bp算法在煤礦瓦斯?jié)舛阮A(yù)測中的應(yīng)用

《bp算法在煤礦瓦斯?jié)舛阮A(yù)測中的應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、BP算法在煤礦瓦斯?jié)舛阮A(yù)測中的應(yīng)用摘要:影響煤礦瓦斯?jié)舛鹊母鞣N因素具有非線性特征,BP算法能實(shí)現(xiàn)對這些因素的非線性映射,達(dá)到對煤礦瓦斯?jié)舛冗M(jìn)行預(yù)測的目的?！　￡P(guān)鍵詞:煤礦瓦斯?jié)舛菳P預(yù)測　　:TP389.1:A:1007-9416(2010)08-0088-02　　　　煤礦瓦斯事故大多具有突發(fā)性和不確定性,現(xiàn)在使用的煤礦安全監(jiān)測系統(tǒng)一般都不具備預(yù)測和預(yù)報(bào)的能力[1]。如何根據(jù)各個(gè)影響因素預(yù)測計(jì)算煤層瓦斯含量是一個(gè)非常復(fù)雜的問題,對這個(gè)問題的研究多采用定性的比較分析、綜合評價(jià)方法和線性回歸分析法,這些方法能大致確定各種因素的重要程度,但難以準(zhǔn)確地確定各影響因素對煤層瓦斯賦存規(guī)律的影響程度,預(yù)

2、測誤差較大[2-3]?！　　　?影響瓦斯?jié)舛鹊囊蛩亍　⊥ǔＣ旱V井下有人員活動(dòng)和設(shè)備的地方必須使瓦斯?jié)舛缺３衷谝欢ǖ闹狄韵?以防止瓦斯爆炸,保證人員的安全和健康。煤礦井下瓦斯的稀釋主要依靠礦井通風(fēng)來實(shí)現(xiàn)。影響瓦斯涌出量的因素很多,比如對于采煤工作面而言,影響瓦斯涌出量的因素主要有煤層厚度、煤層埋藏深度、煤層瓦斯含量、工作面日產(chǎn)量及風(fēng)速等。對于特定的采煤工作面而言,由于相關(guān)條件的變化,其瓦斯?jié)舛鹊挠绊懯菑?fù)雜的,變化的,不是簡單的線性關(guān)系。雖然這種變化有規(guī)律可循,但真正要發(fā)現(xiàn)單個(gè)工作面的規(guī)律并指導(dǎo)實(shí)際工作,工作強(qiáng)度大,難度大。對于普遍技術(shù)力量較弱的煤炭企業(yè)而言,基本上不具有可行性。　　　　2瓦斯

3、濃度預(yù)測建?！　?.1模型結(jié)構(gòu)　　用三層前饋型BP神經(jīng)X絡(luò),將煤層深度、煤層厚度、煤層瓦斯含量、日產(chǎn)量、風(fēng)速作為輸入層的5個(gè)節(jié)點(diǎn),用向量表示。輸出層為單個(gè)節(jié)點(diǎn),對應(yīng)瓦斯?jié)舛?用向量表示,期望輸出用向量表示。隱含層節(jié)點(diǎn)采用Kolmogorov映射X絡(luò)存在定理確定,即:　　(1)　　其中,為輸入層節(jié)點(diǎn)數(shù),為隱含層節(jié)點(diǎn)數(shù)。因此,確定隱含層包含11個(gè)節(jié)點(diǎn),用向量表示,見圖1?！　?.2學(xué)習(xí)算法　　輸入層到隱含層及隱含層到輸出層的權(quán)值矩陣設(shè)置如下:　　(2)　　其中,為輸入層第i個(gè)節(jié)點(diǎn)到隱含層第j個(gè)節(jié)點(diǎn)的權(quán)向量,隱含層節(jié)點(diǎn)閾值為。為隱含層第j個(gè)節(jié)點(diǎn)對輸出層第k個(gè)節(jié)點(diǎn)的權(quán)向量,輸出層節(jié)點(diǎn)閾值為?！　‰[

4、含層特性函數(shù)采用式(3)連續(xù)可微分的Sigmoid函數(shù),輸出層特性函數(shù)采用式(4)的簡單線性函數(shù)?！　?3)　　(4)　　為了提高神經(jīng)X絡(luò)的訓(xùn)練效率,在輸入層利用式(5)對數(shù)據(jù)進(jìn)行歸一化處理,將其換算到[0,1]區(qū)間?！　?5)　　訓(xùn)練完成后,在輸出層利用式(6)對數(shù)據(jù)進(jìn)行反歸一化處理,將其換回?！　?6)　　其中,是歸一化后的數(shù)據(jù),是未歸一化的數(shù)據(jù),是數(shù)據(jù)的最小值,是數(shù)據(jù)的最大值。　　　　3算法實(shí)現(xiàn)　　筆者統(tǒng)計(jì)了一組貴州習(xí)水富邦煤礦開采中1514采面煤層瓦斯?jié)舛燃坝绊懸蛩貙?shí)測數(shù)據(jù),利用MATLAB神經(jīng)X絡(luò)工具箱提供的newff函數(shù)創(chuàng)建BP神經(jīng)X絡(luò)模型,用訓(xùn)練樣本對創(chuàng)建好的X絡(luò)模型進(jìn)行訓(xùn)練

5、,訓(xùn)練參數(shù)設(shè)定為:學(xué)習(xí)率0.05,最大訓(xùn)練次數(shù)10000,訓(xùn)練要求精度0.001?！　‘?dāng)X絡(luò)趨于穩(wěn)定時(shí),用5組非訓(xùn)練樣本數(shù)據(jù),對訓(xùn)練好的預(yù)測模型進(jìn)行檢驗(yàn),結(jié)果如表1所示。通過對表1實(shí)測值和預(yù)測值的綜合對比后發(fā)現(xiàn),BPX絡(luò)的預(yù)測值與實(shí)測值吻合較好,該預(yù)測模型可以用于預(yù)測煤礦瓦斯?jié)舛??！　　　?結(jié)語　　煤礦瓦斯?jié)舛仁嵌喾N影響因素綜合作用的結(jié)果,利用BP算法能很好地實(shí)現(xiàn)對非線性因素進(jìn)行映射逼近,比較真實(shí)地反映煤礦瓦斯?jié)舛扰c各種因素之間復(fù)雜的非線性關(guān)系?！　∷惴ǖ膶?shí)現(xiàn)以大量樣本數(shù)據(jù)為基礎(chǔ),對中小規(guī)模的煤礦來說,由于生產(chǎn)設(shè)備、技術(shù)工藝等有較大的限制,各影響因素的數(shù)據(jù)統(tǒng)計(jì)工作并不到位,會(huì)導(dǎo)致模型所需要

6、的樣本數(shù)據(jù)不足或代表性較差,無法實(shí)現(xiàn)預(yù)測目的。