本文關(guān)鍵詞：基于優(yōu)化的神經(jīng)網(wǎng)絡(luò)模型在礦井瓦斯涌出預(yù)測中的應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：瓦斯是煤炭在開采過程中的伴生產(chǎn)物。煤層瓦斯的生成導(dǎo)致的結(jié)果是長期均勻的從煤體中涌出或者突然的大量涌出,能夠引起燃燒和爆炸,而大量積聚時又會使人窒息甚至死亡。近年來瓦斯事故是煤礦安全生產(chǎn)最重要的災(zāi)害之一,事故發(fā)生特點具有突發(fā)性強、危害性大,一旦事故發(fā)生,造成的后果不僅僅是巨大的經(jīng)濟損失,而且造成礦工的身體傷害,更為嚴重的是礦毀人亡,最終后果是煤礦企業(yè)形象遭受影響、礦工無價生命的中斷以及國家煤炭資源的浪費。因此,做好煤礦瓦斯涌出工作、控制煤礦瓦斯事故的發(fā)生是煤礦安全生產(chǎn)的當務(wù)之急,也是煤炭工業(yè)全面、協(xié)調(diào)、可持續(xù)的基礎(chǔ)。 本文統(tǒng)計了近十年煤礦瓦斯事故發(fā)生的情況,分析了瓦斯涌出量的影響因素以及涌出發(fā)生的機理,瓦斯涌出常用預(yù)測方法即神經(jīng)網(wǎng)絡(luò)預(yù)測法在其預(yù)測中的基本思路,指出了神經(jīng)網(wǎng)絡(luò)模型在預(yù)測中存在的不足即傳統(tǒng)網(wǎng)絡(luò)模型收斂速度慢,易陷入局部極小以及泛化能力較弱。為了更科學(xué)合理的解決瓦斯涌出預(yù)測中的問題,在深入學(xué)習了灰色理論及其BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)的基本工作原理及建模思路的基礎(chǔ)之上,分析了這兩種神經(jīng)網(wǎng)絡(luò)模型在預(yù)測中存在的優(yōu)缺點,采用分辨系數(shù)改進的灰色關(guān)聯(lián)分析算法對兩種網(wǎng)絡(luò)進行優(yōu)化。通過更精確的灰色模型對兩種神經(jīng)網(wǎng)絡(luò)的優(yōu)化,在MATLAB仿真實驗平臺下運行,建立了瓦斯涌出預(yù)測模型,將其運用到實際煤礦預(yù)測中。本課題選取山西焦煤東曲礦作為實驗對象,將利用分辨系數(shù)改進的灰色關(guān)聯(lián)分析得出影響瓦斯涌出主控因素中影響較大的因素,即開采強度、煤層厚度、原始瓦斯含量、煤層埋藏深度做為預(yù)測模型的輸入,根據(jù)各因素關(guān)聯(lián)度的比重作為其輸入權(quán)重,通過兩種模型得出的結(jié)果證明優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)模型比優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型更加可靠,預(yù)測效果更好。煤礦在保證安全以及達到預(yù)測精度要求的前提之下,運用優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)模型的預(yù)測可以做的科學(xué)合理的預(yù)測。 由于每個礦井條件如地質(zhì)構(gòu)造、瓦斯賦存情況、煤層開采方式以及礦井通風系統(tǒng)格局等因素的不同,各個因素又與瓦斯涌出之間存在著復(fù)雜的關(guān)系。而本文所介紹的瓦斯涌出預(yù)測研究方法,使得礦井瓦斯涌出預(yù)測技術(shù)更成熟,在實際的礦井安全生產(chǎn)中提供了可借鑒的方法。
【關(guān)鍵詞】：礦井瓦斯涌出 BP神經(jīng)網(wǎng)絡(luò) RBF神經(jīng)網(wǎng)絡(luò) 灰色模型 分辨系數(shù)
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TD712.5
【目錄】：

