基于BP网络的煤矿顶板稳定性分析系统.doc

第一章 系统概述 1.1前 言 随着大型地质煤矿建设迅速增加，开采规模不断扩大，开采深度逐渐增加，煤矿顶板事故越来越突出，约占整个煤矿安全事故的40%以上，每年受顶板事故影响的产煤量约占总产煤量的5%左右。这说明采场上覆岩层稳定性不仅关系到井下工人的人身安全，而且还是制约矿井高产高效的主要因素。然而要合理进行采场支护设计，有效控制采场顶板事故，并不是一个简单的问题。 首先，由于岩体是一种天然形成的复杂的地质介质，而非一种性质单一的工程材料，所以在岩体中开采地下煤要受到一系列自然的特别是地质条件的影响。其次，煤矿各种地质条件的复杂性和难于预测性，使得采场顶板、围岩的稳定性分析问题成为地下工程主要问题。最后，影响稳定性因素复杂，稳定性指标又具有模糊性和不确定性，尤其存在大量交叉性指标，导致实际应用受到限制。为此，利用一些先进理论和技术手段研究行之有效的顶板及围岩稳定性分类法，具有重大理论价值和现实意义[1]。 人工神经网络方法是以自身特有的样本学习能力获得识别模式，它具有极强的非线性逼近、大规模并行处理、自训练、自学习、自组织和容错及抗干扰能力，识别结果客观可靠。我们将神经网络理论应用于煤矿顶板稳定性分析预测预报系统中，创建了BP网络模型，这个模型不仅能够模拟各影响因素之间的错综复杂的关系，而且不需要提前确定影响稳定性因素指标，从而消除了传统的预测预报方法的人为因素的影响。这个预测预报系统通过对井下监测到的数据（如开采深度、倾角、构造复杂程度等）进行存储、处理、显示和分析，并能对事故进行预测预报，以确保矿井的安全。 本次设计中，我们依托于MATLAB的运行环境，应用BP神经网络来实现顶板、围岩稳定性预测预报系统。 1.2国内外研究状况 由于研究对象非线性、动态变化；复杂地质因素和环境危险性比较大；所涉及的领域是跨学科；实现起来非常的困难，所以目前尚未发现在这个领域的深入探讨。采矿、地址、力学等相关学科研究者已作了大量的地质、力学方面对矿井冲击地压的研究工作。也只限于理论指导作用。 山东农业大学邱秀梅和山东科技大学王连国运用人工神经网络-BP网络进行煤层底板突水人工神经网络预测。他们从大量的煤层底板突水案例中选取了15个典型采煤工作面底板突水资料作为训练样本，建立了BP网络。然后用训练好的网络队采煤工作面煤层底板突水情况进行预测，在4个突水工作面中，判断对了3个，判断率为75%，可见其预测精度是比较高的[2]。 浙江大学地球科学系张洪，邹乐君，沈晓华将BP神经网络应用在测井岩性识别中，对金衢盆地的金66测井的岩性进行了识别，并对改善BP神经网络收敛性能的方法进行了有效探索[3]。 山东科技大学朱向彩，枣庄市恒瑞煤业有限公司周伟将BP神经网络应用在矿井安全监测评价系统中，提出了基于此理论的安全检测评价方法等，为矿井的安全生产和安全管理提供了依据[4]。 矿产资源开发工程系邹艳荣探讨了BP神经网络模型在煤层对比、矿井突水水源识别以及识别矿化异常中的应用。证明了该网络模型是十分成熟的模型，比较适合地质工作分类、识别和预测中，并预计BP神经网络在地质工作中将有很好的应用前景[5]。 1.3 本设计的指导思想 本文在详细分析了影响煤矿顶板及围岩稳定性因素的基础上，针对稳定性因素复杂，稳定性指标又具有模糊性和不确定性的问题，利用人工神经网络结合现场数据，建立了顶板及围岩稳定性预测预报系统，将人工神经网络技术应用到稳定性预测预报中来，我们从以下六个方面来考虑： 1）影响因素：选用多种判据，并将预测结果分成不同的等级，这样不仅克服了预测预报时人为因素的影响，而且克服了采用单一的指标可能会给预测预报造成很大误差的影响，提高了系统的预测精度和可靠性。 2）为了更加完善这个系统，我们不仅要考虑到对顶板的稳定性进行科学预测，同时也要考虑到对顶板的支护即围岩的稳定性预测。 3）神经网络模型的选取：我们要选择一个多输入、多输出并且具有成熟、收敛速度快、精度高的网络模型。综合各种因素考虑，我们选择了BP网络模型用来预测顶板及围岩的稳定性。 4）网络的修正：因为BP网络模型具有收敛速度慢、收敛性能差等缺点，所以我们要利用多样本数据，确定网络的结构，增加对BP网络模型缺点的修正。 5）数据库技术：在本次设计中，我们选用access数据库技术，对样本数据和用户所输入的数据进行分类管理，更加清晰地表示出不同等级的预测结果与样本数据的关系，更方便地用来指导实践。 6）可视化界面：为了方便推广应用，能够让客户更加直观的了解并操作这个系统，我们将这个系统用面向对象语言VB编成了可视化的图形监控界面。 总之，我们做的这个预测预报系统是一套基于计算机测控技术的安全监测设备，主要应用在煤矿行业。该系统可以通过对井下监测到的数据（如开采深度、倾角、构造复杂程度等）进行存储、处理