开采煤层自燃危险性预测的人工神经网络方法.pdf

开采煤层自燃危险性预测的人工神经网络方法 第六图书馆 建立了开采煤层自燃危险性预测的人工神经网络模型,采用BP算法编制了计算程序,并选取一个级样本进行了预测模型的训练,“未知 ”样本对训练后的网络模型的验证结果表明了预测的准确性,在此基础上,对南屯煤矿3上煤层进行了自燃危险性预测计算。建立了开 采煤层自燃危险性预测的人工神经网络模型,采用BP算法编制了计算程序,并选取一个级样本进行了预测模型的训练,“未知”样本对 训练后的网络模型的验证结果表明了预测的准确性,在此基础上,对南屯煤矿3上煤层进行了自燃危险性预测计算。人工神经网络 预 测模型 煤层 自然发火 危险性中国矿业大学学报蒋军成 王省身中国矿业大学采矿工程系1997第六图书馆 第六图书馆 第 2 6 卷 第 1 期 1 9 9 7年 3月 中国矿业大学学报 J o u r n a l o f C h i n a Un i v e r s i t y o f Mi n i n g 8 L T e c h n o l o g y Vo 1 ． 2 6 No ． 1 M a r ． 1 9 9 7 一 开采煤层 自燃危险性预测的人工神经网络方法- 整 呈送 堂 皇 中国矿业 大学 采矿 工程系徐州 2 2 1 0 0 8 7 并选取一组样本进行 7预测模 型的训练， “ 未知” 样本对训练后的网络模型的验证结果表明 7预 兰 篓 二 兰 釜 危 。 爱 烂 关 麓 调 自 燃 危 险 性 ， 三 丝 旦 些 ， 型 搓 型 ，开 采 煤 层 仁 、 及 ， 经 中 围 分 类 号 T D25 『 ． 第一作者简介蒋军成， 男， 1 9 6 7年生， I学博士 博士后 煤层开采时 自然发火 与否及其 自然发火的危 险性程度， 不仅取决于煤炭本身的氧化 自燃特性 煤的自燃倾向性 ， 而且还与矿井地质、 开拓、 开 采、 通风等众多因素有关 ． 因此， 对煤层自然发火 危险程度进行科学准确的预测， 应综合考虑众多因 素的影响 ． 近年来， 国际上有很多国家都在尝试寻 求一种综合内外因素共 同作用的判别煤 层 自然发 火危 险程度的方法， 为此做了许多研究工作 ] ．我 国学者也对煤层开采时的自然发火危险性判别进 行了研究， 提出了较多的判别方法， 如模糊聚类分 析法、 灰色系统理论分析法、 计算机模拟法及自然 发火专家系统等 ． 但是， 由于我国煤炭产地分布广 泛 ， 地质赋存条件复杂 ， 要用上述方 法统计总结 出 众多因素对煤层 自燃的影响是很困难的 ． 本文以影响开采煤层 自 燃危险性的三个主要 因素， 即煤炭自身的自燃倾向性 ， 开采煤层的地 质赋存条件 和开拓开采及通风技术条 件 ， 运 用人工神经网络技术， 建立了一种新的开采煤层 自 燃危险性预测的方法 ． 1 自燃危险性预测的人工神经网络模型 1 ． 1 人工神经网络技术简介 人工神经阿络 A N N是 8 0 年代中期迅速兴起 的一门非线性科学， 是国内外学者关注的前沿研究 领域 ． 它在模式识别、 数据处理及自动控制等领域 已经获得了初步应用 ． 神经阿络模型有多种， - 国家自然科学基金资助项目 5 9 3 3 6 1 1 0 收{ 寄日期1 9 9 6 0 6 0 6 目 前主要有两大类 一类是以H o p fi e |d网络模型为 代表的反馈型模型， 主要用于联想记忆及解决非线 性优化问题 } 另一类是以多层感知器为基础的前馈 模型， 主要用于分类、 模式识别、 自组织和联想记 忆， 以B P阿络模型为典型 ． 图 l 所示为一典型的三层前馈网络， 包括输入 层 ， 隐含层和输出层 ．网络执行两个过程 。 学习过 程和预测过程 ．学 习过程 主要是要学 习网络输入 节点 神经元 与输 出节点间的关系 ， 这个过程是通 过对实例的学习不断修正节点问的联系即权重来 完成的 ．预测过程是用学习之后的阿络 ， 给定输入 节点值而求解输出节点值 ． 围 1 开采煤层自燃危险性预测神经网络模型 F i g ． 1 Ar t i f i c ia l n e u r a l n e t wo r k mo d d f or t h e p t l l e t i o n o f o 衄 I 川 啪 t 舶弛O u s c o mb u s t i o n 在煤层自燃危险性预测的实际应用中， 我们采 维普资讯 第六图书馆 第六图书馆 中国矿业大学学报 第2 6卷 用 B P网络模型来进行学 习和预测 ． 1 ． 1 ． 1学 习过 程 网络初始任选一组节点间的连接权 ．对于每 一 实例的学 习分 两步 ， 即前 向传递 F o r wa r d P a s s 和后向传递 B a c k P a s s ． 前向传递包括输入， 并计 算与之相对应的输出值 ． 后向传递包括比较网络 输出与给定输出的误差 ， 然后通过改变连接权重来 减少误差 ．