基于径向基神经网络煤矿工作面瓦斯预测研究.pdfVIP

第29卷第4期增刊 仪 器 仪 表 学 报 V01．29No．4 2008年4月 基于径向基神经网络的煤矿工作面瓦斯预测研究木 时天 马宪民 (西安科技大学电气与控制工程学院西安710054) 摘要分析了径向基神经网络原理和特点，建立了煤矿工作面瓦斯涌出量的径向基神经网络模型。通过样本对网络进行训 练和对实际数据的仿真，采用matlab语言得到了预测结果，验证了基于径向基神经网络预测采煤工作面瓦斯涌出的可行性． 关键词径向基神经网络采煤工作面瓦斯预测 ResearchonthePredictionofGasRushinCoal onRBF StopeBased Heading Network Shi啊anMaXianmin 710054China) (SchootofElectricalandControlEngineeringXianUnivers砂ofScience＆TechnologyXian AbstractThe andcharacteristicsoftheradialbasis neuralnetworkis principle function(Pa3F)artificialanalyzed， is to the rushin anovelRBFneuralnetwork modelestablishedforecast coal gasprediction gas headingstope．By the RBFneuralnetwork modelwith datainMatlab model trainingproposed gasprediction sample software，the are for is the results feasibilityverified，andsimulating enoughpreciseengineeringapplication． wordsRBFneuralnetworkcoal face Key workingspace gasprediction 1 引言 局部极小值问题。比较起来，RBF神经网络具 有下列优点：(1)RBF网络具有唯一最佳逼近 近几年来，煤矿常发生瓦斯爆炸特重大事 的特性，且无局部最小；(2)RBF网络所需要 故，对煤矿生产和矿工人身安全造成严重危害。 的训练时间比前向BP网络要少，即RBF网络 因此，正确预测工作面瓦斯涌出量的大小，有 的收敛速度比BP网络快。因此RBF网络在实 着重要的现实意义。目前，预测瓦斯涌出量的 时性方面强于BP网络，非常适合煤矿瓦斯的 方法主要有统计法和计算法lll。这两种方法由 快速检测与监控。 于将瓦斯涌出量与影响其的诸多因素视为成线 RBF神经网络的结构如图