基于BP神经网络和量子遗传算法的瓦斯预测模型研究

论文摘要

瓦斯是危害矿井安全生产的重要因素之一。近年来,我国煤矿的安全生产形势日益严峻,尤其是中小型煤矿安全事故频频发生,其中80%以上都是瓦斯事故,因此对瓦斯的预测工作成为重中之重。本文针对这一课题,对瓦斯预测问题进行了研究,在以无线传感网络为基础的瓦斯监测模型上应用改进后的BP神经网络算法建立了瓦斯预测模型,进行瓦斯涌出量预测。本文为了克服传统BP神经网络算法具有训练速度慢、易陷入局部最小等缺点,采用量子遗传算法对传统BP神经网络的权值及阈值进行优化,提高其预测精度,结果显示量子遗传算法具有显著的优化效果。本文采用足够的具有代表性的瓦斯检测数据作为样本。在无线传感瓦斯监测系统为模型的基础上,对采用改进后的BP神经网络算法建立的瓦斯涌出量预测模型进行瓦斯预测研究。并采用MATLAB进行仿真研究,结果表明预测效果良好,但如进一步提高预测精度,模型还有待改进和深入研究。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 煤矿瓦斯的危害
• 1.2 课题的研究意义
• 1.3 国内外研究现状
• 1.4 本文的研究内容和方法
• 本章小结
• 2 煤矿瓦斯涌出量的来源及瓦斯涌出量的定义
• 2.1 瓦斯来源
• 2.2 瓦斯涌出量
• 2.3 影响瓦斯涌出量的因素
• 本章小结
• 3 基于无线传感网络的井下瓦斯监测系统
• 3.1 无线传感网络
• 3.2 无线传感网络井下监测系统
• 3.3 瓦斯监测系统节点机结构
• 3.4 地面监控预测中心
• 本章小结
• 4 瓦斯预测方法及BP 神经网络
• 4.1 瓦斯预测方法概述
• 4.2 神经网络简介
• 4.2.1 神经网络用于瓦斯涌出量预测的优越性
• 4.2.2 人工神经网络的基本结构
• 4.3 神经网络的训练
• 4.4 神经网络的回忆操作
• 4.5 BP 神经网络
• 4.5.1 BP 算法的网络结构模型
• 4.6 BP 算法的实现
• 本章小结
• 5 量子遗传算法
• 5.1 量子遗传算法
• 5.2 量子比特编码
• 5.3 量子旋转门
• 5.4 遗传算法优化步骤
• 5.5 量子遗传算法优化BP 网络方法
• 本章小结
• 6 瓦斯涌出量预测模型的设计及优化过程
• 6.1 基于BP 神经网络的瓦斯涌出量预测模型设计
• 6.1.1 BP 神经网络的层数
• 6.1.2 神经网络各层的神经元个数
• 6.1.3 BP 神经网络初始权值的选取
• 6.1.4 神经网络初始学习速率的选取
• 6.1.5 BP 神经网络期望误差的选取
• 6.2 遗传算法优化瓦斯涌出量权值和阈值的实现
• 6.3 瓦斯涌出量神经网络预测模型的建立
• 6.4 瓦斯预测模型的程序实现
• 6.4.1 BP 算法中的主要函数和功能
• 6.4.2 样本训练和预测
• 6.4.3 瓦斯预测管理系统
• 本章小结
• 结论
• 攻读学位期间已发表的学术论文
• 致谢
• 参考文献