这个校正过程也分两步 先将误差分配 到隐含层节点 ， 再将误差传递到输入层节点 ， 通过 对连接权重的反复修正， 使得网络的输出与目标输 出的误差最小， 从而得到满意的连接权重 ． 其算法 如下r 1 置各连接权或阚值的初始值 W 0 ， 0 A0 为小的随机数值I 2 提供学习用的样本 户 样本的输入 向量 和该样本的 目标输 出向量 ， 对每一样本 户∈ 1 ， 2 ． ． ， P 进行 3 ～5 } 3 计算 网络的实际输出 及隐含层节点 的 状态 一 ∑w q I 4 训练误差的计算 t 输出层a , j 0 1 0 一 d ， 隐 含层 一0 1 0 ∑ H } 5 修正后的权值和阚值 H ， O 1 H ， f 0 W O一 W “ 一 1 ， 口 “ 1 一 O At ， a O j t 一 ￡一 1 I 6 返回 2 ， 输入下一样本 户 { 当 户每历经 1～ P 后， 判断指标是否满足精度要求 ． 这里可取 E ≤ e 很小的正数 ， 若满足要求， 则停止学习， 否则 转到 2 ， 对各样本继续学习 ． 网络的学习过程就是网络节点间连接权的 自 适应 、 自组织过程 ． 上述各步中， 为两个节点 和 问的连接 权{ 为节点的阚值{ 为第 户个样本的网络实际 输出向量I 为第 户个样本的网络目标输出向量{ P为用于学习的样本敷} ， J 为节点的非线性作用函 1 敷， 即， x 一 } 为用第户 个样本学习节 点 的偏差} 为学 习收敛率 ， ∈ 0 ， 1 } 为修正 率{ f 为网络学 习时步 ． 经过多次学习训练后， 获得了稳定的权值矩阵 和阚值向量， 连同网络结构表达了网络输入和输出 向量问的非线性 映射 ， 网络具有了对学 习样本的记 忆、 联想的能力， 就可进行 下一步的预测过程 ． 1 ． 1 ． 2预 测过 程 网络经过学习之后 ， 将待预测样本作为输入向 量代入网络的输入层， 即可预测计算 ． 1 ． 2 基于神经网络的自燃危险性馕测模型 以影响开采煤层 自燃危险性的三个主要因素 煤炭 自身的 自燃倾 向性 ， 开采煤层 的地质 赋存条件 和开拓开采及通风技术条件 弘作为预 测指标， 采用人工神经网络B P 算法， 可建立开采煤 层 自燃危险性 预测的 网络模型 ．自燃危险性判别 的评价集 U一 很危险， 危险， 可能 自 燃， 不自燃 作为模型的输出层节点， 三个预测指标 Y y ， 。 ， 为模型输入层的节点 ． 根据所建立的神经网络预测模型， 采用 B P算 法编制了具有自学 习、 自组织功能的智能化预测软 件S e o p s ． C， 程序流程如图 2 所示 ． 软件通过对样 本 自学 习过程 ， 确定 网络结构 隐含层敷及隐含层 节点数 和网络中连接权的权重与阚值， 将样本的 信息贮存于网络之 中， 据此可进行未知样本的预测 计算 ． 图2 自燃危I 暨陛预测计算流程图 F i g ． 2 F l o w d l a s x a m f o rt h e舯 醯c t i ∞ o f o o d ． 印Ⅸ 如e 口 u s c a 或|曲 为了对网络预测模型进行训练， 我们引用国内 学者对 5 2 个生产矿井煤层自燃危险性分类研究所 采用的样本 - 按自燃倾向性、 地质赋存条件和开 拓开采及通风条件， 将煤层 自燃危险性分成了四 维普资讯 第六图书馆 第六图书馆 第 1期 蒋军成等开采煤层 自燃危险性预测的人工神经同络方法 2 1 类 ， 选取其中的 2 2个样本作为网络学习样本， 另外 2 0个 样本用于验证模 型 ．以 自燃 倾向性 、 地质赋 存条件和开拓开采及通风技术条件的判别得分作 为网络输入层节点 ， 将四类样本的期望输出值依次 置 为 0 ． 9 ， 0 ． 1 ， 0 ． 1 ， 0 ． 1 I 类 很危险 1 0 ． 1 0 ． 9 ， 0 ． 1 ， 0 ． 1 I类危 险 1 0 ． 1 ， 0 ． 1 ， 0 ． 9 ， 0 ． 1 I 类 可能 自燃 a O ． 1 ， 0 ． 1 ， 0 ． 1 ， 0 ． 9 I V 类 不 自燃 ．神经网络的隐含层取为 1层， 节点数取 为 6个 ．甩此网络进行样本的学习， 训练迭代次数 为 8 0 0 0次 ， 收敛度达 0 ． 0 0 1 2 5 ． 经过学 习， 网络完 全正确地识别了所给的学 习样本 ， 建立了判别因素 与危险性等级之间的复杂映射关系 ．对 2 2个 已知 样本的学习结果见表 1 ． 为 了验证学 习后建立的映射关系 ， 将 另外 2 O 个 样本作为。 未知” 样本， 用 已经掌握了 自燃危险性 判别知识信息的网络对其进行判别， 结果见表 2 ． 很显然， 采用神经网络进行预测的结果与实际情况 完全一致 ． 