基于lm神經(jīng)網(wǎng)絡(luò)瓦斯災(zāi)害預(yù)測(cè)模型的應(yīng)用研究

《基于lm神經(jīng)網(wǎng)絡(luò)瓦斯災(zāi)害預(yù)測(cè)模型的應(yīng)用研究》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、AdvancesinGeosciences地球科學(xué)前沿,2012,2,87-92doi:10.4236/ag.2012.22012PublishedOnlineJune2012(http://www.hanspub.org/journal/ag)AppliedResearchonthePredictionModelofCoalmineGas*DisasterBasedontheLMNeuralNetworkHongleiDai,MaoyiTian,LinLiu,LitaoHanCollegeofGeomatics,ShandongUniversityofScienceandTechn

2、ology,QingdaoEmail:Honglei_Dai@yahoo.cnReceived:Feb.28th,2012;revised:Mar.19th,2012;accepted:Mar.24th,2012Abstract:CurrentlytheforecastingofgasoutburstandexplosionisoneoftheissuestobesolvedinChina’scoalminesafetyproduction.BasedontheLMoptimizationalgorithmofBPneuralnetwork,thispaperdiscussedthe

3、mathe-maticalmodel,networkarchitectureandprogrammingdesignofestablishingtheneuralnetworkpredictionmodelongasdisasterwithkeepingtherelationshipamongthespatialentitiesandtheirdistributions,andtestedaninstanceofJiningNo.2coalmine.Theresultshowsthatthismodelisstable,fastandhighpredictionaccurateand

4、itcansimulatetheminegasdisastertogethigheraccuratepredictions.Keywords:GasDisaster;SpatialCorrelation;SpatialDistribution;NeuralNetwork;LMAlgorithm*基于LM神經(jīng)網(wǎng)絡(luò)瓦斯災(zāi)害預(yù)測(cè)模型的應(yīng)用研究戴洪磊，田茂義，柳林，韓李濤山東科技大學(xué)測(cè)繪學(xué)院，青島Email:Honglei_Dai@yahoo.cn收稿日期：2012年2月28日；修回日期：2012年3月19日；錄用日期：2012年3月24日摘要：礦山瓦斯突出與爆炸事故的預(yù)測(cè)預(yù)報(bào)是當(dāng)前我國(guó)煤礦

5、安全生產(chǎn)中急待解決的問題之一。本文引入BP神經(jīng)網(wǎng)絡(luò)的LM優(yōu)化算法，在保留空間實(shí)體相關(guān)和多種分布并存的前提下，討論了建立LMBP神經(jīng)網(wǎng)絡(luò)瓦斯災(zāi)害預(yù)測(cè)預(yù)報(bào)模型的數(shù)學(xué)模型設(shè)計(jì)、網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)和程序設(shè)計(jì)三個(gè)部分，并以兗礦集團(tuán)濟(jì)寧二號(hào)井為實(shí)例進(jìn)行了測(cè)試。實(shí)驗(yàn)結(jié)果表明：該模型穩(wěn)定、快速、預(yù)測(cè)精度高，能夠較好地模擬礦山瓦斯突出與爆炸事故特征，對(duì)瓦斯災(zāi)害作出較準(zhǔn)確的預(yù)測(cè)。關(guān)鍵詞：瓦斯災(zāi)害；空間相關(guān)；空間分布；BP神經(jīng)網(wǎng)絡(luò)；LM優(yōu)化算法1.引言[4]年采用AE信號(hào)參數(shù)對(duì)瓦斯突出危險(xiǎn)性進(jìn)行了研究；中國(guó)礦業(yè)大學(xué)的李成武在2005年展開了瓦斯突出危礦井瓦斯突出與爆炸是煤礦災(zāi)害中最常見的突[5]險(xiǎn)程度的預(yù)測(cè)研究

6、，2010年王海鋒等研究了開采工發(fā)性強(qiáng)、規(guī)模大，后果嚴(yán)重、經(jīng)濟(jì)損失最大的礦山災(zāi)[6]作面瓦斯涌出及瓦斯抽采參數(shù)優(yōu)化工作，2007年中[1]害之一，其后果是直接威脅到礦工的生命安全、家南大學(xué)的傅鶴林探討了隧道施工中的瓦斯預(yù)測(cè)預(yù)報(bào)[2,3]庭幸福和礦山本身的生產(chǎn)效益。隨著近年來(lái)瓦斯災(zāi)[7]技術(shù)。這些研究均從不同的方面對(duì)礦井瓦斯災(zāi)害預(yù)害事故的頻繁發(fā)生，國(guó)內(nèi)許多學(xué)者展開了礦山瓦斯災(zāi)測(cè)預(yù)報(bào)進(jìn)行了深入的分析和研究，并在相應(yīng)的礦井取害預(yù)測(cè)預(yù)報(bào)的研究。比如煤炭科學(xué)院的吳自立于2005得了實(shí)際的應(yīng)用效果。*資助信息：山東省“泰山學(xué)者”建設(shè)工程專項(xiàng)經(jīng)費(fèi)資助。近30多年來(lái)，隨著礦山瓦斯監(jiān)測(cè)技術(shù)的發(fā)展和普C

7、opyright?2012Hanspub87基于LM神經(jīng)網(wǎng)絡(luò)瓦斯災(zāi)害預(yù)測(cè)模型的應(yīng)用研究及，我國(guó)許多瓦斯礦區(qū)收集了大量的礦山井下巷道和采區(qū)、路軌、支護(hù)體、采區(qū)間預(yù)留煤柱、頂?shù)装?、管開采工作面的瓦斯分布實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)。如何利用現(xiàn)代線、泵房和車場(chǎng)等)。由于所處地理位置和產(chǎn)生環(huán)境的的空間數(shù)據(jù)挖掘技術(shù)從這些瓦斯監(jiān)測(cè)數(shù)據(jù)中自動(dòng)、快不同，導(dǎo)致眾多的空間目標(biāo)可能來(lái)自眾多不同的空間速、準(zhǔn)確地提取與瓦斯災(zāi)害事故發(fā)生相關(guān)的空間信息，分布模式。其次是單一礦井內(nèi)部常根據(jù)煤層賦存條件揭