【摘要】：為有效預(yù)測與防治煤礦沖擊地壓災(zāi)害的發(fā)生,將聲發(fā)射技術(shù)與神經(jīng)網(wǎng)絡(luò)結(jié)合,把聲發(fā)射活動的特征參數(shù)作為基礎(chǔ)數(shù)據(jù),針對BP神經(jīng)網(wǎng)絡(luò)收斂速度慢且易陷入局部極值等問題,改進BP神經(jīng)預(yù)測網(wǎng)絡(luò)。采用粒子群優(yōu)化算法對BP神經(jīng)網(wǎng)絡(luò)進行優(yōu)化,利用粒子群算法訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值。結(jié)果表明:在訓(xùn)練誤差均要求達到0.001的情況下,與未經(jīng)優(yōu)化的傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)相比,粒子群優(yōu)化過的BP神經(jīng)網(wǎng)絡(luò)的收斂速度要較其加快了4~5倍,證明該預(yù)測方法具有收斂速度快,預(yù)測精度高等特點,在煤礦沖擊地壓預(yù)測的應(yīng)用中具有可行性與有效性,為煤礦災(zāi)害的預(yù)測提供了理論支持。
[Abstract]:In order to effectively predict and prevent the occurrence of rock burst disasters in coal mines, the acoustic emission technology and neural network are combined, the characteristic parameters of acoustic emission activities are taken as the basic data, and the convergence speed of BP neural network is slow and it is easy to fall into local extremum. Improved BP neural prediction network. Particle swarm optimization (PSO) algorithm is used to optimize BP neural network. PSO is used to train the weights and thresholds of BP neural networks. The results show that the convergence speed of the BP neural network optimized by particle swarm optimization is 4 ~ 5 times faster than that of the traditional BP neural network, when the training errors are all required to reach 0.001. It is proved that this prediction method has the characteristics of fast convergence and high prediction accuracy. It is feasible and effective in the application of coal mine rock burst prediction, which provides theoretical support for the prediction of coal mine disaster.
【作者單位】： 遼寧工程技術(shù)大學(xué)電氣與控制工程學(xué)院;遼寧工程技術(shù)大學(xué)安全科學(xué)與工程學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(51274118,61601212) 遼寧省重點實驗室資助項目(LJYL014) 遼寧省教育廳基金資助項目(16-1093)
【分類號】：TD324

【相似文獻】

相關(guān)期刊論文 前10條

1 鄧建長;劉海波;;對礦山安全評價中神經(jīng)網(wǎng)絡(luò)的改進[J];湖南安全與防災(zāi);2008年05期

2 田敏;謝賢平;侯江;邢冀;;神經(jīng)網(wǎng)絡(luò)在礦業(yè)工程中的若干應(yīng)用進展[J];采礦技術(shù);2008年04期

3 王小完;楊樺;;神經(jīng)網(wǎng)絡(luò)技術(shù)在礦體邊界圈定中的應(yīng)用研究[J];金屬礦山;2009年02期

4 賀康;龐海榮;代粉蕾;;SOM神經(jīng)網(wǎng)絡(luò)在全液壓鉆機液壓系統(tǒng)故障診斷中的應(yīng)用[J];煤礦機械;2011年04期

5 彭泓;高攀;;粗神經(jīng)網(wǎng)絡(luò)在煤與瓦斯突出預(yù)測系統(tǒng)的應(yīng)用[J];儀表技術(shù)與傳感器;2011年11期

6 郭忠平,王志軍,李勇;基于神經(jīng)網(wǎng)絡(luò)的綜合指標(biāo)在煤礦安全預(yù)測中的應(yīng)用[J];煤礦安全;2005年09期

7 劉蘭翠,朱明,楊中;基于神經(jīng)網(wǎng)絡(luò)的時間序列對煤礦安全性的預(yù)測[J];煤炭科學(xué)技術(shù);2002年11期

