基于GA-BP神经网络的工作面顶板矿压预测模型应用研究
发布时间:2020-08-26 09:00
【摘要】:本论文针对煤层顶板来压对综采工作面的生产造成很大的安全隐患这一问题,通过理论分析、数据采集与预处理、模型评估与优化等方法,建立基于GA-BP神经网络的工作面顶板矿压预测模型,来实现对大同矿区煤层顶板来压规律进行预测。其主要研究成果如下:(1)在大同矿区采集60组工作面地质、工艺参数以及顶板来压数据作为模型的训练样本,并采用灰色关联度分析法分析各影响因素与矿压的关联度,对计算结果进行排序,结果确定主要影响因素为工作面倾向长度、推进速度、煤层顶板条件、采高、煤厚、倾角变化率、直接顶厚、基本顶厚、埋深、埋深变化率、煤厚变化率、煤层倾角。最后对样本数据进行归一化处理。(2)根据欲解决的问题建立基于BP神经网络工作面顶板矿压预测模型,结合经验公式以及多次实验确定BP神经网络结构以及各参数的值。分别以工作面顶板的初次来压强度、初次来压步距、周期来压强度、周期来压步距为BP神经网络模型的目标输出,每组各做30次训练,结果得出四个目标输出的平均决定系数分别为0.751、0.74、0.826、0.837,四组训练综合决定系数平均值为0.788;并对预测值与真实值的相对误差作对比分析,结果表明BP能在一定程度上预测工作面顶板来压情况,但预测结果不稳定。(3)根据BP神经网络存在的问题,采用改进的遗传算法对其进行优化,建立了基于优化的GA-BP神经网络工作面顶板矿压预测模型。经过模型预测值的对比分析得出,BP神经网络模型的决定系数平均值为0.798,优化的GA-BP神经网络模型的决定系数平均值为0.896;BP与GA-BP模型预测结果相对误差小于3%的概率平均值分别占54.93%和69.33%,小于5%的概率平均值分别占75.18%和89.38%。训练结果表明,基于优化的GA-BP神经网络模型预测效果明显高于BP神经网络,并能很好的预测综采工作面顶板初次来压强度、初次来压步距、周期来压强度、周期来压步距。(4)通过实测大同矿区5组综采工作面顶板来压数据(不参与模型训练)来验证所建立的GA-BP神经网络模型,结果表明,优化的GA-BP神经网络模型预测工作面顶板来压四个目标值的相对误差分别不超过2%、4%、3%、4%,总体上预测相对误差小于4%,在工业生产允许的误差范围之内,故所建立的GA-BP神经网络的工作面顶板矿压预测模型能够被应用于工作面顶板来压的预测。
【学位授予单位】:中国矿业大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:TD323
【图文】:
我国的煤炭资源储量非常丰富。从我国一次能源资源来看,根据多年地质作的成果测算,我国常规能源(包括煤炭、石油、天然气和水能,水能按使用 100 年计算)探明(技术可开发)总储量约 8270 亿 tce,剩余可采储.3 亿 tce,约占世界总量的 10%。其中:煤炭 1636.9 亿 t,占 62.5%;石油亿 t,占 1.7%;天然气 2.9 万亿 m3,占 2.1%;水力资源 1.75 万亿 kWh,[1]。从我国的能源储量比重可以看出,煤炭资源是我国的能源支柱。我国是一个煤炭大国,煤炭作为我国的基础能源,在工业生产、基础建设日常生活等各个方面中发挥着直接或间接的重要作用。 十一五 期间,我生产和主要用煤行业对 GDP 总量和增量的总贡献率分别达到 15%和 18%另外,燃煤发电是中国最主要的电力来源。2012 年以前,中国燃煤发电国发电总量的比重长期处于 3/4 以上。2012 年以来,随着能源结构优化及度加大,加快推进能源生产和消费革命等,非煤发电量的比重不断上升,电比重不断下降,尽管如此,2017 年燃煤发电量仍占全国发电总量 64.5% 1-1 所示[1]。
浅埋煤层其埋深一般不会超过 150m,而近浅埋煤层埋深会高超过 250m。浅埋煤层的基载比不会大于 1,其顶板特征一般关键层,基本顶很难发展成典型的砌体梁结构,因此稳定性不。工作面顶板来压以及地表裂隙甚至沉陷都会受到来自单一关响,典型的单一关键层结构如图 2-1 所示[40]。
出现地面沉陷现象。2)双关键层结构来压特征于近浅埋煤层,其埋深较浅埋煤层大,通常会形成双关键层,因此就周期来压的现象。以大同矿区的近浅埋煤层为研究实例,该矿区煤层厚,而且有较多的砂岩层,工作面形成典型的双关键层结构,其结构-2 所示[41]。双关键层结构的下部分为亚关键层,上部分为主关键层。般情况下没有亚关键层破断的快,而且当主关键层破断时亚关键层会强烈的初次来压和周期来压是由主关键层的破断引起的,而小来压是的周期性的破断形成。因此工作面就形成了大小周期来压。究人员根据关键层理论得出,各个关键层都会对工作顶板来压产生或响。首先,其他关键层会承载一部分关键层上部的非关键层岩体重力层关键层破断的时间,造成其垮落步距增大,当其悬顶面积达到其受大面积垮落,造成强烈的来压;其次,第一层关键层垮落后,其他关期性的弯曲下沉和垮落,导致工作面顶板出现周期来压强度和周期来不一的现象[42]。
