基于BP神经网络模型的回采工作面瓦斯涌出量预测.pdfVIP

江 西 煤 炭 科 技 2014年第 2期 JIANGXICOALSCIENCE TECHNOLOGY NO．2 2014 基于 BP神经网络模型的回采工作面瓦斯涌出量预测 刘羿甫 ，王 丰 (贵州大学 矿业学院，贵州 贵阳 550003) 摘 要：在对 BP神经网络原理进行分析的基础上 ，采用 MATLAB语言，利用样本进行网络训练后，设计出预测某煤矿回 采工作面瓦斯涌出量 的BP神经网络模型，然后对实际数据进行仿真模拟 ，得到了很好 的预测结果 。从预测结果可 以看 出，达到了工程实际能够接受的预测精度 ，说明该模型能够用于该煤矿回采工作面的瓦斯涌出量预测。 关键词：瓦斯涌出量 ；回采工作面；BP神经网络 中图分类号：TD712 ．5 文献标识码 ：B 文章编号：1006—2572(2013)03—0001—03 PredictionofGasEmissioninW orkingFaceBasedonBPNeuralNetworkM odel LiuYipu，WangFeng (SchoolofMiningIndustry，GuizhouUniversity，Guiyang，Guizhou550003) Abstract：BasedontheanalysisofBPneuralnetworkprinciple，BPneuralnetworkmodelwasdesignedtOpredict thegasemissioninworkingfacebyusingMATLAB Language，which obtainedgoodpredictionresult，achieved engineeringacceptablepredictionaccuracyandillustratedthatthemodelcouldbeusedtopredictthegasemis— sioninworkingface． Keyword：gasemission；workingface；BPneuralnetwork 在煤矿的初步设计、建设施工、生产运行的过程 中，瓦 某煤矿 回采工作面的瓦斯涌出量进行预测。 斯都是影响其的主要因素。而且随着开采深度和强度的 1 BP神经网络基本原理 增加 ，瓦斯的影响作用 日益显著和强烈。因此，瓦斯涌出 BP神经网络是现在应用 比较普遍的模型之一，它是 量预测结果的准确性，将会对煤矿的技术经济指标产生直 通过误差逆传播算法进行训练的多层前馈网络，不需要预 接影响。如果因预测涌出量 比实际涌出量偏高，而在煤矿 先描述数学方程的映射关系，就能学习和存储大量的输入 建设时加大瓦斯治理的投资，将会造成不必要 的浪费 ；而 一 输出映射关系。其基本原理为：正 向传播时输入信息从 假若预测涌出量 比实际涌出量偏低 ，则会导致煤矿投产后 输入层通过隐含单元进行处理后传 向输出，下层的神经元 瓦斯灾害治理不到位，需进行通风系统优化或降低产量， 状态只接受上层神经元的状态对其产生的影响；一旦输出 造成重大的经济损失。。 层没有得到预期 的输出，则误差信号按原有 的神经元通路 目前国内外对于瓦斯涌出量预测方法有很多种，如灰