BP神经网络在瓦斯预警中的应用.pdf

人工神经网络 A r t i f i c i a l N e u r a l N e t w o r k ，简称A N N ，又称并行 分布式处理 P a r a l l e l D i s t r i b u t e d P r o c e s s i n g ，是指用大量的简单计算单 元 即神经元 构成的非线性系统，它在一定程度和层次上模仿了人脑 神经系统的信息处理、存储及检索功能，因而具有学习、记忆和计算 等智能处理功能 。本文首先对B P 神经网络和算法进行说明，根据 B P 算法建立瓦斯浓度预测模型，并对模型进行了训练和仿真。 1 9 8 6 年，R u me l h a r t 提出了反向传播（B a c kP r o p a g a t i o n ）学习算 法 。该算法除考虑最后一层外，还考虑网络中其它各层权值的变 化，使得算法适用于多层网络，是目前广泛应用的神经网络学习算法 之一。采用误差反向传播算法（E r r o r B a c k - p r o p a g a t i o nA l g o r i t h m ） 的多层前馈人工神经网络称为B P 网络或B P 网络模型。 （1 ）B P 神经网络模型。B P 网络模型通常由三部分组成输入 层、隐含层、输出层 ，如图1 所示。设有 一个3 层B P 神经网络，输入层n 个节点，输 出是X ；输出层m 个节点，输出是O；隐 含层k 个节点，输出是Y。 B p 模型的工作过程可分为学习训练过 程和预测回想过程。学习训练过程又由输 入信息的正向传播和误差的反向传播两个 过程组成。 在B P 神经网络模型中，输入节点与 输出节点是由问题的本身决定的，关键在 于隐藏的层数和隐藏节点的数目。 对于隐含层的层数，著名的K o l mo g o r o v 定理证明了只要隐含层 节点足够多，一个隐含层的神经网络就可以以任意精度逼近一个非线 性函数。因此，通常采用三层的网络，即只有一个隐含层。 （2 ）B P 算法思想。B P 算法的基本思想是利用迭代最小二乘学习 算法 ，在网络的学习过程中采用梯度搜索技术，利用向后传播来修 正权值，从而实现网络的实际输出与期望输出的均方误差最小化。 （3 ）B P 算法。B P 算法的神经元所用的转换函数必须是处处可导 的，一般使用s i g m o i d 函数，能将（- ， ）的输入分别映射到分区 （0 ，1 ）中，传统B P 神经网络的s i g m o i d 函数为 （1 ） 式中x 输入变量。处理单元的输入、输出值可连续变化。 隐含层节点输出模型 （2 ） 输出层节点输出模型 （3 ） 用实际输出与期望输出的方差作为相应的误差测度 （4 ） 按最速下降法，要对隐层或输出层权值W进行调整，以求得E 的 极小点，故有 （5 ） 瓦斯浓度值是一种离散时间序列数据。设第t 时刻的瓦斯浓度为 X，则X f X 其中X XXX ⋯. X 。f x 为一非线性连续函 数。f x 刻画了生成这一时间序列的动态机制。只要找到合适的f x ， 就能对这一时间序列做出适当的预测。而B P 网络对非线性函数的逼 近特别适合，对于这种高度的非线性关系，选取B P 网络建模，既清 晰又明了。 瓦斯浓度预测模型采用B P 神经网络模型，输入是X （X X X⋯. X ），输出端的教师信号是X。 选取一些匹配对 X, X 作为训练样 本，学习后的f x 便可作为一预测 器，对未来的瓦斯浓度做出预测。 建立预测模型，选用三层结构B P 网络输入层、一个隐层和输出 层，进行预测。其中，输入层表 示当前时间前五个间隔时间点瓦 斯浓度的观测值。输出层表示当 前时间起间隔时间点后的瓦斯浓 度观测值。各层之间的节点采用全互连方式，同层内的节点不连接。 从输入层到隐含层和隐含层到输出层的传递函数均采用S 型函数。具 体的网络结构图如图2 所示。 （1 ）模型初始参数和样本的选取。初始权值和阈值是随机函数 生成，设置系统误差为小于0 . 0 0 1 。网络结构是5 - 9 - 1 （即输入层节点 数为5 个，隐含层节点数为9 个，输出层节点数为1 ）。