层次分析法和神经网络模型在矿井突水中应用.pdfVIP

层次分析法和神经网络模型在矿井突水中的应用 宋晓猛 中国矿业大学资源与地球科学学院，江苏徐州 (221008) E-mail: wenqingsxm@126.com 摘 要：矿井突水是目前我国煤矿生产的主要灾害之一，且其影响日趋严重化，国内外在矿 井突水预测方面也取得了很多进展，本文综合应用层次分析法和神经网络预测模型进行矿井 突水预测及相关分析，并取得很好的试验结果，与实际情况相当吻合，可知运用神经网络进 行矿井突水预测是可靠的。 关键词：层次分析法；人工神经网络；矿井突水 中图分类号：TP183；TD745.21 0 引言 矿井突水是矿井生产过程中常见的水文地质现象。矿井突水不仅严重影响了煤炭的开采 生产，而且还会造成对矿工的生命造成了严重的威胁以及国家集体严重的财产损失。煤矿突 水问题在煤炭的安全开采过程中也越来越受到重视。影响煤矿突水的主要因素有：岩溶、断 裂构造、水压、含水层厚度、隔水层厚度。在矿井突水问题上，国内外的许多专家学者都对 此进行了深入的研究，目前在矿井突水预测等方面取得了很多突破：匈牙利学者韦格拂伦斯 提出了用相对隔水层厚度来预测是否会发生底板突水[1]，前苏联学者B.斯列萨列夫提出了底 板突水预测的“梁理论”，即将煤层底板视为两端固定的承受均布荷载作用的梁，并结合强度 理论，推导出底板理论安全水压值[2]，我国分别提出了“突水系数法”、“下三带理论”等许多 经典理论[2]，同时随着科学技术的进步，一些现在科学技术在矿井突水中的应用也逐渐多了 起来，张大顺，郑世书采用 GIS 技术较好的利用图像形式表现突水各影响因素突水之间的 有机联系，运用计算机进行判别[3]，许学汉等以工程地质力学理论方法与矿井突水预测相结 [4] [5] 合，建立底板突水的监测预报系统 ，除此之外还出现了“层次分析与模糊判别法 ”、“控制 论”技术[6] [7] [8] [9] 、“关键层理论” 、“板模型理论” ，模式识别和神经网络理论 等都在预测突水 方面得到很好运用。本文综合运用层次分析和神经网络理论在矿井突水进行预测分析，并通 过实例加以说明。 1 层次分析法与神经网络模型 层次分析法（analytical hierarchy process, AHP ）是美国运筹学家T.L.Saaty 于20 世纪70 年代提出的一种多目标决策分析方法，属于定性分析与定量分析相结合的方法，是一种将决 策者对复杂系统的决策思维过程模型化、定量化的过程。层次分析法适用于多目标、多层次 的非结构化、半结构化决策问题，在系统评价方案比较等方面得到广泛应用[10] 。层次分析 法的基本步骤：建立层次结构模型、构造判断矩阵、层次排序与一致性检验。 人工神经网络(Artificial Neural Networks，简称ANN)是近年来发展起来的模拟人脑生物 过程的人工智能技术．它由大量简单的神经元广泛互连形成复杂的非线性系统，它不需要任 何先验公式，就能从已有数据中自动地归纳规则，获得这些数据的内在规律，具有很强的非 线性映射能力，特别适合于因果关系复杂的非确性推理、判断、识别和分类等问题。基于误 差反向传播(Back propagation)算法的多层前馈网络，是目前应用最多也是最成功的网络之 一，构造BP 网络需要确定其处理单元—— 神经元的特性和网络的拓扑结构[11] 。BP 算法的 主要步骤如下：数据预处理、随机产生初始权重和阈值、计算训练样本输出、计算误差和根 - 1 - 据误差调整权重和阈值。 2 问题提出 通过对影响矿井突水因素的分析，建立合理的数学模型，说明煤矿突水与