基于BP神经网络模型的回采工作面瓦斯涌出量预测.pdf

《基于BP神经网络模型的回采工作面瓦斯涌出量预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、江西煤炭科技2014年第2期JIANGXICOALSCIENCE&TECHNOLOGYNO．22014基于BP神经网络模型的回采工作面瓦斯涌出量预测刘羿甫，王丰(贵州大学矿业学院，贵州贵阳550003)摘要：在对BP神经网络原理进行分析的基础上，采用MATLAB语言，利用样本进行网络训练后，设计出预测某煤矿回采工作面瓦斯涌出量的BP神经网络模型，然后对实际数据进行仿真模拟，得到了很好的预测结果。从预测结果可以看出，达到了工程实际能够接受的预测精度，说明该模型能够用于该煤矿回采工作面的瓦斯涌出量预测。关键词：瓦斯涌出量；回采工

2、作面；BP神经网络中图分类号：TD712．5文献标识码：B文章编号：1006—2572(2013)03—0001—03PredictionofGasEmissioninWorkingFaceBasedonBPNeuralNetworkModelLiuYipu，WangFeng(SchoolofMiningIndustry，GuizhouUniversity，Guiyang，Guizhou550003)Abstract：BasedontheanalysisofBPneuralnetworkprinciple，BPneuraln

3、etworkmodelwasdesignedtOpredictthegasemissioninworkingfacebyusingMATLABLanguage，whichobtainedgoodpredictionresult，achievedengineeringacceptablepredictionaccuracyandillustratedthatthemodelcouldbeusedtopredictthegasemis—sioninworkingface．Keyword：gasemission；workingfa

4、ce；BPneuralnetwork在煤矿的初步设计、建设施工、生产运行的过程中，瓦某煤矿回采工作面的瓦斯涌出量进行预测。斯都是影响其的主要因素。而且随着开采深度和强度的1BP神经网络基本原理增加，瓦斯的影响作用日益显著和强烈。因此，瓦斯涌出BP神经网络是现在应用比较普遍的模型之一，它是量预测结果的准确性，将会对煤矿的技术经济指标产生直通过误差逆传播算法进行训练的多层前馈网络，不需要预接影响。如果因预测涌出量比实际涌出量偏高，而在煤矿先描述数学方程的映射关系，就能学习和存储大量的输入建设时加大瓦斯治理的投资，将会造成不必要的

5、浪费；而一输出映射关系。其基本原理为：正向传播时输入信息从假若预测涌出量比实际涌出量偏低，则会导致煤矿投产后输入层通过隐含单元进行处理后传向输出，下层的神经元瓦斯灾害治理不到位，需进行通风系统优化或降低产量，状态只接受上层神经元的状态对其产生的影响；一旦输出造成重大的经济损失。。层没有得到预期的输出，则误差信号按原有的神经元通路目前国内外对于瓦斯涌出量预测方法有很多种，如灰反向进行，同时修改原有各层神经元的权值；经过反复的色预测、模糊综合评判、回归分析等。，每种方法都有其不更迭，直至将误差控制在可以接受的范围之内，使网络的同

6、的特点。而BP神经网络具有非线性映射程度高、自组误差平方和最小为止。。此时，该网络就可以应用于实际织结构、并行处理等特点，将瓦斯涌出量的影响因素作为预测工作中了。输入量，通过一定的连接方式，进行网络训练，最终实现瓦2回采工作面BP神经网络结构的确定斯涌出量预测。基于此方法具有计算机自动进行数据处理、准确度高等优点，因此根据BP神经网络基本原理，对2．1回采工作面BP神经网络层数·1。