基于神經(jīng)網(wǎng)絡(luò)的采空區(qū)自燃發(fā)火預(yù)測(cè)研究

《基于神經(jīng)網(wǎng)絡(luò)的采空區(qū)自燃發(fā)火預(yù)測(cè)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。

1、http://www.paper.edu.cn基于神經(jīng)網(wǎng)絡(luò)的采空區(qū)自燃發(fā)火預(yù)測(cè)研究張大明遼寧工程技術(shù)大學(xué)，遼寧阜新，（123000）E-mail:zdm0418@163.com摘要：利用采空區(qū)已有的自然發(fā)火預(yù)測(cè)指標(biāo)建立BP神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測(cè)模型，對(duì)未來(lái)該采空區(qū)有無(wú)發(fā)火危險(xiǎn)進(jìn)行了預(yù)測(cè)，確定了未來(lái)采空區(qū)發(fā)火可能性大小，為采空區(qū)做好防火工作提供了理論依據(jù)。關(guān)鍵字：自然發(fā)火；神經(jīng)網(wǎng)絡(luò)；預(yù)測(cè)模型中國(guó)分類號(hào)：TD7521.引言[1]我國(guó)煤炭自燃現(xiàn)象十分嚴(yán)重，我國(guó)每年因?yàn)樽匀级斐傻臍毫窟_(dá)到數(shù)億噸。煤礦井下絕大多數(shù)的自燃發(fā)火都是發(fā)生在回采工作面的采空區(qū)內(nèi)或相鄰的老空區(qū)內(nèi)，由于火源位置無(wú)

2、法接近，往往無(wú)法確定火源的實(shí)際位置，正是由于采空區(qū)火源點(diǎn)的無(wú)法接近性和隱蔽性，防火工作往往帶來(lái)了很大的盲目性，一些有效的防滅火措施不能夠發(fā)揮應(yīng)有的作用。所以，煤炭自燃的早期預(yù)測(cè)預(yù)報(bào)技術(shù)對(duì)于礦井的安全生產(chǎn)是十分重要的。2.采空區(qū)煤炭自燃危險(xiǎn)性預(yù)測(cè)由于煤炭自燃現(xiàn)象本質(zhì)上是一種非線性系統(tǒng)，只有從非線性科學(xué)角度進(jìn)行認(rèn)識(shí)，才能更深刻地認(rèn)識(shí)煤炭自燃的規(guī)律?；谏窠?jīng)網(wǎng)絡(luò)的采空區(qū)自燃預(yù)測(cè)問(wèn)題大體上可以分為兩類:(l)利用己知數(shù)據(jù)，建立各參數(shù)之間的非線性關(guān)系;(2)利用前一時(shí)期數(shù)據(jù)來(lái)預(yù)測(cè)后一階段的狀況。前一類的問(wèn)題例如定性的用神經(jīng)網(wǎng)絡(luò)來(lái)預(yù)測(cè)煤層、采空區(qū)的自燃危險(xiǎn)性大小，利用收集到的開采煤層的各種

3、參數(shù)，定性的判斷其自燃的危險(xiǎn)程度;而后者例如本文要研究的煤炭自燃的時(shí)間預(yù)測(cè)問(wèn)題。這兩類問(wèn)題用神經(jīng)網(wǎng)絡(luò)都可以較好的加以解決。因此，本文針對(duì)采空區(qū)自然發(fā)火的預(yù)測(cè)問(wèn)題，選擇模型中的某些指標(biāo)，利用BP神經(jīng)網(wǎng)絡(luò)建立時(shí)間序列預(yù)測(cè)模型，對(duì)采空區(qū)煤炭自燃發(fā)火可能進(jìn)行預(yù)測(cè)。3.神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的構(gòu)建3.1基本理論模型對(duì)于時(shí)間序列的BP神經(jīng)網(wǎng)絡(luò)來(lái)說(shuō)，時(shí)間序列的變量只有一個(gè)，所以輸出層節(jié)點(diǎn)為一個(gè)，輸入層的神經(jīng)元節(jié)點(diǎn)數(shù)由AR(P)辨識(shí)的P決定，而隱層節(jié)點(diǎn)數(shù)的確定是成敗的關(guān)鍵，實(shí)際中常選擇試算法來(lái)確定。一般原則是:在能正確反映輸入輸出關(guān)系的基礎(chǔ)上，應(yīng)選用較少的隱層節(jié)點(diǎn)數(shù)，以使網(wǎng)絡(luò)結(jié)構(gòu)盡量簡(jiǎn)單?？刹捎镁W(wǎng)絡(luò)

