基于模糊神经网络的煤层瓦斯含量预测研究.pptVIP

基于模糊神经网络的煤层瓦斯含量预测研究 陈闯 模糊神经网络模型 研究结果表明: 模糊神经网络模型不仅能够较好地解决模糊信息难于定量表达、学习样本难于确定等问题，而且能够较准确地提取出煤层瓦斯含量与其各个影响因素之间的非线性关系。通过实例运算验证，其预测精度较神经网络模型提高了 4. 84% ～ 25. 79%，应用于煤层瓦斯含量预测的效果更为理想，具有良好的应用前景，可以为实施科学的矿井瓦斯管理、预防各种瓦斯事故提供理论依据。 模糊神经网络模型建立来源 考虑到煤层瓦斯含量系统的复杂性、动态性、非 线性以及随机不确定性，其预测模型必须不断朝 着非线性、多参数方向发展 笔者以鹤煤某矿二1煤层为研究对象，在分析影响煤层瓦斯含量的各种地质因素和量化定性因素的基础上，建立模糊神经网络模型，将模糊理论与神经网络有机结合，以模糊数学作为表达与处理不精确数据、模糊信息的手段，既能处理模糊信息，完成模糊推理功能，又具有神经网络的一些特点，准确提取、捕捉煤层瓦斯含量与各个影响因素之间的非线性关系，以达到对井田内未采区域进行煤层瓦斯含量预测的目的。 模糊神经网络模型的设计 变量的选取 影响瓦斯含量的主要因素有煤的变质程度、煤层埋藏深度、煤层围岩性质、地质构造、水文地质条件等 笔者选取煤层埋藏深度、煤层厚度、顶板岩性、上覆基岩厚度、顶板 30 m 砂岩比，作为预测煤