基于BP神经网络的导水裂隙带高度预测研究.pdfVIP

能源技术与管理 2008年第1期 基子BP神经网络的导水裂隙带高度预测研究 吴广竹。徐智敏 (中国矿业大学，江苏 徐州22l008) [摘 要] 在对复杂地质及水文地质条件下开采形成的导水断裂带发育规律分析的基础上， 将基于非线性理论的人工神经网络技术用于导水裂隙带高度的预测．选取了顶板 岩性、顶板抗压强度、覆岩类型、倾角、覆岩厚度、泥岩比、煤层采厚等因素作为导水 断裂带预测模型的影响因子，建立了导水断裂带高度的预测模型．取得了较好的效 果．准确判断了煤层开采后导水裂隙带的发育高度．为煤矿合理设计开采方式方法 提供了重要的参数依据和技术支撑 [关键词] 人工神经网络；导水裂隙带；水下采煤 [中图分类号]TD822[文献标识码]B [文章编号]1672—9943(2008)01-0090-03 力，它为解决复杂问题提供了一种简单有效的方 1 概 述 法。神经网络很容易解决多个参数问题．与传统的 研究采动岩体导水裂隙带的发育规律对安全 方法相比它具有以下特点：①具有较强的容错性 合理地进行水下采煤具有重要的理论和实践意 和鲁棒性．允许带一定噪声的数据的输入；②具有 义。煤层开采后引起覆岩破坏以及在破坏区形成 白适应学习能力．善于在有限的样本数据中。提取 导水通路等早已被人们所认识．并投入大量研究， 出模式变换的统计规律：③对信息进行大规模并 提出了覆岩破坏范围的圈定办法．得到了三带分 行处理．运行速度快。 布状态和规律。给出了裂隙发展最大高度的经验 在结构上．可以把一个神经网络划分为输入 公式，提出了水体下采煤的安全技术措施等 ]。导 层、输出层和隐含层。输入层的每个节点对应一个 水裂隙带高度及形态研究是矿井开采中合理确定 个的预测变量。输出层的节点对应目标变量．可有 开采边界的基础。是矿井水体下采煤安全生产的 多个。在输入层和输出层之间是隐含层(对神经网 关键。 络使用者来说不可见)．隐含层的层数和每层节点 现阶段对导水裂缝带高度的预测方法概括起 的个数决定了神经网络的复杂度．不同的神经网 来主要分为现场测试、相似模拟试验 f物理和数 络有不同的逻辑结构。一般比较常用的是BP神 值)、理论分析法三大类。现场测试法、理论分析法 经网络模型。 和物理相似材料模拟均有某些局限性或不足_2一。 BP(Back Propagation，反向传播)算法全称为 以非线性大规模并行分布处理为主流的神经网络 误差反传递算法 (Error Back Propagation Train— 理论突破了传统的线性分析方法的局限．拓宽了 ing)，输入层到隐含层、隐含层到输出层的关系如 研究参数的属性。能够综合考虑顶板岩性、顶板抗 下： 压强度、覆岩类型、倾角、覆岩厚度、泥岩比、煤层 ／二 ＼ hidden ] I ai—oj} (1) 采厚等7种因素的影响，可以从一定程度上弥补 、 ￡=， 导水断裂带高度观测资料的不足。将大大提高导 ， ． ＼