發(fā)布時間：2020-06-14 00:53

【摘要】：煤炭資源的開采和利用為我國經(jīng)濟(jì)發(fā)展做出了突出的貢獻(xiàn),但與此同時也帶來一系列問題。目前環(huán)境問題日益嚴(yán)重,地表沉陷、地表水資源的循環(huán)、污染、浪費(fèi)等一系列環(huán)境問題亟需解決;眾所周知,煤炭開采是高危行業(yè),其中礦井水害嚴(yán)重威脅著井下工人的生命安全;此外,由于過去對煤炭資源不合理的開采,導(dǎo)致煤炭資源大量浪費(fèi),所以合理的確定開采上限,提高煤炭資源回收率勢在必行。針對上述問題,究其原因,發(fā)現(xiàn)導(dǎo)水裂隙帶高度(以下簡稱“導(dǎo)高”)與之密切相關(guān),導(dǎo)高值的確定對于解決上述問題意義重大。然而,導(dǎo)高影響因素眾多,目前確定其值大多依據(jù)經(jīng)驗公式,但誤差往往較大,直接研究其發(fā)育情況又存在眾多困難�；诖�,本文提出通過已采工作面導(dǎo)高值來研究待采工作面導(dǎo)高發(fā)育情況。人工神經(jīng)網(wǎng)絡(luò)模型被廣泛的應(yīng)用于預(yù)測類問題中,但由于收集的樣本數(shù)據(jù)中往往存在冗余樣本,所以直接運(yùn)用人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測導(dǎo)高值其誤差往往偏大。因此,本文建立模糊聚類分析法和人工神經(jīng)網(wǎng)絡(luò)的組合模型,預(yù)測待采工作面導(dǎo)高值。一方面提高了人工神經(jīng)網(wǎng)絡(luò)模型中訓(xùn)練樣本的質(zhì)量,另一方面可以根據(jù)各聚類類別的特點(diǎn),建立相應(yīng)的雙精度人工神經(jīng)網(wǎng)絡(luò)組合模型。所以,通過組合模型所得導(dǎo)高預(yù)測值更客觀、真實。本文首先運(yùn)用模糊聚類分析算法得到57例已采工作面的聚類類別,再根據(jù)顧北礦3例待采工作面(預(yù)測樣本)與各聚類類別之間的隸屬度確定其所屬類別,從而踢除掉預(yù)測樣本聚類類別中的冗余樣本;然后根據(jù)各預(yù)測樣本所屬類別的特點(diǎn),建立相應(yīng)的雙精度人工神經(jīng)網(wǎng)絡(luò)組合模型;最后將聚類類別數(shù)據(jù)導(dǎo)入各自的人工神經(jīng)網(wǎng)絡(luò)模型中,進(jìn)而得到3例預(yù)測樣本的導(dǎo)高值。經(jīng)多個驗證公式驗證得到,組合模型所得導(dǎo)高值的精度較高,預(yù)測結(jié)果科學(xué)、可信。 【學(xué)位授予單位】：安徽理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TD745

【圖文】：

本文進(jìn)一步將影響導(dǎo)高發(fā)育的因素劃分為主觀影響因素與客觀影響因素，將逡逑模糊聚類分析法和人工神經(jīng)網(wǎng)絡(luò)結(jié)合，來預(yù)測待采工作面的導(dǎo)高值。具體分類結(jié)逡逑果及文章主要研究內(nèi)容如圖２所示。逡逑「邐：二：＝：．：二：：：：．：二：：：：＝＾＾＾邐邐二＾邋邐Ｊ逡逑�。н妼�(dǎo)高客觀影響因素邐／＂＂邐導(dǎo)高主觀影響因素邐入｜逡逑�。姡苓姡暹婂澹埽卞义稀鲥�；邐邐邋■：邋Ｉ逡逑ＩＩ邐開采深度邐Ｉ邐采高邐ＩＩ逡逑��！邋邐邋！邋邐邋�。哄义希瓦�

