基于神经网络预测煤和瓦斯突出方法的改进研究.pdfVIP

r^科学发展观促连利拄利新(2-)437 基于神经网络预测煤与瓦斯突出方法的改进研究 杨艳国题正义 辽宁省皇新市辽宁工程技术大学资源与环境工程学院，123000 摘要准确确定雌与瓦斯杰出对矿井安奎生产起到十分重要竹作用。由于影响煤与瓦 斯突出的因素彳艮多，用传统方法楫难对英进行准确预测。神经网络技术是一门20世纪80年 代中期共起且在近年迅速璺袭盼前沿交丑学杵，它是皿棱拟走廊的思维万式进行计算的，}L较 善于处理多因素问题，本文利用神经网_略技术对煤与瓦斯变出预剖模型进行随进，找到影响 堞与瓦斯突出酌主要因素，为有效的预防煤与瓦斯突出提供了防治方向．并可指导实蹉，因此 具有一定的理论和赛际应用价值。 关键词采矿工程神经网络预测 影响因素 一、引言 煤与瓦斯突出不但影确矿井生产，而且对工人的人身安垒构成威胁，因此，对煤与瓦斯突出问题进 行研究就显得比较重要。目前，国内外许多学者在对它研究和开发过程中摸索和总结出了多种预测的 方法：如现象观测法、R值综合指标挂、球壳失稳法。综合指标D与K法、煤钻屑瓦斯辩嚷指标洼、钻孔 瓦斯涌出初速度法、单项指标法及款色预测法、瓦斯地质统计法等等。但是众所周知突出是受到瓦斯、 地应力和煤体结构3个因素的综合作用的结果，甚至还有至今未被人们认识到的因素的影响：因此，用 琨有的理论来准确的表选出各十因素之阊的橱互作甩，从而柬确定对突出∞影响是不Ij能的。实际上． 煤与瓦斯突出是一个复杂的动力学过程，与其影响因索之问存在着复杂的非线性关系，而t凡工神经网络 具有极强的非线性逼近能力，能真实刻面出输^变量与输出变量之间的非线性关系。这种输人变量与 输出变量之同的非线性关系，又恰倍反映了影响因素b-突出结果的关系。 鞠出模式 二、tip神经网络理论的基本原理 BP网络模型一般由输入节点层、隐古节点层、输出节点层以及层间 节点连接而成。其学习过程由正向传话和反向传播两部分组成，误差函 数的求取是一个由输出层向输^层反向传播的递归过程。通过反复学 习训练样本来修正权值，采用虽速F降法使得杈值措着误差函数的负梯 度方向变化，最后稳定于最小值。 (一)输入模式顺传播 圈I BP同培模型 这一过程主要尾利用输^模式求出它所对应的实际输出。 设输^模式向量为A。=[aj，a；．…，。：](^=l，2，…，m) 式中 旷学习模式对数； ”_一输八层单元个数。 ，438 以科学发展观促进科技创新(土) 设输出模式向量为Y。=[Y：，Y：，…，Y：] 式中 q——输出层单元数；中间层各神经元的激活值 S，=∑W。·q—只(J=1，2，…，P) 式中 w。——输入层至中间层的连接权； 矾——中间层单元的阈值； p——中间层单元数； 激活函数采用连续可微分的s型函数，即 1 ，(z)2再≤矗i (2) 中问层J单元的输出值为 b，：f(S，) (J=1，2，…，P) (3) + n 1+exp(一∑W“ l。i ¨Ⅳ 同时乱在学习过程中和权值一样也不断地被修正。 输出端的激活值和输出值： 。 设输出层第t个单元的激活值为z，，则