基于BP神經(jīng)網(wǎng)絡(luò)的煤礦瓦斯?jié)舛阮A(yù)測模型構(gòu)建及仿真.pdf

《基于BP神經(jīng)網(wǎng)絡(luò)的煤礦瓦斯?jié)舛阮A(yù)測模型構(gòu)建及仿真.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、2010年8月礦業(yè)安全與環(huán)保第37卷第4期基于BP神經(jīng)網(wǎng)絡(luò)的煤礦瓦斯?jié)舛阮A(yù)測模型構(gòu)建及仿真姜雷(重慶工程職業(yè)技術(shù)學(xué)院，重慶400037)摘要：在分析影響煤礦瓦斯?jié)舛鹊母鞣N因素具有非線性特征的基礎(chǔ)之上，采用BP算法構(gòu)建煤礦瓦斯?jié)舛阮A(yù)測模型，實現(xiàn)對各種因素進行非線性映射，進而達(dá)到對煤礦瓦斯?jié)舛冗M行預(yù)測的目的。MATLAB仿真結(jié)果表明，該模型具有預(yù)測精度較高、預(yù)測速度快、預(yù)測效果好等優(yōu)點。關(guān)鍵詞：煤礦安全；瓦斯?jié)舛?；BP神經(jīng)網(wǎng)絡(luò)；預(yù)測；模型中圖分類號：TP389．1文獻標(biāo)志碼：A文章編號：1008—4495(2010)04—003

2、7—03煤礦瓦斯事故大多具有突發(fā)性和不確定性，現(xiàn)為廣泛的應(yīng)用j。為此，筆者采用BP算法建立預(yù)測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)模型，以達(dá)到在煤礦開采過程中對瓦斯?jié)舛冗M行預(yù)報的能力。如何根據(jù)各個影響因素預(yù)測計算煤層測的目的。瓦斯含量是一個非常復(fù)雜的問題，對該問題的研究1BP神經(jīng)網(wǎng)絡(luò)原理多采用定性的比較分析、綜合評價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，BP神經(jīng)網(wǎng)絡(luò)是基于誤差反向傳播神經(jīng)網(wǎng)絡(luò)但難以準(zhǔn)確地確定各影響因素對煤層瓦斯賦存規(guī)律(BackPropagationNeuralNetwork)的

3、簡稱，屬于多層的影響程度，預(yù)測誤差較大。前饋神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)模型一般由輸入層、隱含層、輸正常條件下，煤層埋藏越深，煤層中的瓦斯向地出層以及層問節(jié)點連接組成。各層節(jié)點僅與相鄰層表逸散就越困難，煤層在上覆壓力的作用下降低了節(jié)點之間有前向連接，各層內(nèi)節(jié)點之間無任何連接，透氣性，更加有利于瓦斯的聚積，煤層瓦斯涌出量基各層節(jié)點之間無反饋連接。其中，輸入層節(jié)點數(shù)對本上隨煤層埋藏深度的增加而增加。一般來說，同應(yīng)于BP網(wǎng)絡(luò)可感知的輸入個數(shù)，輸出層節(jié)點數(shù)與一煤層隨著厚度的增加，開采過程中瓦斯生成量大BP網(wǎng)絡(luò)的輸出個數(shù)相對應(yīng)，中間層節(jié)點的數(shù)目則根

4、且含量增加，煤層厚度與瓦斯含量呈正相關(guān)關(guān)系。據(jù)需要設(shè)置。煤層瓦斯含量是煤內(nèi)游離和吸附兩種狀態(tài)瓦斯量的BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程由信息的正向傳播和總和，煤層瓦斯含量越高，開采過程中瓦斯生成量越誤差的反向傳播兩個過程組成。通過周而復(fù)始的信大。煤礦日產(chǎn)量是影響瓦斯?jié)舛鹊囊粋€重要因素，息正向傳播和誤差反向傳播過程，調(diào)整各層權(quán)值，使煤層瓦斯涌出量隨著日產(chǎn)量的增加而增加。井下風(fēng)得網(wǎng)絡(luò)輸出的誤差減少到可以接受的程度，或者預(yù)速也是影響瓦斯?jié)舛鹊囊粋€重要因素，風(fēng)速越大，單先設(shè)定的學(xué)習(xí)次數(shù)。位時間內(nèi)從井下帶出的瓦斯越多。井下瓦斯?jié)舛韧艿揭陨?個

