基于BP神经网络的煤矿瓦斯涌出因素分析.pdfVIP

基于BP神经网络的煤矿瓦斯涌出因素分析 王应东 龙祖根 文排科 -(1．贵州大学 矿业学院，贵州 贵阳550025；2．贵州省煤矿设计研究院，贵州 贵阳550025； 3．贵州省非金属矿产资源综合利用重点实验室，贵州 贵阳550025；4．复杂地质矿山开采安全技术工程中心，贵州 贵阳550025) 摘 要：导致煤矿瓦斯涌出因素很多，而且因素之间多为非线性关系。提出基于BP神经网络分析瓦斯涌出因素正是考虑到 BP 神经网络适用于非线性因素分析，加上其应用过程中的通过不断训I练学习找出各影响因素权重，从而为瓦斯涌出预防和治理找到突 破口，具有可行性和指导性作用，完善煤矿安全管理工作。 关键词 ：BP神经网络；煤矿；瓦斯涌出；因素分析 Abstract：Therearemanyfactorswhichcanleadtocoalminegasemission，andthereexistnonlinearrelationshipamongthem．Basedon theBP neuralnetworkanalysisgasemissionfactorisconsideringtheBPneuralnetworkissuitablefornon—linera factoranalysisnaditsappli— cationintheprocessoftrainingthroughcontinuouslearningtofindallthefactorsweight，SOastofindabreakthrough，gasemissioncontrolhas feasibilityandguidingeffect，improvethemanagementofcoalminesafetywork． Keywords：BPneuralnetwork；Coalmine；Gasemission；Factornaalysis 中图分类号：F403．7；TD712 ．5 文献标志码 ：A 文章编号：1008—01552【015)02—0ll7—03 煤矿生产是一个很复杂的系统，常常受到瓦斯、煤 层传播后进行计算，最后再经过正向传播过程。这两 尘、顶板、水灾、火灾等事故的威胁。其中以瓦斯事故 个过程的反复运用，当误差达到人们所期望的要求时 造成的伤亡损失尤为严重…。导致瓦斯涌出的因素很 就结束网络的学习过程。其中，I(Input)表示神经元的 多，瓦斯事故是诸多因素相互作用的结果，其随机性、 输入，O(Output)表神经元的输出，i为输入层神经元下 模糊性和非线性关系使得传统方法不能很好地解决此 标变元 (i_1，2，3…i)，k为隐含层神经元下标变元 (k 问题。应用神经网络理论，在改进的学习算法的基础 = 1，2，3…q)，j为输出层神经元下标变元(_=『1，2，3… 上，建立了预测数据的BP模型是一个非线性的动态系 ，n)。 统，具有 自组织、自学习能力和联想功能，有较强的非 设共有P个样本。对于第P(P=1，2，3… P)个样 线性容错性 ]。研究一个针对瓦斯涌出因素分析精 本，图中所示的输入输出关系 为： 确性高的方法，采取相应措施预防瓦斯事故的发生，越 输入层(i)为 = (i=1，2…P) 发显得重要，基于 BP神经网络在煤矿中瓦斯涌出因素 输出层为OP = = 的分析正是基于这样的背景下进行的。 隐含层输入为neth卸= (W“iP一0) 1BP神经网络原理 输出为nether(k：1，2…q) 1．1BP网络模型 BP网络模型是美国学者 Rumenlhart等人于 1985 输出层输入为netojo： (wjkohjr,一 f) ， 年提出的，具体为误差反传递算法(ErrorBackPropaga—