基于指标气体的 BP 神经网络煤自燃预测系统-论文.pdf

《基于指标气体的 BP 神经网络煤自燃预测系统-论文.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36卷第3期河北联合大学学报(自然科学版)Vo1．36No．32014年7月JournalofHebeiUnitedUniversity(NaturalScienceEdition)Ju1．2014文章编号：2095-2716(2014)03-0008-04基于指标气体的BP神经网络煤自燃预测系统边冰，刘志坚，高平(河北联合大学，河北唐山063009)关键词：煤矿安全；BP神经网络；束管监测系统；指标气体浓度；发火预报摘要：针对煤矿自然发火的预测问题，在指标气体分析法的基础上，构建BP神经网络，选取CH／CO、0／CO2这两组指标气体浓度比作为网络的输入以降低通风条件的影响，经过训练后

2、，判断检测点是否发火并以0或1的形式输出。网络经过43次训练后，误差达到预设的范围(<0．0001)。研究表明，利用BP神经网络处理从煤层收集到的气体浓度并作出发火预报是可行的且具有相当优势的。中图分类号：TD453文献标志码：A·0引言煤层自燃引起的火灾一直都是影响煤炭安全生产的主要灾害之一，给国家和矿井带来了极大的危害和经济损失。煤层自燃预报技术是矿井火灾预防与处理的基础，实现煤自然发火预报首先要建立煤炭自然发火的预测模型，传统模型一般是用某种确定函数来近似描述的，但是从煤层收集到的数据往往是杂乱无章的，用事先构建函数的方法求解，煤层多变量、非线性、长时滞的特点造成这种模型的建立非常

3、困难，尤其当煤层内部出现较大变化后如通风条件、散热条件等，之前所建立的模型基本失效。BP神经网络具有极强的非线性逼近能力，不用明确输入输出之间的函数关系，通过调节网络内部的参数即可对新的数据做出预测。利用BP神经网络处理由煤矿采集到的数据，进而对煤层自燃做出预报，可以克服传统预测方法的局限性，大大提高煤自然发火预的准确性与稳定性。1气体分析法与BP神经网络目前国内外大部分自然发火预测预报系统都采用气体分析的方法。气体分析法是在得到煤层自然发火温度与一些特定的气体参数关系基础上，通过测量这些特定气体的参数，间接得到煤层自然发火温度的方法，它是目前最可行、应用最广泛的方法。⋯大多数煤矿都在使

4、用束管色谱检测系统，该系统是在微机分析与控制、色谱高精度分析、束管负压运载气体这三项技术基础上开发出来的高科技产品。通过该系统可得到各检测点不同时段指标气体的浓度数据。2JBP神经网络即误差反向传播神经网络(BackPropagationNeuralNetwork)，是由大量的、简单的处理单元广泛连接而成的复杂的网络系统，是当前应用最广泛的一种人工神经网络，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。[3]BP神经网络的信息以连接权值的形式分布于整个网络，与人脑利用神经突触的变化存储信息类似，这使得神经网络非常稳定网络可以并行处理信息，大大提高了网络运行的速度；

5、网络内部高度连接，少量的误差或部分神经元的损伤不破坏整体，它可以自动修正误差。[2煤自然发火预报模型2．1实现煤层自燃预报的基本思路选取某一煤层的气体浓度数据，包含发火与未发火，考虑到束管系统收集气体易受通风情况的影响，选收稿日期：2014-03—31第3期边冰，等：基于指标气体的BP神经网络煤自燃预测系统9取指标气体浓度比值作为输入数据，是否自燃作为输出量，在MATLAB软件中建立BP神经网络，并利用该网络对输人数据做出预测，跟理论输出有误差时，通过调整网络内部参数来降低误差，当误差低到我们设定的某一点或网络达到训练次数上限之后，停止训练。当训练的结果满足要求后，保存当前神经网络。[5

6、以往大多数煤炭自燃预报系统的思路都是通过建立气体浓度与温度之间的关系来对某检测点是否发火做出判断，本文的思路是在构建BP网络的初级阶段时借鉴气体浓度与温度的对应关系，在利用网络预测时跳过这一环节，直接建立气体浓度与检测点是否发火的关系，即向网络输入检测点气体浓度后，网络直接输出发火或未发火这一结果。气体浓度与温度之间没有特定的对应关系，甚至同一煤矿不同煤层在相同温度下产生的气体浓度都有很大差别，本文可将这种差别降到最低，充分发挥BP神经网络的优势，化繁为简，大大提高预报的准确度。以往大多数煤炭自燃预报系统的思路都是通过建立气体浓度与温度之间的关系来对某检测点是否发火做出判断，本文的思路是

7、在构建BP网络的初级阶段时借鉴气体浓度与温度的对应关系，在利用网络预测时跳过这一环节，直接建立气体浓度与检测点是否发火的关系，即向网络输入检测点气体浓度后，网络直接输出发火或未发火这一结果。气体浓度与温度之间没有特定的对应关系，甚至同一煤矿不同煤层在相同温度下产生的气体浓度都有很大差别，本文可将这种差别降到最低，充分发挥BP神经网络的优势，化繁为简，大大提高预报的准确度。2．2神经网络的参数神经网络的输入可以多维，理论上只要对输出有