论文部分内容阅读
煤矿突水作为一种矿井安全生产的自然灾害之一,往往给煤矿安全生产带来严重的损失,制约着煤炭工业的发展和经济效益的提高。探究煤矿突水机理,寻求突水预测的实用理论和方法始终是煤矿安全生产的一项重要内容。煤矿突水是一个极其复杂的非线性动态系统,目前尚无法完全采用精确的数学语言来描述,利用传统的方法和技术很难揭示其内在的规律。BP神经网络(Back-propagation Neutral Network)在模拟和解决非线性问题或非结构问题方面显示出较大的优越性,可以直接利用网络的输入输出变量进行网络训练,达到预测的目的。本文在前人研究的基础上提出遗传算法(Genetic Algorithm, GA)和BP神经网络相结合建立煤矿突水预测模型的思路并对此进行研究。主要研究内容如下:(1)通过对现有的突水预测技术进行研究,分析比较各种方法中的优点和不足,以煤矿突水机理以及影响因素为研究对象,确定了以神经网络为主要预测技术进行研究。(2)本文重点研究遗传算法与BP神经网络相结合的预测模型。首先引入BP神经网络和遗传算法理论,对两种算法的优缺点进行了分析,提出利用遗传算法优化BP神经网络的改进方案,通过对神经网络结构、连接权值、学习规则的优化,建立了遗传算法和BP神经网络相结合的网络预测模型。文中以Matlab为实验平台,将BP神经网络模型和遗传算法与BP神经网络相结合算法模型分别用于煤矿突水预测,以我国某地区煤矿实测数据作为训练样本进行学习和预测,通过不同的仿真图形和实验数据进行对比分析,结果显示两种算法相结合对突水的预测比传统的预测方法容错能力更强、收敛速度更快、预测精度更高,从而证明两种算法的结合是有效的,达到了较满意的结果。(3)最后基于文中预测模型,根据设计目标及用户需求,对矿井突水预测系统进行总体设计,采用B/S框架,实现突水预测系统,完成了预测功能。