煤礦事故的預(yù)測(cè)可以有效地為煤礦事故預(yù)防提供支持。為研究煤礦事故數(shù)量的發(fā)生規(guī)律,以2000—2018年發(fā)生的事故數(shù)量為樣本,采用每3年數(shù)據(jù)預(yù)測(cè)下一年數(shù)據(jù)的方式構(gòu)建數(shù)據(jù)組,共得到16組數(shù)據(jù)。將16組數(shù)據(jù)分為訓(xùn)練組和測(cè)試組,引入基于遺傳算法改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)（GA-BP）和小波神經(jīng)網(wǎng)絡(luò)分別建立預(yù)測(cè)模型,并對(duì)2種方法預(yù)測(cè)的結(jié)果進(jìn)行分析。結(jié)果表明,GA-BP神經(jīng)網(wǎng)絡(luò)對(duì)煤礦事故的預(yù)測(cè)值更接近實(shí)際數(shù)值。因此,采用GA-BP構(gòu)建的預(yù)測(cè)模型對(duì)2019年和2020年煤礦事故數(shù)量進(jìn)行預(yù)測(cè),分別為199起和176起。 

【文章來源】：煤炭與化工. 2020,43(09)

【文章頁數(shù)】：5 頁

【部分圖文】：

小波神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

相對(duì)誤差和均方誤差被用來判斷網(wǎng)絡(luò)預(yù)測(cè)的效果，相對(duì)誤差計(jì)算方法為預(yù)測(cè)值減去實(shí)際的絕對(duì)值與實(shí)際值的比值；均方誤差（Mean Squared Error,MSE）是指預(yù)測(cè)值與實(shí)際值之差平方的期望值。相對(duì)誤差與均方誤差越小說明建立的預(yù)測(cè)模型精度越高，模型越能反應(yīng)實(shí)際情況。由表2可知，除2018年采用GA-BP預(yù)測(cè)的相對(duì)誤差大于小波神經(jīng)網(wǎng)絡(luò)外，采用GA-BP預(yù)測(cè)其它兩年數(shù)值的相對(duì)誤差和MSE數(shù)值均小于小波神經(jīng)網(wǎng)絡(luò)，GA-BP與小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)相對(duì)誤差的平均值分別為1.83%和3.67%。圖3為實(shí)際值與GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值和小波神經(jīng)網(wǎng)路預(yù)測(cè)值的曲線對(duì)比圖。由圖3可知，小波神經(jīng)網(wǎng)絡(luò)整體擬合優(yōu)于GA-BP神經(jīng)網(wǎng)絡(luò)，但GA-BP神經(jīng)網(wǎng)絡(luò)對(duì)于所選擇測(cè)試樣本預(yù)測(cè)更接近于實(shí)際值。小波神經(jīng)網(wǎng)絡(luò)更適用于樣本內(nèi)預(yù)測(cè)，因此采用GA-BP神經(jīng)網(wǎng)絡(luò)對(duì)樣本外的數(shù)據(jù)進(jìn)行預(yù)測(cè)。本文采用的是滾動(dòng)輸入法來進(jìn)行預(yù)測(cè)，在短期內(nèi)的預(yù)測(cè)相對(duì)準(zhǔn)確，所以僅對(duì)2019年和2020年發(fā)生的煤礦事故進(jìn)行預(yù)測(cè)。GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)2019年和2020年的煤礦事故數(shù)量分別是199起和176起。

預(yù)測(cè)值與真實(shí)值

【參考文獻(xiàn)】：
期刊論文
[1]基于神經(jīng)網(wǎng)絡(luò)的除塵器故障診斷[J]. 張力,李江生,李建龍,陳怡瀟.  礦業(yè)安全與環(huán)保. 2020(01)
[2]基于小波神經(jīng)網(wǎng)絡(luò)的PM2.5濃度預(yù)測(cè)模型[J]. 章雅楠,孫建平.  電力科學(xué)與工程. 2020(01)
[3]2000—2017年我國(guó)煤礦重特大水災(zāi)事故規(guī)律分析[J]. 吳金剛,毛俊睿,柴沛.  煤礦安全. 2019(10)
[4]基于TimeSeries-Markov模型的煤礦瓦斯事故起數(shù)預(yù)測(cè)[J]. 王玉麗,袁梅,李闖,許石青,楊萌萌,徐林.  中國(guó)礦業(yè). 2017(12)
[5]基于GMM模型的煤礦頂板事故致死人數(shù)預(yù)測(cè)[J]. 李闖,袁梅,王玉麗,許石青,楊萌萌.  工業(yè)安全與環(huán)保. 2017(08)
[6]基于改進(jìn)無偏灰色馬爾科夫模型的煤礦事故死亡人數(shù)預(yù)測(cè)[J]. 栗婧,宋天寶,王亞然.  煤炭技術(shù). 2017(08)
[7]煤礦事故預(yù)測(cè)的馬爾可夫SCGM（1,1）c模型的建立與應(yīng)用[J]. 蘭建義,喬美英,周英.  安全與環(huán)境學(xué)報(bào). 2016(05)
[8]基于無偏灰色馬爾科夫模型的煤礦事故死亡人數(shù)預(yù)測(cè)[J]. 李紅霞,車丹丹,李琰.  煤礦安全. 2016(01)
[9]我國(guó)煤礦事故死亡人數(shù)組合預(yù)測(cè)及行業(yè)比較[J]. 李賢功,萬猛,周晶,樊坤坤.  礦業(yè)安全與環(huán)保. 2015(04)
[10]煤礦事故預(yù)測(cè)的指數(shù)平滑-BP神經(jīng)網(wǎng)絡(luò)混合模型研究[J]. 武曉旭,龔孔成,賈明濤.  中國(guó)安全生產(chǎn)科學(xué)技術(shù). 2014(09)



本文編號(hào)：3639466