型仿真。结果表明，该模型与其他优化模型相比，具有更高的预测精度，降低了预测误差，为煤矿瓦斯防治提供理论支持。关键词：瓦斯涌出量；非线性系统；预测模型；克隆混沌粒子群算法；神经网络中图分类号：TPl83文献标识码：BPredictionandOptimizationofGasEmissioninCoalMiningFaceLIUJing，TANGBo(FacultyofElectricalandControlEngineerin

3、g，LiaoningTechnicalUniversity，HuludaoLiaoning125105，China)ABSTRACT：Thegasemissionquantityisinfluencedbymanyfactors，thetraditionalpredictionmethodhaslowpre。dictionaccuracy，whichleadstothefrequentoccurrenceofcoalminegasaccidents．Forthetimevarying，nonlinearandcomplexcharacteristicso

4、fthegasemissionsysteminthecoalmineworkingface，inordertoimprovepredictionaccuracyofgasemission，acouplingalgorithmisputforwardwhicheonbinedtheclonalchaoticparticleswarmopti—mizationalgorithm(CIPSO)withtheElmanneuralnetwork．TheCIPSOalgorithmisusedtooptimizetheinitialweightsandthresh

5、oldsofElmanneuralnetwork，apredictionmodelbasedonCIPSO—ENNcouplingalgorithmises—tabhshed．Accordingtothehistoricaldataofminemonitoringsystem，theMatlabsoftwareisusedtopredictthemod-e1．Theresultsshowthatthemodelhashigherpredictionaccuracyandlowerpredictionerrorthanotheroptimizationmo

6、dels，whichcanprovidetheoreticalsupportforcoalminegascontr01．KEYWORDS：Gasemission；Non—linearsystem；Predictionmodel；Cloningofchaosparticleswal'Inalgorithm；neuralnetwork1引言我国煤矿依据瓦斯涌出量分类的统计数据中，高瓦斯矿井占35％，瓦斯爆炸已成为煤矿安全生产最大的障碍。随着开采深度的增加、机械化采煤的普及、工作面单产量的成倍增长，瓦斯涌出量也随之增大，要预防或减少此类事故的发生，对回采工作面

7、瓦斯涌出量进行精准的预测是防治瓦斯灾害的关键措施也是煤矿安全生产的前提⋯。现实环境中，瓦斯涌出量受多种因素的影响，并且是动态的，不定的。因此，若采用固定的预测网络或参数单一的网络，模型的时效性不收稿日期：2015—06—09修回日期：2015-07—24长且泛化能力上会有缺陷，预测精度上会存在较大的误差。目前，瓦斯涌出量预测有多种方法，张子戊等旧1采用瓦斯地质数学模型法进行瓦斯涌出量预测，建立了瓦斯涌出量的多变量数学模型，但该方法属于线性预测方法，针对瓦斯涌出量系统的非线性特点，其精度大大降低；刘新喜等”o利用灰色系统进行矿井瓦斯涌出量的预测，但利用灰色

8、系统进行长期的预测，其误差较大；付华等H1采用神经网络预测法，对于矿井瓦斯涌出量