本文選題：礦井突水 + 水源判別�。� 參考：《自然災害學報》2017年05期

【摘要】：突水水源判別是礦井防治水工作的重要環(huán)節(jié)。為準確有效地判別礦井突水水源,選取k++Na+、Ca2+、Mg2+、Cl-、HCO-3、SO2-46種離子作為判別突水來源的依據。對粒子群的慣性權重、兩個學習因子進行非線性和線性改進,并引入變異算子對粒子的飛行速度進行改進,提高了標準粒子群(SPSO)算法的性能,確保了粒子群在進化過程中的多樣性。運用改進的粒子群(MPSO)算法優(yōu)化BP神經網絡的初始權值與閾值,以某礦的20組水源樣本作為訓練樣本進行學習與訓練,并用建立好的MPSO-BP突水水源判別模型對6組待測樣本進行判別,并對適應度進化曲線和判別結果進行詳細的分析與推理。應用結果表明:相比于SPSO算法,MPSO算法在優(yōu)化BP神經網絡過程中具有全局搜索能力更強、收斂速度更快、精度更高的優(yōu)點,能夠有效克服SPSO算法易早熟收斂的缺點;MPSO-BP模型應用于礦井突水水源的判別具有可行性,其判別結果的精度及穩(wěn)定性明顯優(yōu)于BP模型和SPSO-BP模型,其具有判別泛化性更強的特點。因此,該方法在判別礦井突水水源方面具有一定的實用價值與開發(fā)潛力。
[Abstract]:Water inrush water source discrimination is an important link in mine water prevention and control work.In order to accurately and effectively distinguish the source of water inrush from coal mine, the source of water inrush is based on the K Na Ca 2 + Ca 2 + mg 2 + Cl-HCO-3O 2 so 2-46 ions.For the inertia weight of particle swarm, two learning factors are nonlinear and linear improved, and mutation operator is introduced to improve the flying speed of particle, which improves the performance of standard particle swarm optimization (SPSO) algorithm.This ensures the diversity of the particle swarm in the course of evolution.The improved particle swarm optimization (MPSO) algorithm is used to optimize the initial weights and thresholds of BP neural network. Twenty groups of water source samples from a mine are used as training samples for learning and training.Six groups of samples were identified by using the MPSO-BP water inrush water source discriminant model, and the evolutionary curve of fitness and the discriminant result were analyzed and inferred in detail.The application results show that compared with SPSO algorithm, it has the advantages of better global searching ability, faster convergence speed and higher precision in optimizing BP neural network.It is feasible to apply MPSO-BP model to distinguish mine water inrush source, and its accuracy and stability are obviously better than those of BP model and SPSO-BP model.Therefore, this method has certain practical value and development potential in distinguishing mine water inrush source.
【作者單位】： 河南工程學院安全工程學院;河南理工大學安全科學與工程學院;
【基金】：國家自然科學基金資助項目(51604091) 煤礦災害預防與控制河南省高校重點實驗室培育基地建設經費資助(200925) 河南省高等學校重點科研項目(18A440010) 河南工程學院博士基金資助項目(D2015025)~~
【分類號】：TD745.2;TP18

【相似文獻】

相關期刊論文 前10條

1 張長文,付斌,徐毅;礦井突水問題的研究[J];煤炭技術;2004年05期

2 程慧慧;秦晶晶;;礦井突水的災害及防治[J];科技創(chuàng)新導報;2008年32期

3 崔祥琨;郭盛彬;宋旭;;淺談礦井突水原因及其防治[J];科技資訊;2009年17期

4 李再興;張鳳鳴;龐良;韓國童;;有關礦井突水水源判別方法的探討[J];地下水;2009年05期

5 賈舒;;礦井突水災害分析與防治研究[J];山西焦煤科技;2011年02期

6 王目軍;王術睿;丁凌霄;;淺析礦井突水的預測方法[J];山西焦煤科技;2012年02期

7 吳進軍;;煤礦礦井突水的原因及防治措施[J];技術與市場;2014年04期

8 樊京周,李化玉,謝拂曉,潘國營;模糊概率法在識別礦井突水水源中的應用[J];中州煤炭;2000年06期

9 李明山,程學豐,胡友彪,路風光,禹云雷;用地下水水質特征模型判別姚橋礦井突水水源[J];礦業(yè)安全與環(huán)保;2001年S1期

10 王連國,宋揚;礦井突水危險性評價模型[J];工程地質學報;2001年02期

相關會議論文 前10條

1 楊新安;章夢濤;;礦井突水失穩(wěn)理論的初步探討[A];水電與礦業(yè)工程中的巖石力學問題——中國北方巖石力學與工程應用學術會議文集[C];1991年

