神经网络理论在延时煤与瓦斯突出预警中的应用.pdfVIP

维普资讯 第 l7卷 第 1期 黑 龙 江 科 技 学 院 学 报 V01．17 No．1 2007年 1月 JournalofHeilongjiangInstituteofScienceTechnology Jan．20o7 文章编号：1671—0l18(2007)0l一0030—03 神经网络理论在延时煤与瓦斯突出预警中的应用 杨 飞， 罗新荣， 张爱然， 康与涛 (中国矿业大学 能源与安全工程学院，江苏 徐州 221008) 摘 要：为提高煤与瓦斯突出预警的准确性，利用人工神经网络特有的非线性适应性信息处 理能力，选择瓦斯涌出峰值、上升梯度、下降梯度、超限时间四个延时突出预警指标 ，实现煤与瓦斯 延时突出的预警。瓦斯样本学习和突出预警结果与实际情况对比表明，前馈神经网络预警模型准 确率很高，可以克服传统预警方法存在 的瓦斯突出漏报和误报的缺陷。 关键词：延时煤与瓦斯突出；预警；神经网络；BP模型 中图分类号：TD713．2；TPI83 文献标识码 ：A Applicationofneuralnetworkinpredictionof delaycoalandgasoutbursts YANG Fei， LUO Xinrong， ZHANGAiran， KANG Yutao (CollegeofResourceandSaltyEngineering，ChinaUniversityofMiningandTechnology，Xuzhou221008，China) Abstract：Traditionalmethodsforpredictionofdelaycoalandgasoutburststendtodistort，orfailto reportanaccidentduetothecomplexityoftheprocess．However，thisproblem canbesolvedbyusingar- tificialneuralnetworkswithcharacteristicsofhighlynon-linearmapping．Inthispaper，fourindexeswere chosenwhenusingtheBPnetworkmodeltopredicttheoutbursts．Thecomparisonofthesamplepredic- tionandthepracticeresultsdemonstratedthatthemodelcanpredictdelaycoaland gasoutburstswith highprecision． Keywords：delaycoalandgasoutburst；alarm；neuralnetwork；BPnetworkmodel 产损失 ]。 0 引 言 掘进工作面煤层的卸压带表现应变软化性质， 承载能力随时间增长而下降。当煤体水平承载能力 煤与瓦斯突出是发生在煤矿井下的一种复杂动 小于水平载荷时，煤体脱离，在重力作用下冒落、掉 力灾害，严重影响煤矿安全生产。延时煤与瓦斯突 渣。此时水平载荷转移到深部煤体。同样，深部煤 出是指突出煤层在爆破或作业时不发生突出，而是 层承受更大的水平载荷 ，处于临界状态，附加的载荷 爆破或作业 以后一段时间内在爆破或作业处发生的 使煤体破坏。这是一个正反馈的加速过程，最后水 煤与瓦斯突出…。延时