為深入研究寶雨山礦瓦斯賦存規(guī)律,依據礦井構造和瓦斯賦存條件,以魯溝背斜為界,將礦井分為東西2個瓦斯地質單元。并利用改進的粒子群算法(PSO)優(yōu)化BP神經網絡模型,通過優(yōu)化后的模型定量化表述不同瓦斯地質單元瓦斯賦存影響因素權重大小。結果表明:改進后的AHPSO-BP神經網絡預測模型與標準BP神經網絡預測模型對比,具有預測精度高、收斂速度快,運行結果相對穩(wěn)定等優(yōu)點:頂板砂地比是影響礦井瓦斯賦存的主控因素,東、西部瓦斯地質單元中煤厚對瓦斯賦存影響差別較大,底板砂地比和褶皺復雜系數對瓦斯賦存影響較小。

【文章頁數】：4 頁

【部分圖文】：

圖1寶雨山井田瓦斯含量分布

寶雨山井田整體處于魯溝背斜的北側傾伏端，區(qū)域大地構造位置屬昆侖-秦嶺緯向構造帶的北支系。礦井主采二1煤層，其沉積之后，先后經歷了印支運動、燕山運動、喜馬拉雅運動等多期構造的改造。其中，印支運動階段魯溝背斜彎滑褶皺作用是造成井田煤體破壞，煤層厚度分布不均的主要原因，燕山運動、喜馬拉....

圖2AHPSO-BP神經網絡計算流程

引入AHPSO算法優(yōu)化BP神經網絡預測模型，提升了模型預測精準度與速度。計算流程如圖2所示。2.2影響因素

圖3瓦斯含量預測結果對比

ω1、ω2——輸入層到隱含層、隱含層到輸出層的連接權值。經過計算瓦斯含量各影響因素權重大小如表3所示，可以看出：對于寶雨山井田，頂板砂地比是影響瓦斯賦存主控因素。東部瓦斯地質單元瓦斯賦存影響因素權重依次為頂板砂地比、埋深、斷層復雜系數、煤厚、褶皺復雜系數和底板砂巖比。西部瓦斯地質....

本文編號：3911814