基于遗传神经网络的煤矿安全评价方法研究.pdf

《基于遗传神经网络的煤矿安全评价方法研究.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、2011年第6期能源技术与管理91doi：10．39696．issn．1672-9943．2011．06038：雉，，：，．：：：嚣安生产与检测评；价蕞0鹜噩00：!0：0薯基于遗传神经网络的煤矿安全评价方法研究何荣军，张丽(重庆工程职业技术学院，重庆400037)[摘要]煤矿安全评价是预防和控制煤矿灾害事故的重要内容，将遗传神经网络应用在煤矿安全评价中，并建立了煤矿安全评价的隐式模型。经实践证明，该模型具有神经网络广泛映射能力和遗传算法全局随机搜索的性能，预测能力强，能为煤矿有关部门提供更为科学安全管理的依据。[关键词]煤矿安全评价；遗

2、传算法；神经网络[中图分类号][文献标识码]B[文章编号]1672_9943(2011)O60913过程而建立起来的一种搜索算法[33，最初由美国0引言Michigan大学J．Holland教授于1975年首先提出煤矿生产系统是一个极其复杂的系统[1]，瓦斯、来的。该算法的主要手段为概率寻优，能自动获取水、火、煤尘、顶板以及机电运输事故等是矿井的和指导优化的搜索空间，不涉及复杂的数学相关主要灾害。煤矿安全评价是促进煤矿现场班组安知识，亦不关心问题本身的内在规律，可以处理任全生产的一种有效手段，也是消除设备安全隐患、意复杂的目标函数和约束条

3、件，在解决的问题无消灭各种违章、提高现场安全管理水平的有效方论是否为凸性的，理论上都能获得最优解，避免落式。常用的评价方法有安全检查表分析法、故障树入局部最小点。和事件树分析法、指数评价法和作业条件危险性评价法等，但是在实际应用过程中发现这些方法都缺乏自主学习的能力，而且很难摆脱评价过程中的随机性、主观上的不确定性以及认识上的模糊性，现场应用受到较大的限制。因此，选择更行之有效的评价方法对煤矿的安全生产管理起着至关重要的作用。提出了将遗传算法和神经网络结合起来，用遗传算法来训练神经网络的权系数，建立了基于遗传算法的神经网络煤矿安全评价模输

4、入层隐含层输出层型图11个3层BP神经网络1．3基于遗传算法的BP神经网络1神经网络与遗传算法由于BP神经网络自身的原因，收敛于局部1．1BP神经网络最小点是BP算法不可克服的缺点。遗传算法是BP模型即误差反向传播神经网络，是神经网一种通过模拟自然进化过程搜索最优解的方法。络模型中应用最广的一类。BP网络是典型的多实践证明，遗传算法是进行全局搜索的有效工具，层网络，其拓扑结构包括输人层、隐层和输出层，可进化神经网络的权值，避免BP算法的不足。基层与层之间采用全连接方式，1个3层BP网络结于遗传神经网络的权值进化具体步骤如下：构如图1所示。

5、实践应用表明，BP网络具有很强第一步，确定神经网络的权值编码方案及假的映射能力。BP算法的训练过程由信号的正向传定参数。将所构建神经网络的所有权值作为一组播与误差的反向传播两方面组成。染色体，依据权值的数目多少，将权值用相应维数1．2遗传算法的实数变量来表示。遗传算法直接采用实数编码，遗传算法是模拟达尔文生物界的遗传和进化它是连续参数优化问题直接的自然描述，不存在92何荣军，等基于遗传神经网络的煤矿安全评价方法研究2011年第6期编码、解码的过程，可以提高计算速度和精度，消根据需要自由设置，则用1个3层BP神经网络除了传统二进制编码过程带

6、来的负面影响。就可以一任意精度逼近任意复杂的连续函数。因第二步，进行初始化。随机产生初始种群尺=此，建立3层煤矿安全评价预测的BP神经网络⋯⋯，，，}，任一为一神经网络，由一模型。第一层为输入层，1O个神经元，为安全评价个权值向量组成。权值向量为m维实数向量，m指标，第二层为隐含层，第三层为输出层，5个神为所有连接权的个数。经元，为安全评价等级。第三步，根据一定的性能评价准则(MSE、学BP神经网络具有强大的非线性映射能力和习速度等)，计算神经网络适应度值。由随机产生泛化功能，可将BP神经网络应用于煤矿安全评的权值向量对应的神经网络，对给

7、定的输入、输出价之中[6]，但由于BP算法易陷入局部最小点和集计算出每个神经网络的全局误差，再利用适应收敛速度慢，为了解决该问题，将遗传算法结合度函数计算出相应的适应度值。误差越小的样本，BP神经网络，其建模思想为：先将收集的数据模适应度值越大，意味着该染色体越好。糊化，再作为BP神经网络的输入和输出，同时利第四步，神经网络的算子操作。根据适应度值用高搜索和全局搜索能力的遗传算法优化BP神大小，决定个体繁衍后代的几率，完成选种。根据经网络的权值，并进行训练，得到煤矿安全评价模一定的概率，对选种后群体施以遗传算子(选择、型。交叉、变异和保留

8、算子)得到新一代群体。2I2算法实现步骤第五步，神经网络的自适应控制。随着网络进(1)确定目标函数，采用最小二乘目标函数，化的进行，适应度值的差距越变越小，交叉算子的即：作用减少，变异算子的作