基于优化量子门节点神经网络的煤与瓦斯突出预测模型研究

发布时间：2021-03-12 21:21

　　煤与瓦斯突出的发生不仅给煤矿企业造成严重的经济损失,而且还威胁着井下工人的生命安全。开展煤与瓦斯突出风险预测可实现瓦斯突出事故的“早发现、早防治”,将瓦斯突出造成的损失降到最低。煤与瓦斯突出预测是一个典型的非线性预测问题,预测精度往往不尽如人意。为此,本文提出了基于子维进化的粒子群优化算法（sd PSO）结合量子门节点神经网络（QGNN）的瓦斯突出风险等级预测模型。首先,以瓦斯突出“综合假说”为理论基础,分析了瓦斯突出条件、过程及影响因素,建立了瓦斯突出预测指标体系,该指标体系充分体现了地质、瓦斯及煤体物理性质对瓦斯突出的影响。考虑到各预测指标在瓦斯突出发生和演化过程中对突出的作用及影响程度的差异,采用灰色关联分析法计算瓦斯突出强度与各个预测指标间的关联度,从而确定瓦斯突出主控因素,同时降低了信息的冗余性。针对瓦斯突出预测具有的非线性与不确定性特征,提出了量子门节点神经网络以提高解决不确定性问题的能力。分析了量子门节点神经网络的网络结构及学习算法,并通过引入子维进化改进粒子群更新方式对量子门节点神经网络中的隐含层幅角偏置矩阵（38）及网络输出层幅角偏置矩阵（37）进行优化,提高了粒子群... 

【文章来源】：辽宁工程技术大学辽宁省

【文章页数】：85 页

【学位级别】：硕士

【部分图文】：

010-2019年我国原煤产量及消费占比统计图

技术路线图

钱家营地质构造图

【参考文献】：
期刊论文
[1]基于优化的量子门节点神经网络的煤与瓦斯突出预测[J]. 王雨虹,孙福成,付华,徐耀松.  信息与控制. 2020(02)
[2]基于热-流-固体系参数演变的煤与瓦斯突出能量演化[J]. 许江,周斌,彭守建,闫发志,程亮,杨威,杨文健.  煤炭学报. 2020(01)
[3]平顶山矿区深部矿井动力灾害预测方法与应用[J]. 张建国,兰天伟,王满,高明忠,荣海.  煤炭学报. 2019(06)
[4]基于因子分析与BP神经网络的煤与瓦斯突出预测[J]. 马晟翔,李希建.  矿业安全与环保. 2019(02)
[5]基于量子门线路神经网络的信息安全风险评估[J]. 周超,潘平,黄亮.  计算机工程. 2018(12)
[6]构造煤的瓦斯放散特征及孔隙结构微观解释[J]. 张慧杰,张浪,汪东,侯金玲.  煤炭学报. 2018(12)
[7]突出危险煤层微震区域动态监测技术[J]. 何学秋,王安虎,窦林名,宋大钊,祖自银,李振雷.  煤炭学报. 2018(11)
[8]高产高效矿井煤与瓦斯突出动态预测技术研究[J]. 张庆华,蒲阳.  煤炭科学技术. 2018(10)
[9]突出煤体受载变形破坏声发射行为演化特征[J]. 舒龙勇,王凯,张浪,孙中学,郝晋伟,李宏艳.  采矿与安全工程学报. 2018(03)
[10]多属性核函数快速向量机的污水在线软测量[J]. 许玉格,赖春伶,刘莉.  信息与控制. 2018(02)

博士论文
[1]基于深度学习的采空区卸压瓦斯抽采智能评价方法研究[D]. 宋爽.西安科技大学 2019
[2]粒子群优化算法改进及其在煤层气产能预测中的应用研究[D]. 徐慧.中国矿业大学 2013
[3]量子计算与过程神经网络研究及应用[D]. 李欣.大连理工大学 2010

硕士论文
[1]基于Spark的煤与瓦斯突出预警研究[D]. 邵帆.西安科技大学 2019
[2]基于灰色关联分析和PSO-SVM的煤与瓦斯突出预测应用研究[D]. 孙利源.中国矿业大学 2019
[3]量子神经网络设计及在超深层储层评价中的应用[D]. 宫耀华.东北石油大学 2018
[4]煤与瓦斯突出预测控制系统研究[D]. 李海霞.辽宁工程技术大学 2016
[5]基于量子神经网络车牌识别系统的研究[D]. 孙立刚.东北石油大学 2015
[6]基于粒子群优化算法的FAST整网控制策略研究[D]. 端素红.东北大学 2015
[7]BP神经网络在煤与瓦斯突出危险性预测中的应用研究[D]. 任浩源.西安科技大学 2012
[8]基于灰色神经网络的煤矿瓦斯涌出量预测模型研究[D]. 秦勇.太原科技大学 2011
[9]一种量子权值神经网络模型及算法研究[D]. 林丽华.东北大学 2011



本文编号：3079000