基于神经网络理论矿井通风系统安全综合评价研究

发布时间：2017-05-18 15:03

  本文关键词：基于神经网络理论矿井通风系统安全综合评价研究，由笔耕文化传播整理发布。

【摘要】：本文介绍了一种基于人工神经网络的方法来进行矿井通风系统安全评价，本文研究结果表明，利用人工神经网络方法可以解决矿井通风系统安全评价问题。 在详细分析指标体系建立的基本原则和层次递进关系的基础上，，结合现场实际工作经验和4M法建立了矿井通风系统安全评价因素指标体系，划分了各评价指标的安全等级，给出了各等级的评价标准。在简要介绍神经网络的发展历程和基本概念的基础上，提出了适合本文研究目的的神经网络模型构想。 通过对煤矿的大量调研，找到了矿井通风系统事故的发生条件和规律，对矿井通风系统从人、机、环境、管理四个方面进行详细的因素分析，应用神经网络理论建立网络模型。探讨了BP人工神经网络隐层个数和隐层节点数的选取问题，确定了BP神经网络的隐层结构。利用确定的BP网络结构，分别用改进的带动量自适应学习率BP算法和L-M算法，分析、解决矿井通风系统安全评价问题。本文还提出使用径向基函数神经网络，该网络的应用在安全评价领域尚未见有关文献公开发表。经本文研究表明，径向基函数神经网络运算速度较普通BP算法快10~2-10~3倍，并且精度比较高，应用径向基函数神经网络可以较好地完成矿井通风系统安全评价任务。至此形成了矿井通风系统安全状况的评价体系。 根据对煤矿广泛调研所得矿井通风系统安全评价的现场资料，形成了矿井通风系统样本的安全等级。在此基础上，运用Matlab6.5程序软件编制神经网络程序并进行训练，建立矿井通风系统安全水平的综合评价模型。将建立好的神经网络模型、矿井通风系统的指标样本一起组成了矿井通风系统安全等级的评价系统，并将此系统对具体矿井通风系统进行工程验证，从而得出校验样本的矿井通风系统的安全级别。 本文的研究结果表明：人工神经网络安全评价方法可操作性强、效果较好，提高了矿井通风系统安全评价的实用性和科学性，可以在一般煤矿企业的安全评价中应用。
【关键词】：神经网络 BP神经网络 RBF神经网络 矿井通风系统 安全评价
【学位授予单位】：西安科技大学
【学位级别】：硕士
【学位授予年份】：2006
【分类号】：TD724
【目录】：