通过调研相关 资料，样本是选取乌兰煤矿5 3 4 4 综采面的瓦斯浓度的时间序列观测 值，其某段时间内的时间序列如表1 所示。选取间隔时间为3 m i n 的观 测值得到了1 8 组基础数据。其中1 5 组数据是用来用做模型的训练，剩 下的三组数据是用来对模型进行测试。 （2 ）网络的训练。本文在网络训练过程中使用的是Mt a l a b 7 软件 对B P 神经网络进行训练。采用选取的样 本数据和确定的网络模型参数进行网络 训练。训练误差曲线见图3 ，由图可见 经过训练后网络的误差达到了预定目标 （即小于0 . 0 0 1 ）。 （3 ）网络的仿真。B P 神经网络的 训练好以后，我们把后三组测试数据样 本用来网络的测试。测试结果如下表2 所示。 由表2 可知道三个样本的平均相对误差率为1 . 4 8 4 2 。 [ 1 ] [ 2 ] [ 3 ] [ 4 ，5 ] [ 6 ] tt 6 6 1 B P 神经网络和算法 2 瓦斯浓度预测模型建立 3 瓦斯浓度预测模型的训练和仿真 nm k ttt - 1 、t - 2 、t - 3t - t 1 、2 、 356 6 式中- 输入层到隐含层的连接权； - 隐含层节点的阀值；- 隐含层 到输出层的连接权； - 输出层节点的阀值； 表1 某段时间内的时间序列 （转9 6 页） 81 2 0 1 0 年第5 期 BP神经网络在瓦斯预警中的应用 董科张志明 （西安航空技术高等专科学校计算机工程系） 摘要 关键词 煤矿安全是当前安全生产工作中的重中之重，而瓦斯浓度灾害是威胁煤矿安全生产中最严重的一种自然灾害。通过B P 神 经网络建立对瓦斯浓度预测模型，确定B P 神经网络的网络结构和参数，运用1 8 组样本数据可对模型进行训练和仿真。 B P 神经网络瓦斯浓度预警 图2 瓦斯浓度预测的B P 网络结构 1 25 图1 B p 神经网络模型 输入层隐含层输出层 技 术 创 新 图3 训练误差曲线 内江科技 96 2 0 1 0 年第5 期 1 管道直饮水系统的技术优势 2 直饮水净水工艺介绍 3 管道直饮水项目的推广及经济性分析 与瓶（桶）装水相比，管道直饮水具有更为明显的工业化特 征，目前，传统的自来水系统正面临着来自多方面的威胁。 （1 ）无论是地表水源还是地下水源，受整体环境恶化，工业废 水、生活污水的不当排放等。 （2 ）传统的“混凝- - 沉淀 或澄清 - - 过滤- - 加氯消毒”的水 处理工艺，对水体中的溶解性有机物和低分子物质难以去除，而这 些物质中有些就具有“三致”特性。 （3 ）残留在水体中的“三致”等微量有机物，经氯化消毒后， 其危害性有增强趋势，且余氯直接导致自来水出水感观难尽人意。 （4 ）由于城市供水管道均有相当长的历史，各种杂质和微生物 粘附在管道内壁，二次污染的可能性较大。另外，小区的蓄水池、 加压泵站、屋顶水箱及二次管网的管理等，也对自来水水质产生着 不同程度的影响。针对此，管道直饮水系统在水处理工艺上，采用 吸附、氧化、生物降解和膜滤等方式，经过科学组合，对原水进行 深度处理，使得出水水质完全符合C J 9 4 2 1 9 9 9 饮用净水水质标准。 在材料选择、设备使用上，管道直饮水系统采用绿色环保管材如无 规共聚聚丙烯 P P 2 R 管、交联聚乙烯 P E X 管等，阀门、水箱等采 用不锈钢制品，从根本上杜绝了二次污染的产生。在输水方式上， 通过采用微机变频恒压供水设备循环给水，管道直饮水系统实现连 续调节，从而进一步保障出水水质的安全可靠。 管道优质水项目采用的净水工艺常见如下自来水→一级处理 →二级处理→三级处理→精处理→膜分离→杀菌消毒→微滤→用 户。 （1 ）一级处理。主要去除水中较粗颗粒和杂质，常用的方法是 采用一定规格的石英砂、锰砂、白煤屑和其他砾石。 （2 ）二级处理。采用优质椰壳活性炭，利用过滤和吸附的原 理，去除水中的异味、余氯、悬浮物和有机物等杂质。 （3 ）三级处理。采用钠离子交换树脂，置换水中的钙、镁离 子，从而降低水的硬度。 （4 ）精处理。俗称保安过滤，常采用过滤精度为5 μm的中空 纤维，继续净化水质，延长和保护膜的使用寿命。 （5 ）膜分离。