基于灰色遗传神经网络法的矿井瓦斯涌出量预测.pdfVIP

第ll卷第2期 安全与环境争jlL V01．1lN0．2 and 2011年4月 J伽mal《S如tyEn“ronment April，20ll 文章编号：1009枷4(20lll02一017锄3 的误差。有必要建立一种新的煤与瓦斯突出危险性预测模型 ——人工神经网络。基于人工神经网络系统局部极小值和收 基于灰色遗传神经网络法的 敛速度慢等局限性，以及遗传神经网络在瓦斯含量预测中的 矿井瓦斯涌出量预测* 应用实例[1】，如采用综合指标法和残余瓦斯含嚣法预测工作 面的采前瓦斯突出危险性，用数值分析对已有瓦斯涌出量和 徐威，何保，张振文 深度的离散数据进行拟合分析，可寻找到瓦斯涌出量和开采 (辽宁工程技术大学资源与环境工程学院，辽宁阜新123000) 深度的近似函数，从而实现对未开采区瓦斯涌出营预测。基 于支持向量机(svM)的瓦斯涌出量非线性组合预测方法，用 摘要：矿井瓦斯突出的发生是一个非线性系统在时空演化过程中 结构化风险最小化准则且具有在全局意义上逼近任意非线性 的灾变行为，影响突出的各个基本因素与突出危险性之间存在复杂的 函数特性的sVM，建立一个多输入单输出的瓦斯涌出量非线 非线性映射关系。对于处理这样的非线性时牢演变问题，传统的数学 性组合预测模型，通过样本学习和平均绝对百分比误差最小 方法是有局限性的。为了更好地预测矿井瓦斯涌出镑，将灰色理论引 原则确定预测模型的参数，对双曲线回归、指数同归和灰色预 入到预测精度高的遗传神经嘲络，使灰色理论和遗传神经网络有机结 合起来，以神经嘲络理论为摹础，利用遗传算法优化隐含层神经元个 测方法得到的3个不同的单项预测数据进行非线性组合作为 数和网络中的连接权值。并用其建立瓦斯涌出量的预测新模型。在实 最终预测结果。本文将在灰色关联理论的基础上运用遗传神 验室测试数据的基础上，建立遗传神经网络训练和检验样本集，并且 经网络系统对瓦斯涌出量进行预测【2J。 将检验结果分别与标准BP神经网络的预测结果进行比较。 关键词：安全工程；煤}孑瓦斯突出；非线性特征；灰色理论；遗传神 1遗传算法基本原理 经网络；瓦斯涌出量预测 遗传算法把问题的解表示成“染色体”，算法是以二进制 中图分类号：x932 文献标识码：A 编码的串。并且，在执行遗传算法之前，给出一群“染色体”。 DoI：10．3969／j．i嘲1．1009-6094．2011．02．040 即假设解。然后，把这些假设解置于问题的“环境”中，并按适 O引言 者生存的原则，从中选择较适应环境的“染色体”进行复制，再 为了保障矿井安全生产，必须深入研究预测矿井瓦斯涌 通过交叉，变异过程产生更适应环境的新一代“染色体”群。 出量。国内外开采突出煤层的实践表明，突出的发生具有区 这样，一代一代地进化，最后就会收敛到最适应环境的一个 域性分布或带状分布的特点，突出危险带的面积一般不到突 “染色