5、因素的綜合影2預(yù)測模型構(gòu)建響，各種因素波動較大，具有高度的非線性。而近年2．1BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來迅速發(fā)展起來的神經(jīng)網(wǎng)絡(luò)具有較高的非線性映射由于單隱含層的BP神經(jīng)網(wǎng)絡(luò)具有無限逼近非和并行處理能力，其中BP神經(jīng)網(wǎng)絡(luò)能夠逼近任意連線性連續(xù)函數(shù)關(guān)系的性質(zhì)，因此選擇單隱含層的BP續(xù)的非線性函數(shù)，可以處理系統(tǒng)內(nèi)在的難以解析的神經(jīng)網(wǎng)絡(luò)，即構(gòu)建三層前饋型BP神經(jīng)網(wǎng)絡(luò)。將煤層規(guī)律，在函數(shù)擬合、優(yōu)化計算和最優(yōu)預(yù)測等領(lǐng)域有較深度、煤層厚度、煤層瓦斯含量、日產(chǎn)量、風(fēng)速作為預(yù)收稿日期：2009—10—12；2010—03—30修訂測模型輸入層的5個節(jié)

6、點。輸出層為單個節(jié)點，對作者簡介：姜雷(1977一)，男，四川1名山人，碩士，講師，應(yīng)瓦斯?jié)舛?。而隱含層節(jié)點數(shù)的確定至今沒有通用主要從事系統(tǒng)集成、計算機應(yīng)用教育與研究工作。的理論指導(dǎo)，隱含層節(jié)點太少，網(wǎng)絡(luò)很難適應(yīng)，而太·37·2010年8月礦業(yè)安全與環(huán)保第37卷第4期多的話，又可能設(shè)計出超適應(yīng)的網(wǎng)絡(luò)，因此采用對于輸出層有：Kolrnogorov映射網(wǎng)絡(luò)存在定理來確定隱含層的節(jié)點0：g(net)，net=∑w~kyj，k=1，2，?，z(5)數(shù)，即：m=2n+1(1)式中：net為輸出層第個節(jié)點的輸入，0為輸出層第k個節(jié)點的實

7、際輸出。式中：n為輸入層節(jié)點數(shù)，m為隱含層節(jié)點數(shù)。2．3數(shù)據(jù)歸一化處理因此，確定隱含層包含11個節(jié)點。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。在使用Sigmoid函數(shù)作特性函數(shù)時，輸入數(shù)據(jù)絕對值相差較大會造成某些數(shù)值低的輸入被淹沒，擴大輸出誤差。為了提高神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效率，在輸入煤層深度層利用式(6)對數(shù)據(jù)進行歸一化處理，將其換算到煤層厚度瓦[0，1]區(qū)間；訓(xùn)練完成后，在輸出層利用式(7)對數(shù)煤層瓦斯含量斯?jié)鈸?jù)進行反歸一化處理，將其換回：度日產(chǎn)量：一—(、6v)，一風(fēng)速maxmin=面(m一mm)+mi(7)式中：是歸一化后的數(shù)據(jù)；是未

8、歸一化的數(shù)據(jù)；輸入層隱含層輸出層是數(shù)據(jù)的最小值；是數(shù)據(jù)的最大值。i圖1BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)2．4誤差處理與權(quán)值調(diào)整網(wǎng)絡(luò)實際輸出與期望輸出不相等時，會出現(xiàn)網(wǎng)設(shè)輸入層輸入向量為X=(。，，?，)。，輸入絡(luò)輸出誤差，這時就需要反向逐層傳遞誤差，并調(diào)整層到隱含層之間的權(quán)值矩陣為V=()i,~xm，為輸