基于模糊聚類分析和神經(jīng)網(wǎng)絡(luò)的導(dǎo)水裂隙帶高度研究.pdf

1、煤炭資源的開采和利用為我國經(jīng)濟(jì)發(fā)展做出了突出的貢獻(xiàn)，但與此同時(shí)也帶來一系列問題。目前環(huán)境問題日益嚴(yán)重，地表沉陷、地表水資源的循環(huán)、污染、浪費(fèi)等一系列環(huán)境問題亟需解決;眾所周知，煤炭開采是高危行業(yè)，其中礦井水害嚴(yán)重威脅著井下工人的生命安全;此外，由于過去對(duì)煤炭資源不合理的開采，導(dǎo)致煤炭資源大量浪費(fèi)，所以合理的確定開采上限，提高煤炭資源回收率勢(shì)在必行。針對(duì)上述問題，究其原因，發(fā)現(xiàn)導(dǎo)水裂隙帶高度（以下簡(jiǎn)稱“導(dǎo)高”）與之密切相關(guān)，導(dǎo)高值的確定對(duì)

2、于解決上述問題意義重大。然而，導(dǎo)高影響因素眾多，目前確定其值大多依據(jù)經(jīng)驗(yàn)公式，但誤差往往較大，直接研究其發(fā)育情況又存在眾多困難。基于此，本文提出通過已采工作面導(dǎo)高值來研究待采工作面導(dǎo)高發(fā)育情況。
　　人工神經(jīng)網(wǎng)絡(luò)模型被廣泛的應(yīng)用于預(yù)測(cè)類問題中，但由于收集的樣本數(shù)據(jù)中往往存在冗余樣本，所以直接運(yùn)用人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)導(dǎo)高值其誤差往往偏大。因此，本文建立模糊聚類分析法和人工神經(jīng)網(wǎng)絡(luò)的組合模型，預(yù)測(cè)待采工作面導(dǎo)高值。一方面提高了人工神經(jīng)

3、網(wǎng)絡(luò)模型中訓(xùn)練樣本的質(zhì)量，另一方面可以根據(jù)各聚類類別的特點(diǎn)，建立相應(yīng)的雙精度人工神經(jīng)網(wǎng)絡(luò)組合模型。所以，通過組合模型所得導(dǎo)高預(yù)測(cè)值更客觀、真實(shí)。
　　本文首先運(yùn)用模糊聚類分析算法得到57例已采工作面的聚類類別，再根據(jù)顧北礦3例待采工作面（預(yù)測(cè)樣本）與各聚類類別之間的隸屬度確定其所屬類別，從而踢除掉預(yù)測(cè)樣本聚類類別中的冗余樣本;然后根據(jù)各預(yù)測(cè)樣本所屬類別的特點(diǎn)，建立相應(yīng)的雙精度人工神經(jīng)網(wǎng)絡(luò)組合模型;最后將聚類類別數(shù)據(jù)導(dǎo)入各自的人工神