基于GA-RBF算法的采煤工作面瓦斯涌出量預(yù)測研究.pdf

1、我國煤炭產(chǎn)量居世界首位，煤礦安全事故也頻頻發(fā)生，傷亡人數(shù)僅排在因交通事故傷亡之后。隨著開采深度地不斷加深，生產(chǎn)能力地提高，地質(zhì)條件也更加復(fù)雜化，煤礦安全工作面臨著巨大的挑戰(zhàn)。瓦斯事故又是煤礦生產(chǎn)過程中的主要不安全因素，如何能準(zhǔn)確快速地預(yù)測出瓦斯涌出量，對于瓦斯防治措施的制定有著積極意義。
　　本文從開采因素和自然因素兩個方面分別分析煤層的瓦斯含量、埋深、瓦斯壓力、大氣壓力、風(fēng)量、產(chǎn)能等方面對瓦斯涌出量的影響，指出傳統(tǒng)預(yù)測瓦斯涌出量

2、方法的局限性，不能將瓦斯涌出量與各個影響因素之間復(fù)雜的非線性關(guān)系清楚地表述。RBF神經(jīng)網(wǎng)絡(luò)自身的容錯性和自適應(yīng)性以及較強的非線性函數(shù)逼近能力，則能很好地克服這些缺點。
　　RBF神經(jīng)網(wǎng)絡(luò)具有搜索全局最優(yōu)解和最佳逼近能力，其拓?fù)浣Y(jié)構(gòu)、隱節(jié)點數(shù)目、中心位置、寬度和權(quán)值是決定整個網(wǎng)絡(luò)性能的關(guān)鍵因素。遺傳算法作為一種全局優(yōu)化算法，具有強魯棒性，適用于解決訓(xùn)練速度慢、易陷入局部極小值等缺點的網(wǎng)絡(luò)結(jié)構(gòu)，自適應(yīng)調(diào)整交叉概率和變異概率，能夠避免重