• 摘要3-5
• ABSTRACT5-10
• 第一章 概述10-18
• 1.1 課題研究背景10-11
• 1.2 課題研究現(xiàn)狀11-15
• 1.2.1 瓦斯涌出量預(yù)測研究現(xiàn)狀11-13
• 1.2.2 神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀13-15
• 1.3 課題研究技術(shù)路線及意義15-18
• 1.3.1 技術(shù)路線15-16
• 1.3.2 研究意義16-18
• 第二章 瓦斯涌出量相關(guān)基本理論18-32
• 2.1 瓦斯的生成及其賦存18-20
• 2.1.1 瓦斯的概念18
• 2.1.2 煤層瓦斯的生成18-19
• 2.1.3 瓦斯的賦存形式19-20
• 2.2 瓦斯的流動理論20-24
• 2.2.1 瓦斯流動的基本理論20-22
• 2.2.2 瓦斯在煤層中的運移22-24
• 2.3 瓦斯涌出量的主要影響因素24-27
• 2.3.1 地質(zhì)因素25
• 2.3.2 自然因素25-26
• 2.3.3 開采因素26-27
• 2.4 礦井瓦斯涌出量預(yù)測——分源預(yù)測法27-31
• 2.4.1 回采工作面瓦斯涌出量預(yù)測27-29
• 2.4.2 掘進工作面瓦斯涌出量預(yù)測29-30
• 2.4.3 生產(chǎn)采區(qū)瓦斯涌出量預(yù)測30-31
• 2.4.4 礦井瓦斯涌出量預(yù)測31
• 2.5 本章小結(jié)31-32
• 第三章 瓦斯涌出量預(yù)測參數(shù)的確定32-40
• 3.1 灰色預(yù)測理論概述32-33
• 3.2 GM(1,1)預(yù)測模型的構(gòu)建33-35
• 3.3 灰色關(guān)聯(lián)分析理論35-38
• 3.3.1 灰色關(guān)聯(lián)分析理論概述35
• 3.3.2 灰色關(guān)聯(lián)分析主要步驟35-36
• 3.3.3 分辨系數(shù)ρ的改進36-38
• 3.4 基于改進的分辨系數(shù)的灰色關(guān)聯(lián)分析在東曲礦中的應(yīng)用38-39
• 3.5 本章小結(jié)39-40
• 第四章 瓦斯涌出量預(yù)測模型的構(gòu)建40-58
• 4.1 人工神經(jīng)元簡介40-42
• 4.1.1 人工神經(jīng)元數(shù)學(xué)模型40
• 4.1.2 人工神經(jīng)網(wǎng)絡(luò)構(gòu)成要素40-42
• 4.1.3 人工神經(jīng)元功能函數(shù)42
• 4.2 BP神經(jīng)網(wǎng)絡(luò)及其模型42-49
• 4.2.1 BP神經(jīng)網(wǎng)絡(luò)基本簡介42-44
• 4.2.2 BP神經(jīng)網(wǎng)絡(luò)的工作原理44-46
• 4.2.3 BP神經(jīng)網(wǎng)絡(luò)灰色模型的建立及其學(xué)習過程46-49
• 4.3 RBF神經(jīng)網(wǎng)絡(luò)及其模型49-57
• 4.3.1 RBF神經(jīng)網(wǎng)絡(luò)工作原理49-52
• 4.3.2 RBF神經(jīng)網(wǎng)絡(luò)模型的改進52-55
• 4.3.3 RBF神經(jīng)網(wǎng)絡(luò)灰色模型的建立及其學(xué)習過程55-57
• 4.4 BP網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)預(yù)測模型的比較57
• 4.5 本章小結(jié)57-58
• 第五章 東曲礦瓦斯涌出量預(yù)測模型的仿真58-70
• 5.1 東曲礦概況58-61
• 5.1.1 地理位置58
• 5.1.2 煤層賦存及其地質(zhì)構(gòu)造58-59
• 5.1.3 礦井的通風情況59-60
• 5.1.4 礦井瓦斯情況60-61
• 5.2 仿真實驗平臺——MATLAB簡介61-63
• 5.3 仿真實驗的過程及結(jié)果分析63-68
• 5.3.1 實驗數(shù)據(jù)的選擇與處理63-65
• 5.3.2 預(yù)測模型的建立65-68
• 5.4 本章小結(jié)68-70
• 第六章 小結(jié)與展望70-72
• 6.1 小結(jié)70-71
• 6.2 展望71-72
• 參考文獻72-76
• 致謝76-78
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文78

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 劉超儒,馬云東;礦井延深瓦斯涌出量的灰色預(yù)測[J];礦業(yè)安全與環(huán)保;2005年03期

2 秦勇;陳立潮;郭勇義;賀振武;;遺傳優(yōu)化的GNNM在瓦斯涌出量預(yù)測中的應(yīng)用[J];計算機仿真;2012年01期

3 何希霖;高明濤;劉燦振;朱煥然;;趙官煤礦瓦斯涌出量的預(yù)測技術(shù)研究[J];金屬礦山;2009年S1期

4 魏春榮;李艷霞;孫建華;米紅偉;李s，

本文編號：279639