基于PSO-BP神經(jīng)網(wǎng)絡(luò)的淺埋煤層工作面頂板礦壓預(yù)測研究.pdf

1、淺埋煤層工作面頂板來壓猛烈，支架動載明顯，易造成支架損壞。目前多數(shù)煤礦的礦壓預(yù)報還依賴于專家經(jīng)驗和工程類比，依靠經(jīng)驗來指導(dǎo)生產(chǎn)存在一定的局限性和盲目性。人工神經(jīng)網(wǎng)絡(luò)預(yù)測技術(shù)已廣泛應(yīng)用于煤礦，采用這一新方法可以對工作面頂板礦壓顯現(xiàn)進(jìn)行預(yù)報，對煤礦安全生產(chǎn)具有重要意義。
　　 通過對淺埋煤層頂板礦壓機理進(jìn)行總結(jié)研究，分析并得出淺埋煤層工作面礦壓的影響因素：推進(jìn)距離、采高、基載比、基巖厚度等。對現(xiàn)有的BP神經(jīng)網(wǎng)絡(luò)(Back Propa

2、gati on Neural Network)和粒子群優(yōu)化算法(Paticle Swarm Optimizati on)理論進(jìn)行總結(jié)和改進(jìn)，將改進(jìn)后的PSO算法訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，建立PSO-BP神經(jīng)網(wǎng)絡(luò)模型。該模型能夠表達(dá)工作面頂板礦壓與影響因素之間的相互關(guān)系，進(jìn)而預(yù)測頂板礦壓。
　　 以神東哈拉溝煤礦02212綜采工作面為工程背景，進(jìn)行基于PSO-BP神經(jīng)網(wǎng)絡(luò)模型的礦壓預(yù)測實踐研究。通過工作面液壓支架的工作阻力進(jìn)行觀測，分析觀

3、測數(shù)據(jù)，得出該工作面的礦壓顯現(xiàn)規(guī)律并確定影響因素。運用非線性回歸分析，計算這些影響因素的相關(guān)系數(shù)，選取敏感因素作為輸入?yún)?shù)，導(dǎo)入PSO-BP神經(jīng)網(wǎng)絡(luò)模型，得出該工作面頂板礦壓與影響因素的相互關(guān)系的表達(dá)式。
　　 依據(jù)現(xiàn)場支架載荷數(shù)據(jù)與推導(dǎo)的關(guān)系表達(dá)式，運用Matlab的軟件編程與計算，對工作面10個工作循環(huán)的支架載荷數(shù)據(jù)進(jìn)行預(yù)測，實現(xiàn)了PSO-BP神經(jīng)網(wǎng)絡(luò)工作面頂板礦壓仿真計算。將預(yù)測值與實測值進(jìn)行誤差分析，并同單一的BP模型進(jìn)