基于BP神经网络分源预测综采面瓦斯涌出量的研究.docVIP

基于BP神经网络分源预测综采面瓦斯涌出量的研究 　　摘 要：为了提高综采工作面瓦斯涌出量的预测精度，根据综采工作面瓦斯来源的分析，在瓦斯分源预测方法的基础上，融合神经网络预测技术，建立BP神经网络分源预测模型。结合某矿1242（1）工作面地质条件和开采技术条件，利用BP神经网络分源预测模型对工作面瓦斯涌出量进行了预测，结果表明，BP神经网络分源预测模型预测精度能满足现场需求，与分源法相比较，在综采工作面瓦斯涌出量预测中方便简洁而且具有很高可信度，其应用前景更广泛。 　　关键词：瓦斯涌出量；保护层开采；BP神经网络；分源预测 　　中图分类号：TD712.5文献标识码：A 　　文章编号：1672-1098(2011)04-0051-05 　　 　　?? 　　收稿日期：2011-08-26?? 　　作者简介：肖家平(1973-)，男，安徽寿县人，讲师，硕士，从事煤矿安全教学科研工作。?? 　　Study on Different-source Prediction of Gas Emission in Fully Mechanized Coal Face Based on BP Neural Network 　　XIAO Jia-ping??1 ，DAI Guang-long??2 　　(1. Huainan Vocational Technical College, Ventilation and Safefy Department，Huainan Anhui 232001, China；2. School of Energy and Safety, Anhui University of Science and Technology, Huainan Anhui 232001, China) 　　Abstract:According to analysis of methods and characteristics of gas emission source in fully mechanized coal faces (FMCF), BP neural network and prediction technique were integrated in building a different-source prediction model. Based on geological and mining conditions of No. 1242(1) FMCF, the main source of face gas emission was predicted by different-source prediction model based on BP neural network. The results showed that the model is suitable and reliable in gas emission predicting. Comparing with other prediction methods, different-source prediction is easy to be used to predict gas emission during FMCF mining procedure. The method can be applied in wide range. 　　Key words:gas emission; protective seam mining；BP neural network；different-source prediction 　　 　　 　　我国瓦斯涌出量预测方法有很多，大体为统计分析法、瓦斯含量法和分源预测法。统计分析法必须要有大量相似地质条件的矿井作为比较对象，新建矿井就很难应用该预测方法；瓦斯含量法工程量大，需要在实验室进行，同时需要容器密封条件好、仪器精度高、操作精确熟练等条件；分源预测法从瓦斯源头考虑准确性较高，应用较多，但由于考虑影响因子较多，计算量大而复杂。如果在各瓦斯源头考虑影响因子并适当加以权重，用BP神经网络预测，这样可以避免大量复杂的运算，提高预测精度。?? 　　1 采煤工作面瓦斯来源分析?? 　　1.1 影响煤层瓦斯含量的因素?? 　　煤层瓦斯含量的大小，除了与瓦斯生成量的多少有关外，主要取决于煤生成后瓦斯的逸散和运移条件，以及煤保存瓦斯的能力。主要影响因素包括煤层的埋藏深度、煤层和围岩的透气性、煤层倾角、煤层露头、地质构造(如褶曲构造、断裂构造、煤化程度、煤系地层的地质史、水文地质条件)等。?? 　　1.2 综采面瓦斯涌出来源划分?? 　　根据瓦斯分源预测理论，把综采