衰 1 2 2个学 习样本 训练” 啊络结暴 Tm h l e 1 Th e r e s u l t o f t ilz e z z e t r k ’ s t r e bl ing t a r 2 2 l e l u n d a g u mp l e s 维普资讯 第六图书馆 第六图书馆 2 2 中国矿业大学学报 第 2 6 卷 2 南屯煤矿 3 煤层自燃危险性预测 3 结束语 根据南屯煤矿 3 煤层煤炭本身的 自 燃倾向 性 、 3 煤层的地质赋 存条件和该矿的开拓开 采及 通风技术条 件进行打分判定 ．自燃倾 向性 6 0 ； 地 质赋存条件 2 5 ； 开拓开采及通风条件 一l O ． 将三 个指标判定结果作为训练后 网络的输入向量 ， 进行 自燃 危 险 性 预 测 计 算， 结 果 为 0 ．0 9 5 0 0 3 ， 0 ． 8 9 9 7 0 1 ， 0 ． 0 9 9 6 9 1 ， 0 ． 1 0 8 5 2 6 ， 显然预测结果为 I 类． 即 3 E 煤层在当前的开拓开采及通风技术条 件下 ， 发生 自燃火 灾的危 险性较大 ．根据 预测结 果， 南屯煤矿在进行 3 煤层开采时， 应加强预防 工作， 有针对地采取预防措施 ． 本 文提 出了煤层 自燃危险性预测的人工 神经 网络方法， 编制的自燃危险性预测软件 S c o p s ． c能 够很好地用于预测计算 ， 准确率高 ．南屯煤 矿 3 煤 层 自燃危 险性的预测计算结果对于该煤 层开采 时的 自然发火预防工作具有一定的指导意义 ．人 工神经 网络预测方法具有较强的分类和判别能力， 所以比较适合于煤层自燃危险性预测一类的判别 问题 ． 随着神经网络理论与技术的进一步发展， 它 必将在矿井通风领域 的预测和判别 问题 中获得广 泛应用 ， 参 考 文 献 1 秦书玉 ． 煤矿内固火灾防治技术 ．沈阳I 东北大学出版社， 1 9 9 3 ． 8 9 9 9 2 陈薷庆．神经网络及其在控制工程中的应用 ． 西安； 西北工业大学出版社． 1 9 9 1 ． 2 5 4 0 3 李英龙． 童光煦 ．人工神经网络及在矿业工程中的应用 ．化工矿山技术， 1 9 9 3 ， 2 3 2 1 9 2 1 M e t h o d o f Ar t i fi c i a l Ne u r a l Ne t wo r k f o r t h e P r e d i c t i o n 0 f C o a l S p o n t a n e o u s C o mb u s t i o n Ji a n g Ju n c h e n g W a n g Xi n gs h e n De p a r t me n t o f Mi n i n g En g ine e r i n g-CUMT，Xu z h o u 2 2 1 0 0 8 Ab s t r a c t A p r e d i c t i o n mo d e l o f a r t i f i c i a l n e u r a l n e t wo r k f o r c o a l s p o n t a n e o u s c o mb u s t i o n i s e s tab l i s h e d ．Us _ i n g B P B a c k Pr o p a g a t i o na l g o r i t h m ，i t s p r e d i c t i o n s o f t wa r e is comp i l e d ．A s e t o f s a mp l e s a r e u s e d t 0 t r a i n t h e p r e d i c t i o n mo d e l a n d t h e v ali d a t i o n o f t h e mod e l i s ma d e o n t h e b a s i s of t h e p r e d i c t i o n r e s u h s f o r t h e“ u Ⅱ _ k n o wn ”s a mp l e s ．The mod e l a n d t h e s o f t wa r e h a v e b e e n u s e d f o r p r e d i c t i n g t h e s po n t a n e o u s comb u s t i o n d a n ． g e r o f t h e 3 - u p p e r c o a l i n Na n t u n C o a l Mi n e ． Ke y wo r d s da n g e r o f s po n tan e o u s comb u s t i o n，a r t i f i c i a l n e u r a l n e t wo r k，p r e d i c t i o n mod e l ，c 0 a I l a v e r 维普资讯 第六图书馆 第六图书馆