• 1 绪论9-19
• 1.1 选题背景9-10
• 1.2 安全评价10-12
• 1.3 国内外研究发展现状12-16
• 1.3.1 国外研究发展现状12-14
• 1.3.2 国内研究现状14-16
• 1.4 研究目的与意义16-17
• 1.4.1 研究目的16-17
• 1.4.2 研究意义17
• 1.5 本课题研究的主要内容和技术路线17-19
• 1.5.1 本课题的主要内容17
• 1.5.2 本课题的技术路线17-19
• 2 矿井通风系统安全评价因素指标体系的建立19-29
• 2.1 评价指标体系建立的原则19-21
• 2.1.1 划分原则19-20
• 2.1.2 阶梯层次结构20-21
• 2.2 矿井通风系统安全评价指标体系的建立21-22
• 2.2.1 建立评价指标体系21
• 2.2.2 评价指标分级标准21-22
• 2.3 本章小结22-29
• 3 人工神经网络的基本理论29-38
• 3.1 人工神经网络发展概述29
• 3.2 人脑神经元与神经网络29-30
• 3.3 人工神经网络30-36
• 3.3.1 人工神经元模型30-32
• 3.3.2 人工神经网络的构成32-33
• 3.3.3 人工神经网络的学习33-34
• 3.3.4 人工神经网络与生物神经网络的比较34-35
• 3.3.5 常见人工神经网络模型35-36
• 3.3.6 本文研究所选用的神经网络模型36
• 3.3.7 当前人工神经网络的研究动态36
• 3.4 本章小结36-38
• 4 基于 BP神经网络的煤矿通风系统安全评价研究38-61
• 4.1 BP人工神经网络模型38-39
• 4.2 BP人工神经网络学习算法的数学描述39-44
• 4.2.1 对输出节点的公式推导40
• 4.2.2 对隐节点的公式推导40-41
• 4.2.3 基本公式汇总41-42
• 4.2.4 阈值的修正42-43
• 4.2.5 传递函数的导数公式43
• 4.2.6 BP模型计算公式汇总43-44
• 4.3 BP人工神经网络的参数调节44-45
• 4.3.1 权值的随机初始化44
• 4.3.2 网络参数的调整44-45
• 4.4 BP人工神经网络的局限性45-46
• 4.5 BP人工神经网络的改进算法46-50
• 4.6 BP学习算法的步骤50-52
• 4.7 基于 BP神经网络的煤矿通风系统安全评价应用研究52-60
• 4.7.1 BP神经网络用于煤矿通风系统安全评价适用性研究52-53
• 4.7.2 人工神经网络的数学模型的建立53-55
• 4.7.3 人工神经网络的数据变换处理55
• 4.7.4 BP人工神经网络的结构确定55
• 4.7.5 BP人工神经网络的训练及结果分析55-60
• 4.8 本章小结60-61
• 5 基于 RBF神经网络煤矿通风系统安全评价研究61-69
• 5.1 径向基函数神经网络模型62-64
• 5.2 径向基函数神经网络学习算法的数学描述64-65
• 5.3 基于 RBF神经网络的煤矿通风系统安全评价应用研究65-67
• 5.4 RBF神经网络与 BP神经网络的比较分析67
• 5.5 本章小结67-69
• 6 应用实例69-77
• 6.1 某矿概况69-70
• 6.1.1 自然条件69-70
• 6.1.2 矿井生产状况70
• 6.2 某矿通风危险性分析70-72
• 6.2.1 通风系统因素危险性分析70-71
• 6.2.2 通风设施因素危险性分析71
• 6.2.3 通风质量因素危险性分析71-72
• 6.2.4 通风管理因素危险性分析72
• 6.3 基于神经网络理论的某矿通风系统安全综合评价72-75
• 6.3.1 各指标评价值的确定72
• 6.3.2 基于 BP神经网络的某矿通风系统安全综合评价72-74
• 6.3.3 基于 RBF神经网络的某矿通风系统安全综合评价74-75
• 6.4 本章小结75-77
• 7 结论77-79
• 7.1 本文所作工作和结论77-78
• 7.2 不足和需要改进之处78
• 7.3 基于人工神经网络的煤矿矿井通风系统安全评价的展望78-79
• 致谢79-80
• 参考文献80-84
• 附录84

【引证文献】

中国期刊全文数据库 前6条

1 杨艳娟;钟亮;钟汉如;蔡军;;基于BP神经网络的矿井通风系统安全评价方法[J];煤矿安全;2009年02期

2 郭军鹏;王金鹏;;BP算法在矿井通风系统评价中的应用[J];煤矿机电;2012年05期

3 王金鹏;张建文;嵇伟;;基于BP神经网络的煤矿通风系统安全评价[J];煤矿安全;2013年04期

4 刘虎生;;基于BP神经网络的矿井通风系统安全评价研究[J];山西煤炭;2008年01期

5 马科伟;袁梅;李波波;王珍;何明华;;基于人工神经网络的煤矿安全事故预测研究[J];中国煤炭;2010年09期

6 郭孝炫;;煤矿通风安全影响因素分析[J];中国高新技术企业;2013年12期

中国博士学位论文全文数据库 前1条

1 程健维;矿井通风系统安全可靠性与预警机制及其动力学研究[D];中国矿业大学;2012年

中国硕士学位论文全文数据库 前5条

1 李津京;煤矿矿井瓦斯风险综合评价算法研究[D];哈尔滨理工大学;2010年

2 王文静;煤矿地质灾害安全评价与损失预测研究[D];山东科技大学;2011年

3 赵兰敏;南水北调中线工程大型渡槽健康监测模型的研究[D];河北农业大学;2007年

4 张蕾;基于粗集神经网络的矿井通风系统方案优选方法研究与应用[D];山东科技大学;2008年

5 何颖;人工神经网络在建筑工程施工质量管理中的应用研究[D];南京理工大学;2010年

  本文关键词：基于神经网络理论矿井通风系统安全综合评价研究，由笔耕文化传播整理发布。

本文编号：376350