本文编号:2804979
【学位授予单位】:中国矿业大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:TD323
【图文】:
我国的煤炭资源储量非常丰富。从我国一次能源资源来看,根据多年地质作的成果测算,我国常规能源(包括煤炭、石油、天然气和水能,水能按使用 100 年计算)探明(技术可开发)总储量约 8270 亿 tce,剩余可采储.3 亿 tce,约占世界总量的 10%。其中:煤炭 1636.9 亿 t,占 62.5%;石油亿 t,占 1.7%;天然气 2.9 万亿 m3,占 2.1%;水力资源 1.75 万亿 kWh,[1]。从我国的能源储量比重可以看出,煤炭资源是我国的能源支柱。我国是一个煤炭大国,煤炭作为我国的基础能源,在工业生产、基础建设日常生活等各个方面中发挥着直接或间接的重要作用。 十一五 期间,我生产和主要用煤行业对 GDP 总量和增量的总贡献率分别达到 15%和 18%另外,燃煤发电是中国最主要的电力来源。2012 年以前,中国燃煤发电国发电总量的比重长期处于 3/4 以上。2012 年以来,随着能源结构优化及度加大,加快推进能源生产和消费革命等,非煤发电量的比重不断上升,电比重不断下降,尽管如此,2017 年燃煤发电量仍占全国发电总量 64.5% 1-1 所示[1]。
浅埋煤层其埋深一般不会超过 150m,而近浅埋煤层埋深会高超过 250m。浅埋煤层的基载比不会大于 1,其顶板特征一般关键层,基本顶很难发展成典型的砌体梁结构,因此稳定性不。工作面顶板来压以及地表裂隙甚至沉陷都会受到来自单一关响,典型的单一关键层结构如图 2-1 所示[40]。
出现地面沉陷现象。2)双关键层结构来压特征于近浅埋煤层,其埋深较浅埋煤层大,通常会形成双关键层,因此就周期来压的现象。以大同矿区的近浅埋煤层为研究实例,该矿区煤层厚,而且有较多的砂岩层,工作面形成典型的双关键层结构,其结构-2 所示[41]。双关键层结构的下部分为亚关键层,上部分为主关键层。般情况下没有亚关键层破断的快,而且当主关键层破断时亚关键层会强烈的初次来压和周期来压是由主关键层的破断引起的,而小来压是的周期性的破断形成。因此工作面就形成了大小周期来压。究人员根据关键层理论得出,各个关键层都会对工作顶板来压产生或响。首先,其他关键层会承载一部分关键层上部的非关键层岩体重力层关键层破断的时间,造成其垮落步距增大,当其悬顶面积达到其受大面积垮落,造成强烈的来压;其次,第一层关键层垮落后,其他关期性的弯曲下沉和垮落,导致工作面顶板出现周期来压强度和周期来不一的现象[42]。
【参考文献】
相关期刊论文 前10条
1 王俊;;基于改进T-S模糊神经网络的瓦斯涌出量预测[J];山东煤炭科技;2015年12期
2 李夕兵;朱玮;刘伟军;张德明;;基于主成分分析法与RBF神经网络的岩体可爆性研究[J];黄金科学技术;2015年06期
3 张国丽;杨宝林;张志;王少军;;基于GIS与BP神经网络的采空塌陷易发性预测[J];热带地理;2015年05期
4 芦明;;影响采煤工作面矿压显现的主要因素[J];黑龙江科技信息;2015年24期
5 牛超;施龙青;肖乐乐;翟培合;吴树磊;赵燕红;;2001-2013年煤矿生产事故分类研究[J];煤矿安全;2015年03期
6 何正刚;;浅埋煤层工作面矿压显现规律实测分析及控制研究[J];煤矿开采;2015年01期
7 赵学军;康耀尹;常潇逸;刘钦甫;;基于遗传神经网络的煤矿技术创新评价模型研究[J];煤炭工程;2014年12期
8 陈明明;;基载比对厚松散层薄基岩煤层安全开采的数值模拟研究[J];河南科技;2014年23期
9 王雪冬;董慧;;基于广义回归神经网络的矿井涌水量预测[J];中国安全生产科学技术;2014年11期
10 李慧民;李振雷;何荣军;闫玉彪;;基于粒子群算法和BP神经网络的冲击危险性评估[J];采矿与安全工程学报;2014年02期
本文编号:2804979
本文链接:https://www.wllwen.com/kejilunwen/kuangye/2804979.html