遗传算法与神经网络相结合在煤与瓦斯突出危险预测中的应用研究

论文摘要

我国是以煤炭为主要能源的国家,目前以及未来的几十年内煤炭在我国的一次能源结构中将仍占很大比例。然而煤与瓦斯突出作为一种煤矿安全生产的自然灾害之一,严重威胁着矿工的生命安全,制约着煤炭工业的发展和经济效益的提高。鉴于煤与瓦斯突出的影响因素众多、突出机理仍不明确和突出灾害日益加重的现状,本文在前人研究的基础上提出了遗传算法和BP神经网络相结合建立煤与瓦斯突出危险预测模型的思路并对此进行了研究。其主要研究内容如下：1、阐述了国内外煤与瓦斯突出预测的现状和突出预测的必要性及深远意义,分析了突出预测研究中存在的问题,肯定了以煤与瓦斯突出机理为理论基础,以神经网络为平台的研究方案。2、论述了煤与瓦斯的突出机理、发生条件和一般规律,并以此理论和规律,借助BP神经网络理论和Matlab程序语言设计出了基于人工神经网络的煤与瓦斯突出模型,并利用中国矿业大学在淮南地区多个矿井进行的煤与瓦斯突出指标试验测定数据作为学习样本和测试样本进行预测模拟,指出了BP神经网络模型的在训练中存在收敛较慢、预测精度不高等问题。3、引入了遗传算法的概念,并对遗传算法和BP算法的优缺点进行了分析,提出了遗传算法对BP神经网络的改进和优化方案,通过对神经网络权值、结构和学习规则的优化,建立了遗传算法和BP神经网络相结合的煤与瓦斯突出危险预测模型,利用同样的数据进行学习和预测,其收敛速度得到了加快,准确率得到了提高。证明了此优化方案的可行性和有效性。4、最后结合山西省晋城煤业集团寺河煤矿现场资料和实际情况,对该矿煤与瓦斯突出主控因素分析,确定了瓦斯突出参数中的钻屑解析指标(K1)、最大钻屑量(S)、钻孔瓦斯涌出初速度(q0)和煤的坚固性系数(f)作为影响突出的基本指标。利用遗传算法和BP神经网络结合的煤与瓦斯突出预测模型,对用传统单一指标预测法判定具有突出危险性的区域的瓦斯突出参数进行重新预测,预测结果显示：通过多指标综合预测的办法,在保证安全的前提下原来的防突工作量可减少35%。由于煤与瓦斯突出的影响因素的复杂,各个矿井的煤层地质构造、赋存状况、开采方式等因素的不同,影响煤与瓦斯突出的主控因素也不尽相同,可通过本文采用的方法进行建模预测,使得预测防突工作更加的科学合理。这也是本文研究的目的所在,以求能为煤与瓦斯突出危险预测工作起到积极的作用。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 瓦斯突出预测的目的与意义
• 1.3 突出预测国内外研究现状
• 1.3.1 国外研究现状
• 1.3.2 国内研究现状
• 1.4 本论文的研究方案
• 1.4.1 研究内容
• 1.4.2 本论文研究步骤
• 第二章 煤与瓦斯突出机理
• 2.1 煤与瓦斯突出机理现状
• 2.2 影响煤与瓦斯突出的主要因素
• 2.2.1 概述
• 2.2.2 地质构造
• 2.2.3 地应力
• 2.2.4 瓦斯参数
• 2.2.5 煤体结构及煤质
• 2.2.6 煤层厚度
• 2.2.7 其他影响因素
• 2.3 突出的一般规律
• 2.4 本章小结
• 第三章 BP神经网络的煤与瓦斯突出预测
• 3.1 人工神经网络和BP神经网络理论
• 3.1.1 人工神经网络基本原理
• 3.1.2 人工神经网络的主要学习算法
• 3.1.3 BP神经网络的学习算法
• 3.1.4 BP神经网络的局限性
• 3.2 基于BP神经网络的煤与瓦斯突出预测模型建立
• 3.2.1 煤与瓦斯突出BP神经网络预测原理
• 3.2.2 预测模型开发工具简介
• 3.2.3 BP人工神经网络模型在Matlab中的实现
• 3.2.4 BP人工神经网络预测模型算法程序设计
• 3.3 模型的总体设计
• 3.4 预测模型中各模块的设计
• 3.4.1 网络参数模块设计
• 3.4.2 数据读取模块设计
• 3.5 突出危险性BP人工神经网络模型的预测实例
• 3.6 本章小结
• 第四章 遗传算法对BP神经网络预测模型的改进
• 4.1 遗传算法理论
• 4.1.1 遗传算法的基本原理
• 4.1.2 遗传算法的特点
• 4.2 遗传算法和神经网络相结合的可行性
• 4.3 遗传算法对BP神经网络的优化
• 4.3.1 网络权值的优化
• 4.3.2 网络结构的忧化
• 4.3.3 网络学习规则的优化
• 4.3.4 遗传算法优化BP神经网络实现
• 4.4 预测模型样本学习及预测
• 4.5 本章小结
• 第五章 寺河煤矿瓦斯突出预测数据测定及分析测试
• 5.1 寺河煤矿概述
• 5.2 寺河煤矿煤与瓦斯突出主控因素分析
• 5.3 寺河煤矿煤与瓦斯突出危险预测指标确定
• 5.4 煤与瓦斯突出预测指标参数测定
• 1）测定'>5.4.1 钻屑解吸指标（K₁）测定
• 5.4.2 最大瓦斯钻屑量（S）测定
• 0）测定'>5.4.3 钻孔瓦斯涌出初速度（q₀）测定
• 5.4.4 煤的坚固性系数（f）测定
• 5.5 寺河煤矿煤与瓦斯突出训练及测试
• 5.6 本章小结
• 第六章 结论与展望
• 6.1 结论
• 6.2 未来工作展望
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文