加學(xué)習(xí)率；當(dāng)誤差增加超過一定范圍時，說明前一步修正過程錯誤，應(yīng)當(dāng)減小步逡逑長，并撤消前一步修正過程。牛頓法具有收斂快的優(yōu)點(diǎn)，但需要計算誤差性能函逡逑數(shù)的二階導(dǎo)數(shù)，計算過程較為復(fù)雜。而擬牛頓法只需要知道目標(biāo)函數(shù)的梯度，通逡逑過測量梯度的變化進(jìn)行迭代，收斂速度大大優(yōu)于最速下降法。擬牛頓法有ＤＦＰ法、逡逑ＢＦＧＳ法、ＳＲ１法、Ｂｒｏｙｄｅｎ族法。在實際應(yīng)用中，應(yīng)根據(jù)情況選擇合適的訓(xùn)練函逡逑數(shù)。逡逑（３）邐ＢＰ神經(jīng)網(wǎng)絡(luò)的傳遞函數(shù)逡逑ＢＰ神經(jīng)網(wǎng)絡(luò)的傳遞函數(shù)必須可微，通常使用ｓｉｇｍｏｉｄ函數(shù)或ｐｕｒｅｌｉｎ函數(shù)（式逡逑２３）作為傳遞函數(shù)。Ｓｉｇｍｏｉｄ是光滑、可微的函數(shù)，它包括ｌｏｇ－ｓｉｇｍｏｉｄ函數(shù)（式逡逑２４）和ｔａｎ－ｓｉｇｍｏｉｄ函數(shù)（式２５）兩種，其函數(shù)圖像如圖６所示。Ｓｉｇｍｏｉｄ函數(shù)將逡逑輸入的數(shù)據(jù)映射到［0，１］或者［－Ｕ］區(qū)間內(nèi)，具有非線性的放大功能，與ｐｕｒｅｌｉｎ函逡逑數(shù)相比，ｓｉｇｍｏｉｄ函數(shù)更加精確，容錯性更好。一般隱含層與輸出層均選ｓｉｇｍｏｉｄ逡逑函數(shù)作為傳遞函數(shù)，但在某些實際問題中，要求輸出值并非在［0，，１］或者［－１，１］區(qū)間逡逑內(nèi)，所以此時選用ｐｕｒｅｌｉｎ函數(shù)作為輸出層傳遞函數(shù)更為合理。逡逑Ｔａｒｖｓｌ函Ｌｏ－ｓ函

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李振華;許延春;李龍飛;翟常治;;基于BP神經(jīng)網(wǎng)絡(luò)的導(dǎo)水裂隙帶高度預(yù)測[J];采礦與安全工程學(xué)報;2015年06期

2 楊艷國;王軍;于永江;;河下多煤層安全開采順序?qū)?dǎo)水裂隙帶高度的影響[J];煤炭學(xué)報;2015年S1期

3 高保彬;劉云鵬;潘家宇;袁恬;;水體下采煤中導(dǎo)水裂隙帶高度的探測與分析[J];巖石力學(xué)與工程學(xué)報;2014年S1期

4 陳廈;方方;胡戰(zhàn)利;;模糊聚類算法綜述[J];生命科學(xué)儀器;2013年06期

5 張宏偉;朱志潔;霍丙杰;宋衛(wèi)華;;基于改進(jìn)的FOA-SVM導(dǎo)水裂隙帶高度預(yù)測研究[J];中國安全科學(xué)學(xué)報;2013年10期

6 劉學(xué)生;張明;寧建國;譚云亮;;近淺埋煤層導(dǎo)水裂隙帶發(fā)育高度影響因素的數(shù)值模擬[J];山東科技大學(xué)學(xué)報(自然科學(xué)版);2012年05期

7 胡小娟;李文平;曹丁濤;劉滿才;;綜采導(dǎo)水裂隙帶多因素影響指標(biāo)研究與高度預(yù)計[J];煤炭學(xué)報;2012年04期

8 許家林;朱衛(wèi)兵;王曉振;;基于關(guān)鍵層位置的導(dǎo)水裂隙帶高度預(yù)計方法[J];煤炭學(xué)報;2012年05期

9 周家祥;張曉亮;;基于模糊聚類BP神經(jīng)網(wǎng)絡(luò)在邊坡穩(wěn)定性評價中的應(yīng)用研究[J];路基工程;2012年02期

10 王占盛;王連國;黃繼輝;周冬磊;;不同巖層組合對導(dǎo)水裂隙帶發(fā)育高度的影響[J];煤礦安全;2012年02期

相關(guān)博士學(xué)位論文 前1條

1 裴文明;淮南潘謝礦區(qū)生態(tài)環(huán)境動態(tài)監(jiān)測及預(yù)警研究[D];南京大學(xué);2016年

相關(guān)碩士學(xué)位論文 前6條

1 蘆奇;基于FAHP的煤礦本質(zhì)安全評價研究與應(yīng)用[D];太原理工大學(xué);2017年

2 禹敏;行為安全管理在煤礦安全管理中的應(yīng)用[D];太原理工大學(xué);2017年

3 周奚;基于神經(jīng)網(wǎng)絡(luò)和模糊邏輯的WSN智能故障診斷研究[D];南京航空航天大學(xué);2017年

4 邱康利;潘謝礦區(qū)灰?guī)r水文地質(zhì)條件及地下水動態(tài)特征研究[D];安徽理工大學(xué);2015年

5 孔攀;模糊聚類分析及其有效性研究[D];西南大學(xué);2009年

6 楊貴;綜放開采導(dǎo)水裂隙帶高度及預(yù)測方法研究[D];山東科技大學(xué);2004年

本文編號：2712011