基于bp神经网络的煤矿干式钻孔产尘率预测模型论文.pdfVIP

第32卷第1期 矿业工程研究 V01．32No．1 Mineral Research M盯．2017 2017年3月 Engineering doi：10．13582／i．enki．1674—5876．2017．01．007 基于BP神经网络的煤矿干式钻孑L 产尘率预测模型 张慧，罗文柯+，凤雯，张开 (湖南科技大学资源环境与安全工程学院，湖南湘潭411201) 摘要：分析总结了干式钻孔孔口产尘率的4个主要影响因素：煤体硬度、粉碎性能指标、固气比和含水率，建立了一 个预测干式钻孔孔口产尘率的Bp神经网络模型．根据在不同硬度和粉碎性能指标、不同含水率的煤体以及不同固气比条 件下栗集的数据，对建立的BP神经网络模型进行训练、验证和误差分析．结果表明，网络训练所得预测值与孔口产尘量实 x10一，相对误差的最大值为3．06％．由本文所建立的BP神经网络模型所得到的预测值与 测值之间的最大绝对误差为4．200 实测值吻合度很高，故该模型为防尘设备参数的选择和防治职业危害危害提供了理论依据． 关键词：BP神经网络；干式钻孔；产尘率；误差值 中图分类号：TD714 文献标志码：A 文章编号：1672—9102(2017)01—0034—06 OnPredictionof DustProduction DryDrilling’S on RateBasedBPNeuralNetwork ZHANG Kai Hui，LUOWenken，FENGWen，ZHANG of and ofScienceand 4t (SchoolResource，EnvironmentSafetyEngineering，HunanUniversity Technology，Xiangtan1201，China) andsummarizesthefour factorsi．e．thecoefficientofcoal Abstract：Thispaperanalyzes significant contentthe indicatorof moisture and hardness，the crushingperformance，solidsloadingpneumatic，the drilling timethataffectthedust of holeorifice．In BPneuralnetworkmodelisbuiltbasedonthe dry addition，a capacity ofthecoaldust of holeorifice．Thefieldmeasurementdataunderdifferentconditionsare properties capacitydry usedfor the the ofthemodelistested．Differencesbetween accuracy pred