本文關(guān)鍵詞：基于PCA-AKH-BP神經(jīng)網(wǎng)絡(luò)的面域相結(jié)合的煤與瓦斯突出預(yù)測模型及其應(yīng)用研究　出處：《太原理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 煤與瓦斯突出預(yù)測 BP神經(jīng)網(wǎng)絡(luò) 主成分分析法 磷蝦算法

【摘要】：煤與瓦斯突出是煤礦主要事故之一。在對歷年數(shù)據(jù)的統(tǒng)計分析中可以看出,在世界范圍內(nèi),我國是發(fā)生煤與瓦斯突出最多的國家,約占到全世界的三分之一。煤與瓦斯突出不僅嚴(yán)重地影響著我國煤炭安全生產(chǎn),而且還嚴(yán)重威脅著礦工生命安全,并造成重大經(jīng)濟損失。因此,準(zhǔn)確預(yù)測預(yù)報煤與瓦斯突出事故具有重要的意義。由于目前人們對煤與瓦斯突出機理認識還不完善、還不能完全采用單一物理量指標(biāo),運用解析的方法準(zhǔn)確預(yù)測煤與瓦斯突出。因此,為了改善我國煤與瓦斯突出事故多發(fā)的現(xiàn)狀,提高突出預(yù)測精度,本文從目前人們對突出機理的基本認識及影響突出的基本因素出發(fā),并結(jié)合《防治煤與瓦斯突出規(guī)定》中規(guī)定的區(qū)域(域)預(yù)測方法與工作面(面)預(yù)測方法及其指標(biāo)體系,提出了新的預(yù)測指標(biāo)體系和基于PCA-AKH-BP神經(jīng)網(wǎng)絡(luò)的煤與瓦斯突出預(yù)測方法,即面域相結(jié)合的采掘工作面煤與瓦斯突出預(yù)測新方法。主要研究結(jié)論如下:1.概括了現(xiàn)階段主流的煤與瓦斯突出機理,總結(jié)了煤與瓦斯突出預(yù)測方法的研究現(xiàn)狀,分析了部分現(xiàn)有假說和預(yù)測方法的不足之處,闡述了煤與瓦斯突出面域化預(yù)測方法研究的必要性以及現(xiàn)實意義。2.分析了傳統(tǒng)預(yù)測指標(biāo)的缺陷及影響煤與瓦斯突出的影響因素,提出了面域化相關(guān)聯(lián)的新的煤與瓦斯突出預(yù)測指標(biāo)體系。預(yù)測中運用變化率代替指標(biāo)值來剔除量綱對預(yù)測結(jié)果準(zhǔn)確性的影響,變化率相較于指標(biāo)值更能反映對突出的影響性;增添了一些現(xiàn)場容易直接測量而又未被采納的預(yù)測指標(biāo);運用主成分分析法對指標(biāo)體系進行了預(yù)處理,消除了各指標(biāo)間的相關(guān)性。3.BP神經(jīng)網(wǎng)絡(luò)在煤與瓦斯突出面域化預(yù)測中易陷入局部最小值、收斂速度慢、網(wǎng)絡(luò)不穩(wěn)定,總結(jié)了部分學(xué)者的改進方案,分析了各方法的利弊之處,提出了利用改進磷蝦算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的思想,建立了基于PCA-AKH-BP神經(jīng)網(wǎng)絡(luò)的采掘工作面區(qū)域內(nèi)的煤與瓦斯突出預(yù)測模型。4.根據(jù)西坡煤礦4+5號煤層一采區(qū)突出預(yù)測指標(biāo)實測值,基于PCA-AKH-BP神經(jīng)網(wǎng)絡(luò)預(yù)測了采掘工作面的突出危險性,預(yù)測結(jié)果與實際一致。與傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型相比較,本文提出的基于PCA-AKH-BP神經(jīng)網(wǎng)絡(luò)的面域化的預(yù)測模型速度更快、預(yù)測結(jié)果更準(zhǔn)確、現(xiàn)場使用更便捷。
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TD713.2

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王昱舒;吳世躍;李文明;;特殊頂板下回采工作面瓦斯涌出量預(yù)測[J];煤炭技術(shù);2017年04期

2 郭偉;高岳林;劉沛;;一種自適應(yīng)慣性權(quán)重的改進磷蝦群算法[J];太原理工大學(xué)學(xué)報;2016年05期

3 張明杰;張凱;賈天讓;;安-鶴煤田水文地質(zhì)條件對瓦斯賦存影響[J];煤炭技術(shù);2016年08期

4 撒占友;劉巖;劉杰;;基于EMD-ARMA的礦井瓦斯涌出量預(yù)測[J];煤礦安全;2016年07期

5 孫晨;李陽;李曉戈;于嬌艷;;基于布谷鳥算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型的股價預(yù)測[J];計算機應(yīng)用與軟件;2016年02期

6 李常洪;趙偉棟;;基于狼群算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)[J];科技創(chuàng)新與生產(chǎn)力;2016年01期

7 李孜軍;林武清;陳陽;;基于AGA-BP神經(jīng)網(wǎng)絡(luò)的采空區(qū)危險性評價[J];中國安全生產(chǎn)科學(xué)技術(shù);2015年07期

8 行鴻彥;鄒水平;徐偉;張強;;基于PSO-BP神經(jīng)網(wǎng)絡(luò)的濕度傳感器溫度補償[J];傳感技術(shù)學(xué)報;2015年06期

9 杜振寧;;布谷鳥搜索算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測[J];電子技術(shù)應(yīng)用;2015年03期

10 付華;謝森;徐耀松;陳子春;;基于ACC-ENN算法的煤礦瓦斯涌出量動態(tài)預(yù)測模型研究[J];煤炭學(xué)報;2014年07期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 王維博;粒子群優(yōu)化算法研究及其應(yīng)用[D];西南交通大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前7條

1 秦燃;基于主成分分析的BP神經(jīng)網(wǎng)絡(luò)礦井瓦斯涌出量預(yù)測研究[D];北京交通大學(xué);2015年

2 張小瓊;基于改進螢火蟲群優(yōu)化算法的BP神經(jīng)網(wǎng)絡(luò)研究[D];廣西大學(xué);2015年

3 尚鵬;基于多指標(biāo)加權(quán)灰靶決策的煤與瓦斯突出預(yù)測指標(biāo)研究[D];遼寧工程技術(shù)大學(xué);2014年

4 雷艷玲;煤與瓦斯突出預(yù)測SOM-SVM模型[D];西安科技大學(xué);2012年

5 陳全秋;遺傳算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合在煤與瓦斯突出危險預(yù)測中的應(yīng)用研究[D];太原理工大學(xué);2010年

6 仇海生;突出預(yù)測敏感指標(biāo)及臨界值確定研究[D];煤炭科學(xué)研究總院;2009年

7 羅秋敏;基于模糊神經(jīng)網(wǎng)絡(luò)的模糊規(guī)則獲取方法[D];大連交通大學(xué);2004年

，

本文編號：1307981