基于GA-BP算法的下石節(jié)煤礦215綜采面瓦斯涌出量預(yù)測(cè).pdf

1、瓦斯是危害礦井安全生產(chǎn)的重要因素之一。長(zhǎng)期的生產(chǎn)實(shí)踐證明，瓦斯預(yù)測(cè)是瓦斯防治不可缺少的重要技術(shù)環(huán)節(jié)。由于綜合機(jī)械化采煤強(qiáng)度大、速度快，現(xiàn)有的瓦斯涌出量預(yù)測(cè)方法不能滿足綜采工作面瓦斯防治、通風(fēng)預(yù)測(cè)精度的要求，需要根據(jù)采面的情況，建立適合的瓦斯涌出量預(yù)測(cè)模型?；谏鲜鲈?，本課題選擇非線性特性的神經(jīng)網(wǎng)絡(luò)和改進(jìn)的遺傳算法對(duì)下石節(jié)煤礦215綜采面瓦斯涌出量預(yù)測(cè)模型的建立以及提高精度的方法進(jìn)行研究。 首先對(duì)綜采面瓦斯涌出量的機(jī)理進(jìn)行研究，

2、分析215綜采面瓦斯涌出量的相關(guān)因素及其影響，確定神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上建立瓦斯預(yù)測(cè)模型的可行性。 針對(duì)遺傳算法與神經(jīng)網(wǎng)絡(luò)優(yōu)缺點(diǎn)互補(bǔ)的特點(diǎn)，本文提出混合遺傳神經(jīng)算法(GeneticAlgofithms-Back Propagation，簡(jiǎn)稱GA-BP算法)，在Matlab7語(yǔ)言環(huán)境下，采用實(shí)數(shù)編碼方案優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)閾值，然后應(yīng)用LM算法對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練、學(xué)習(xí)至收斂，搜索出最優(yōu)解或者近似最優(yōu)解。 對(duì)建立的瓦斯涌出量預(yù)測(cè)常

3、用兩類模型，分別通過(guò)相關(guān)性的分析和AIC準(zhǔn)則，確定模型的輸入量，并通過(guò)3種BP算法(標(biāo)準(zhǔn)BP、BPX、LMBP)在兩類模型中的應(yīng)用，進(jìn)行性能對(duì)比分析，選定215綜采面瓦斯涌出量預(yù)測(cè)的模型。 將GA-BP算法運(yùn)用到215綜采面瓦斯涌出量的模型中，對(duì)算法進(jìn)行初始參數(shù)的設(shè)定、調(diào)試并對(duì)網(wǎng)絡(luò)的性能進(jìn)行分析，最后進(jìn)行預(yù)測(cè)并對(duì)結(jié)果分析。結(jié)果表明GA-BP算法對(duì)其他3種算法的不足都有改善，網(wǎng)絡(luò)收斂且運(yùn)行穩(wěn)定，有效的提高了預(yù)測(cè)的精度，可以較好的應(yīng)