基于灰色关联与神经网络瓦斯含量预测研究.docVIP

基于灰色关联与神经网络瓦斯含量预测研究 　　摘 要：为了解各影响因素对煤层瓦斯赋存规律的影响，准确预测煤层瓦斯含量，在分析潘一东勘探钻孔资料的基础上，基于灰色关联分析了影响13-1煤层瓦斯含量的各因素，确定了煤层埋深、顶板岩性、煤层厚度和地质构造是影响煤层瓦斯含量的主要因素；利用神经网络方法建立了煤层瓦斯含量预测模型，结合实际数据，对预测模型进行训练与检验。结果表明：预测精度较高，验证了基于灰色理论与神经网络预测模型的可靠性。 　　关键词：瓦斯含量；灰色关联度；神经网络；预测模型 　　中图分类号：TD712.3文献标识码：A 文章编号：1672-1098(2010)04-0001-04 　　 　　Research on Prediction of Gas Content Base on Gray Corelation Analysis and 　　Neural Network 　　WANG Lai-bin????1，2??, SHEN Jin-shan??1, YAO Duo-xi??1,GAO Xi-qing??1 　　(1.School of Earth Science and Environmental Engineering, Anhui University of Science and Technology; Huainan Anhui 232001, China; 2. Key Laboratory of Mine Geological Hazard Control, Anhui Province, Huainan Anhui 232001, China)?? 　　Abstract:In order to Rnowvariourfactorsthataffects gasregularity,andtopredict gas content accurately,this paper analyses influence factors with grey relational gradebase ontheanalysisontheexplorationboreholeiuformationof13-1seaminPanyieastcoalmine. It is found that the main factors affecting gas content in the coal seam are depth of coal seam occurrence, roof lithology, thickness of coal seam and tectonic structure. A prediction model of gas content was established with neural network method, and the model was trained and tested with experimental data. The results showed that the model is accurate, which verified reliability of the prediction model based on grey theory and neural network. 　　Key words:gas content; gray relational grade; neural network; prediction model 　　 　　煤层瓦斯含量是评价矿井瓦斯资源的重要指标，也是预测矿井瓦斯涌出量和煤与瓦斯突出，进行瓦斯抽放防治的重要依据［1］。国内外大量实际资料表明，在同一井田范围内，同一煤层由于地质条件的复杂性，煤层瓦斯赋存具有不均衡性,存在着明显的分区、分带特征 ［2-3］。如何准确地预测煤层瓦斯含量是一个非常复杂的问题，常用的定性比较分析、综合评价方法和线性回归分析法等，仅定性地确定各因素对煤层瓦斯含量影响的重要程度，难以确定各影响因素对煤层瓦斯赋存规律的影响程度，且预测误差较大［4］。由于煤层瓦斯含量是各种地质因素综合影响的结果，具有明显的灰色性，存在着高度的非线性关系［5-6］。利用灰色神经网络技术，从影响瓦斯含量的大量数据中识别、捕捉和提取隐藏规律，建立瓦斯含量预测模型，能较准确的预测瓦斯含量。本文以潘一东矿井13-1煤为例，利用灰色关联度分析各影响因素与瓦斯含量之间的关联程度，并从中选取关联程度好的因素进行BP神经网络预测［7］，实现瓦斯含量较好预测的目的。 　　1 灰色关联分析与神经网络技术 　　灰色关联分析方法是一种多因素统计分析方法，它以各因素的样本数据为依据，描述系统发展过程中因素间相对变化