基于PCA-AKH-BP神经网络的面域相结合的煤与瓦斯突出预测模型及其应用研究

发布时间：2017-12-19 12:27

  本文关键词：基于PCA-AKH-BP神经网络的面域相结合的煤与瓦斯突出预测模型及其应用研究　出处：《太原理工大学》2017年硕士论文　论文类型：学位论文

  更多相关文章： 煤与瓦斯突出预测 BP神经网络 主成分分析法 磷虾算法

【摘要】：煤与瓦斯突出是煤矿主要事故之一。在对历年数据的统计分析中可以看出,在世界范围内,我国是发生煤与瓦斯突出最多的国家,约占到全世界的三分之一。煤与瓦斯突出不仅严重地影响着我国煤炭安全生产,而且还严重威胁着矿工生命安全,并造成重大经济损失。因此,准确预测预报煤与瓦斯突出事故具有重要的意义。由于目前人们对煤与瓦斯突出机理认识还不完善、还不能完全采用单一物理量指标,运用解析的方法准确预测煤与瓦斯突出。因此,为了改善我国煤与瓦斯突出事故多发的现状,提高突出预测精度,本文从目前人们对突出机理的基本认识及影响突出的基本因素出发,并结合《防治煤与瓦斯突出规定》中规定的区域(域)预测方法与工作面(面)预测方法及其指标体系,提出了新的预测指标体系和基于PCA-AKH-BP神经网络的煤与瓦斯突出预测方法,即面域相结合的采掘工作面煤与瓦斯突出预测新方法。主要研究结论如下:1.概括了现阶段主流的煤与瓦斯突出机理,总结了煤与瓦斯突出预测方法的研究现状,分析了部分现有假说和预测方法的不足之处,阐述了煤与瓦斯突出面域化预测方法研究的必要性以及现实意义。2.分析了传统预测指标的缺陷及影响煤与瓦斯突出的影响因素,提出了面域化相关联的新的煤与瓦斯突出预测指标体系。预测中运用变化率代替指标值来剔除量纲对预测结果准确性的影响,变化率相较于指标值更能反映对突出的影响性;增添了一些现场容易直接测量而又未被采纳的预测指标;运用主成分分析法对指标体系进行了预处理,消除了各指标间的相关性。3.BP神经网络在煤与瓦斯突出面域化预测中易陷入局部最小值、收敛速度慢、网络不稳定,总结了部分学者的改进方案,分析了各方法的利弊之处,提出了利用改进磷虾算法优化BP神经网络的思想,建立了基于PCA-AKH-BP神经网络的采掘工作面区域内的煤与瓦斯突出预测模型。4.根据西坡煤矿4+5号煤层一采区突出预测指标实测值,基于PCA-AKH-BP神经网络预测了采掘工作面的突出危险性,预测结果与实际一致。与传统的BP神经网络预测模型相比较,本文提出的基于PCA-AKH-BP神经网络的面域化的预测模型速度更快、预测结果更准确、现场使用更便捷。
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TD713.2

【参考文献】

中国期刊全文数据库 前10条

1 王昱舒;吴世跃;李文明;;特殊顶板下回采工作面瓦斯涌出量预测[J];煤炭技术;2017年04期

2 郭伟;高岳林;刘沛;;一种自适应惯性权重的改进磷虾群算法[J];太原理工大学学报;2016年05期

3 张明杰;张凯;贾天让;;安-鹤煤田水文地质条件对瓦斯赋存影响[J];煤炭技术;2016年08期

4 撒占友;刘岩;刘杰;;基于EMD-ARMA的矿井瓦斯涌出量预测[J];煤矿安全;2016年07期

5 孙晨;李阳;李晓戈;于娇艳;;基于布谷鸟算法优化BP神经网络模型的股价预测[J];计算机应用与软件;2016年02期

6 李常洪;赵伟栋;;基于狼群算法优化的BP神经网络[J];科技创新与生产力;2016年01期

7 李孜军;林武清;陈阳;;基于AGA-BP神经网络的采空区危险性评价[J];中国安全生产科学技术;2015年07期

8 行鸿彦;邹水平;徐伟;张强;;基于PSO-BP神经网络的湿度传感器温度补偿[J];传感技术学报;2015年06期

9 杜振宁;;布谷鸟搜索算法优化BP神经网络的网络流量预测[J];电子技术应用;2015年03期

10 付华;谢森;徐耀松;陈子春;;基于ACC-ENN算法的煤矿瓦斯涌出量动态预测模型研究[J];煤炭学报;2014年07期

中国博士学位论文全文数据库 前1条

1 王维博;粒子群优化算法研究及其应用[D];西南交通大学;2012年

中国硕士学位论文全文数据库 前7条

1 秦燃;基于主成分分析的BP神经网络矿井瓦斯涌出量预测研究[D];北京交通大学;2015年

2 张小琼;基于改进萤火虫群优化算法的BP神经网络研究[D];广西大学;2015年

3 尚鹏;基于多指标加权灰靶决策的煤与瓦斯突出预测指标研究[D];辽宁工程技术大学;2014年

4 雷艳玲;煤与瓦斯突出预测SOM-SVM模型[D];西安科技大学;2012年

5 陈全秋;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[D];太原理工大学;2010年

6 仇海生;突出预测敏感指标及临界值确定研究[D];煤炭科学研究总院;2009年

7 罗秋敏;基于模糊神经网络的模糊规则获取方法[D];大连交通大学;2004年

，

本文编号：1307981