2 楊新安;章夢濤;;巖石力學在研究礦井突水中的應用[A];首屆全國青年巖石力學學術研討會論文集[C];1991年

3 于師建;于紅;程久龍;;直流電法在礦井突水構造優(yōu)勢面理論中的應用[A];1996年中國地球物理學會第十二屆學術年會論文集[C];1996年

4 文增生;史春芝;王軍;;沂源煤田魯村礦井突水危害分析與防治研究[A];第七屆全國煤炭工業(yè)生產一線青年技術創(chuàng)新文集[C];2012年

5 劉小康;;綜合注漿技術在礦井突水治理中應用[A];煤田地質與可持續(xù)發(fā)展研究論文集[C];2003年

6 張春山;;中國礦井突水災害及其形成條件與規(guī)律[A];中國地質科學院562綜合大隊集刊（第11-12號）[C];1994年

7 馮現大;李樹忱;李術才;李利平;;礦井突水模型試驗頂板離層破斷數值模擬研究[A];第2屆全國工程安全與防護學術會議論文集（上冊）[C];2010年

8 高雪;高伯賢;;盤龍礦井突水危險性分析及防治水思路[A];煤礦水害防治技術研究——陜西省煤炭學會學術年會論文集（2013）[C];2013年

9 崔邦軍;;神東礦區(qū)淺埋煤層礦井突水因素分析[A];煤礦水害防治技術研究——陜西省煤炭學會學術年會論文集（2013）[C];2013年

10 樂志軍;寧超;;朝川礦區(qū)礦井突水因素分析[A];中國煤炭學會礦井地質專業(yè)委員會2008年學術論壇文集[C];2008年

相關重要報紙文章 前2條

1 郭儒;山西省煤炭地質局礦井突水災害預警系統(tǒng)研究獲突破[N];中國礦業(yè)報;2011年

2 記者 胡文亮　通訊員 陳丹平 陳曉玫;山西局一國家科技支撐計劃項目通過驗收[N];中煤地質報;2011年

相關博士學位論文 前3條

1 馮治東;礦井突水平行應急管理方法研究[D];西安建筑科技大學;2015年

2 唐守鋒;基于聲發(fā)射監(jiān)測的礦井突水前兆特征信息獲取方法的研究[D];中國礦業(yè)大學;2011年

3 張麗娟;基于OSG的礦井突水應急虛擬仿真系統(tǒng)關鍵技術研究[D];中國礦業(yè)大學（北京）;2014年

相關碩士學位論文 前10條

1 劉棟;基于激光誘導熒光技術的礦井突水監(jiān)測系統(tǒng)研究[D];安徽理工大學;2017年

2 寧彤彬;礦井突水時期最優(yōu)避災路徑研究[D];太原理工大學;2017年

3 張富凱;礦井突水水源判別系統(tǒng)的研究與設計[D];西安建筑科技大學;2011年

4 張洪姣;礦井突水三維可視化應急輔助救援信息系統(tǒng)研究[D];中南大學;2012年

5 焦保國;礦井突水災害預警系統(tǒng)的設計與實現[D];大連理工大學;2014年

6 張群利;基于多源信息融合的巖溶礦區(qū)礦井突水危險性評價[D];中國地質大學;2011年

7 馬雷;基于GIS的礦井突水水源綜合信息快速判別系統(tǒng)[D];合肥工業(yè)大學;2010年

8 聶榮花;基于GIS的礦井突水水源識別算法研究[D];西安科技大學;2011年

9 魯金濤;基于PCA-MSA的礦井突水水源判別算法研究[D];中南大學;2013年

10 馮琳;基于EIM和FCE的礦井突水水源判別研究[D];太原理工大學;2015年

，

本文編號：1736129