通常选择某一项至二项过滤膜，其中有微滤 MF ，钠滤 N F ，超滤 U F ，逆渗透 R O 等，工艺上按照用户对 水质不同的要求选择膜的类型，其中逆渗透能有效除盐和有机物。 经过上述多级净化的水质，完全达到优质直饮水的卫生要求。 为了进一步保证整个系统水的质量，在最后一级中，增设杀菌、消 毒和微滤装置，从而确保了管网中优质直饮水的卫生要求。 目前，优质直饮水系统采用的技术和设备，都已十分成熟，特 别是一级至三级处理，我国已有四五十年的可靠经验和技术。膜分 离装置是一项高科技技术，国内已有二十余年的历史, 膜技术已接近 国际先进技术水平；另外，在市场的竞争圈中，美国、德国、日 本、南韩等国家有成熟的技术和设备，可以完全满足净水工艺的要 求。 （1 ）近几年来，各地不同档次的房地产住宅开发了不少，销售 得也不错，如能在房地产开发中增加分质供水项目，不但可以成为 商品房的卖点，而且日后的利润也相当可观。 下面以5 0 0 户住宅楼为例，对初投资及运行情况作一分析优质 直饮水工程的成本包括直饮水生产设备、管网系统及工程费、其 他配套设施，5 0 0 户住宅楼每户面积按1 0 0 ㎡计，主机设备、管网及 配套设备总投资约为1 0 元～1 5 元/ ㎡ ；从运行成本来看，每1 L 水运 行成本约0 . 0 1 元，每1 L 水售价0 . 0 3 元，则每升水的利润约为0 . 0 2 元， 也就是说，如果用户不交初装费，5 0 0 户住宅楼仅直饮水一项年净 收益可达3 6 万元左右，2 年～3 年可收回成本，如初装费以2 0 0 0 元 计，则楼房全部售出即全部收回成本。 （2 ）管道直饮水可引入一些宾馆、酒店，以提高其消费层次从 而带来效益；直饮水作为一种优质饮用水不但可满足生饮需要，用 于泡茶、做饭甚至洗衣，其味道或效果都是自来水无以伦比的。桶 装水成本较高，且一旦打开的时间过长，其水质往往难以保证。直 饮水是在闭合管道中不停地循环，不停地进行消毒处理，也就是 说，无论你打开哪个直饮水龙头，放出的均是活水。 （3 ）管道直饮水作为一项公益性事业可安装在城市的公共广 场、车站，学校的运动场、校园或教学楼、图书馆内，其优点有 ①方便外出的行人随时能喝上干净的饮水，提高一些公共区域居民 的生活及卫生水准。②室外直饮水机可根据所安装场所的文化氛围 制成不同的艺术造型，起到了街头雕塑的作用。 （收稿日期2 0 1 0 - 0 3 - 1 5 ） 管道直饮水系统浅论 陈华福 （广东省梅州市五华县自来水总公司） 摘要 关键词 结合近年来的工程实践经验，介绍了管道直饮水系统的技术优势以及直饮水净水的工艺方法，并对其进行了经济性分 析，以使该系统广泛推广应用。 管道直饮水净水工艺 系统 技 术 创 新 （接8 1 页）仿真结果表明，该模型的预测能力较强，可见本文的网络 建立是成功的。 本文主要对瓦斯灾害预测预警模型进行研究。介绍了B P 网络神 经及其算法。并且在此基础上将具有高度非线性映射的B P 神经网络 应用到瓦斯爆炸和煤与瓦斯突出的建模中，运用1 8 组样本数据对模型 进行了训练和仿真。结果表明，对预测样本预测结果跟实际结果相吻 合，进一步说明B P 神经网络性能良好，并随着学习样本的增多，预 测精度和泛化能力将进一步提高。 表2仿真结果 4 小结 参考文献 作者简介 [ 1 ] 韩力群. 人工神经网络理论、设计及应用. 北京化学工业出版 社，2 0 0 4 , 2 4 - 9 [ 2 ]施矢亮，刘宝深. 基于神经网络的煤矿安全性预测模型及应用. 中 国安全科学学报，1 9 9 9 , 9 3 3 4 - 3 7 [ 3 ]田丰，孙小平等. 基于B P 神经网络的浓度传感器非线性校正. 计算 机工程与应用，2 0 0 5 , 3 2 2 6 - 2 2 8 [ 4 ] 杨晓波. 自组织神经网络在织物折皱等级评定中的应用[ J ] . 江南大 学学报 自然科学版 ，2 0 0 3 , 2 3 2 7 4 - 2 7 8 [ 5 ] 白云，刘珊珊. 基于A r c I MS 的We b G I S 设计与开发原理[ J ] . 测绘与 空间地理信息，2 0 0 5 , 1 6 7 2 一5 8 6 6 . 董科（1 9 8 0 - ），硕士研究生。研究方向计算机通信。 内江科技