HIMMAS-WNN算法在瓦斯涌出量预测中的应用研究.pdf

致 谢 本论文从开题到截稿的整个过程，都是在我的导师付华教授的悉心指导下完成 的。在两年多的研究生学习期间，付老师严谨的治学态度和忘我的工作精神使我深 受感动，在论文修改期间，付老师在百忙的工作中对论文进行了多次审阅，提出了 许多宝贵修改的意见。在此论文成稿之际，谨向我的导师付华教授致以最崇高的敬 意和衷心的感谢！ 同时还要感谢国家自然科学基金项目“煤矿瓦斯融合决策与预测控制理论研 究” （No对本论文的资助。真诚的感谢在我就读研究生期间所有的授 业老师，我会一直铭记他们的谆谆教诲。 感谢实验室和 09 级电气与控制工程学院的同学们，他们在生活、工作和学习 中给我提供了很大帮助；同时向所有关心、鼓励和帮助我成长的所有师长和亲友表 示诚挚的感谢。 在论文的写作过程中参考了许多专家学者的著作和文献资料，在此向相关作者 表示衷心的感谢！最后，向参加答辩的所有老师表示衷心的感谢！ 摘 要 工作面瓦斯涌出量关系到煤矿的通风设计指标，更是影响工人生命安全的关键因素， 因此对瓦斯涌出量进行精确预测对加强煤矿安全有重要意义。由于影响瓦斯涌出量间的因 素呈现出动态、模糊的非线性动力变化过程，导致传统线性预测方法建立的预测模型精度 很难满足实际现场要求。 本文在对国内外瓦斯涌出量研究现状做出简单介绍，并简单总结了现有一些预测方法 后，提出了使用改进的蚁群算法和小波神经网络相结合的算法来建立瓦斯涌出量预测模 型。论文首先分析了小波神经网络的基本理论以及网络的分类和结构特点，针对该神经网 络收敛精度低，易陷入局部极值的缺点，提出使用蚁群算法来对其改进。紧接着分析了基 本蚁群算法的运行机理，以及各参数对收敛性能的影响，针对算法仍然容易收敛到局部最 优的问题，论文在引入最大最小蚁群算法的基础上，对蚂蚁寻优路径进行信息素轨迹平滑 处理，并引入扰动因子和惩罚因子来解决算法的局部收敛和收敛速度慢的问题，将其应用 在解决 TSP 问题上，表现出良好的求解质量。然后将改进的蚁群算法HI-MMAS 和小波神 经网络相结合，采用预测智能控制思想建立预测模型，并利用监测的煤矿历史数据进行仿 真，实验结果表明本文所提模型的预测精度和传统 BP 算法、基本蚁群算法等神经网络模 型相比，具有更快的收敛速度，更高的收敛精度，鲁棒性更强等特点，从而为解决煤矿瓦 斯涌出量预测问题提供了一个很好的思路。 关键词：瓦斯涌出量；小波神经网络；蚁群算法；最大最小蚁群算法 - I - Abstract The face gas emission not only related to the mine ventilation design specification but also impacted to the coal mine production safety, so enhanced the design research of the gas emission prediction method is very important to strengthen mine safety. Due to the relationship of the gas emission factor s exist dynamics and fuzzy non-linear, present a complex nonlinear dynamic change processes, leading to the accuracy of predictive models is difficult to meet actual field requirements based on the traditional method of linear prediction. First of all, the paper makes a simple introduction about the gas emission research situation at home and abroad and then su