4、結(jié)構(gòu)增長(zhǎng)型方法進(jìn)行試算，即先設(shè)置較少的節(jié)點(diǎn)數(shù)，對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并測(cè)試學(xué)習(xí)誤差，然后逐漸增加節(jié)點(diǎn)數(shù)。如果預(yù)測(cè)單個(gè)時(shí)間序列的未來(lái)的一個(gè)點(diǎn)，網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。用一個(gè)時(shí)間序列中相鄰點(diǎn)來(lái)預(yù)測(cè)下一個(gè)時(shí)間點(diǎn)，在[2]一個(gè)時(shí)間序列中，相鄰的點(diǎn)都可以作為網(wǎng)絡(luò)的訓(xùn)練樣本。-1-http://www.paper.edu.cn輸入層隱輸出含層訓(xùn)練預(yù)測(cè)值圖1神經(jīng)網(wǎng)絡(luò)時(shí)間序列預(yù)測(cè)基本模型時(shí)間序列是在相等間隔內(nèi)的一系列實(shí)測(cè)值，且這些實(shí)測(cè)值的測(cè)量必須有相同的時(shí)間間隔。3.2神經(jīng)網(wǎng)絡(luò)模型的實(shí)現(xiàn)步驟應(yīng)用前饋誤差反傳網(wǎng)絡(luò)(BackPropagation，BP)建立預(yù)測(cè)模型。反向傳播網(wǎng)絡(luò)依照Adaline網(wǎng)絡(luò)所采用

5、的最小誤差學(xué)習(xí)方法，應(yīng)用修正的Delta學(xué)習(xí)規(guī)則，對(duì)任何在閉區(qū)間內(nèi)的連續(xù)函數(shù)，都可以用一個(gè)隱層的BP網(wǎng)絡(luò)來(lái)逼近，因而一個(gè)三層的BP網(wǎng)絡(luò)可以完成任意的n維到m維的映射。[3]在訓(xùn)練過(guò)程中，后傳播的網(wǎng)絡(luò)采用以下的訓(xùn)練方法和步驟：1)將輸入數(shù)據(jù)輸入網(wǎng)絡(luò)輸入層。輸入層單元接收到輸入信號(hào)，計(jì)算權(quán)重和，根據(jù)單元的傳遞函數(shù)將輸入信號(hào)傳送給隱含層；隱含層將輸出信號(hào)送給輸出層，數(shù)學(xué)描述如式(1)、(2)。Net?inputj=ij=∑Wjtoi(1)1Net?output=o=f(i)(2)jjj1+exp(?i)j式中：f(i)為傳遞函數(shù)，為S型(Sigmoidfunction)函數(shù)。j2)網(wǎng)

6、絡(luò)的實(shí)際輸出與應(yīng)有的輸出進(jìn)行比較。如果誤差超過(guò)給定值，則將誤差反向傳播，即從輸出層到輸入層。在誤差反傳的過(guò)程中，相應(yīng)地修改單元之間的連接權(quán)重。權(quán)重改變量為：ΔW=βEf(I)(3)ij式中：E為單元的誤差；β為學(xué)習(xí)速率；f(I)為此單元的輸入。輸出層單元誤差返回到隱含層單元，要考慮第(1)步計(jì)算時(shí)采用的權(quán)重。每個(gè)隱含層單元的凈誤差為從每個(gè)輸出層單元得到的誤差的權(quán)重和，用(4)、(5)計(jì)算：outputE=t?o(4)jjjmiddlemiddledf(Ii)outputEi=∑WijEj(5)dI式中：上標(biāo)output為輸出單元；middle為隱含單元；t為輸出層j單元實(shí)際輸出

7、值；o為jj輸出層j單元應(yīng)用的輸出；單元j為輸出層任一單元；i為隱含層任一單元；W為從隱含ij層i單元到輸出層j單元間的連接權(quán)重。3)網(wǎng)絡(luò)修正。為了減少網(wǎng)絡(luò)訓(xùn)練時(shí)間，在廣義的Delta規(guī)則中加入一動(dòng)量值，可以使網(wǎng)絡(luò)在訓(xùn)練時(shí)擺脫停留在局部誤差最小值，而不繼續(xù)下降的情況。權(quán)重的增量修正為：-2-http://www.paper.edu.cnΔW(t+1)=βEX+αΔW(t)(6)ijiij式中：β為學(xué)習(xí)速率；E為此單元的誤差；X為沿此權(quán)重連接傳來(lái)的輸入值；α為動(dòng)量系i數(shù)，其值在0～1之間。3.