8 魏一鳴，童光煦;基于神經(jīng)網(wǎng)絡(luò)的品位估值方法及其計算機系統(tǒng)[J];化工礦山技術(shù);1995年02期

9 黃國明，，蘇文智;基于時序預(yù)報神經(jīng)網(wǎng)絡(luò)的斜坡變形預(yù)測方法[J];中國煤田地質(zhì);1996年04期

10 郭科,胥澤銀;神經(jīng)網(wǎng)絡(luò)在地質(zhì)數(shù)據(jù)統(tǒng)計分析中的應(yīng)用[J];四川聯(lián)合大學(xué)學(xué)報(工程科學(xué)版);1999年01期

相關(guān)會議論文 前4條

1 李春文;曹玲芝;張愛芳;;神經(jīng)網(wǎng)絡(luò)PID控制器在提升機控制系統(tǒng)中的應(yīng)用[A];第二十九屆中國控制會議論文集[C];2010年

2 王祥厚;李程遠;;臺階爆破巖石塊度預(yù)測的神經(jīng)網(wǎng)絡(luò)[A];第七屆全國工程爆破學(xué)術(shù)會議論文集[C];2001年

3 李昊;陽春華;王隨平;;集成神經(jīng)網(wǎng)絡(luò)在深海集礦機故障診斷中的應(yīng)用[A];04'中國企業(yè)自動化和信息化建設(shè)論壇暨中南六省區(qū)自動化學(xué)會學(xué)術(shù)年會專輯[C];2004年

4 戚玉亮;王同旭;張振宇;王榮超;;位移反分析的Levenberg-Marquardt BP神經(jīng)網(wǎng)絡(luò)方法研究[A];全國巖土工程反分析學(xué)術(shù)研討會暨黃巖石窟（錦繡黃巖）巖石力學(xué)問題討論會文集[C];2006年

相關(guān)博士學(xué)位論文 前2條

1 雷勇濤;基于神經(jīng)網(wǎng)絡(luò)的提升機制動系統(tǒng)故障診斷技術(shù)與方法[D];太原理工大學(xué);2010年

2 喬國厚;煤礦安全風(fēng)險綜合評價與預(yù)警管理模式研究[D];中國地質(zhì)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 張抗抗;煤礦主通風(fēng)機風(fēng)量調(diào)節(jié)系統(tǒng)的設(shè)計與實現(xiàn)[D];中國礦業(yè)大學(xué);2015年

2 劉志堅;基于BP神經(jīng)網(wǎng)絡(luò)的煤自然發(fā)火預(yù)報系統(tǒng)研究[D];華北理工大學(xué);2015年

3 王圳;基于神經(jīng)網(wǎng)絡(luò)的破碎機傳動系統(tǒng)故障診斷研究[D];遼寧科技大學(xué);2015年

4 蒲春;基于神經(jīng)網(wǎng)絡(luò)的地質(zhì)鉆探工況判別模型研究[D];中國地質(zhì)大學(xué)(北京);2016年

5 佟曦;基于ESN混沌時間序列的RBF神經(jīng)網(wǎng)絡(luò)對浮選經(jīng)濟指標(biāo)的預(yù)測分析[D];遼寧科技大學(xué);2016年

6 朱艷娜;煤礦員工安全行為評價及預(yù)警研究[D];安徽理工大學(xué);2017年

7 李貝貝;神經(jīng)網(wǎng)絡(luò)集成算法研究及其在煤礦安全中的應(yīng)用[D];山東師范大學(xué);2012年

8 袁姝;神經(jīng)網(wǎng)絡(luò)在地震反演中的研究與應(yīng)用[D];西安石油大學(xué);2011年

9 劉銳;非線性神經(jīng)網(wǎng)絡(luò)及其在地學(xué)中的應(yīng)用[D];中國地質(zhì)科學(xué)院;2006年

10 王一兵;基于神經(jīng)網(wǎng)絡(luò)的礦井風(fēng)機故障診斷[D];上海交通大學(xué);2012年

本文編號：2408423