优化BP神经网络在工作面安全开采中的应用.pdf

收稿日期２０２００７０７作者简介魏玲玲（１９８２－），女，山西长治人，助理工程师，从事煤矿安全管理工作。ｄｏｉ１０．３９６９／ｊ．ｉｓｓｎ．１００５－２７９８．２０２０．０９．００８优化ＢＰ神经网络在工作面安全开采中的应用魏玲玲（潞安矿业集团公司安监局，山西长治０４６２０４）摘要为对工作面的安全开采进行评价分析，保证煤炭开采的安全进行，通过分析煤矿安全开采的影响因素，构建了基于优化ＢＰ神经网络模型的工作面安全开采评价模型，结合有限元仿真软件Ｍａｔｌａｂ对煤矿安全开采与影响因素之间的关系进行了学习训练，并通过样本参数对运算程序进行验证，证明优化ＢＰ神经网络模型能较好地达到预测效果，精准度较高，可以有效地应用于工作面安全开采的评价中。关键词优化ＢＰ神经网络；安全开采；Ｍａｔｌａｂ中图分类号ＴＤ７９；Ｆ４２６．２１文献标识码Ａ文章编号１００５２７９８（２０２０）０９００３７０３ＡｐｐｌｉｃａｔｉｏｎｏｆＯｐｔｉｍｉｚｅｄＢＰＮｅｕｒａｌＮｅｔｗｏｒｋｉｎＳａｆｅＭｉｎｉｎｇｏｆＷｏｒｋｉｎｇＦａｃｅＷＥＩＬｉｎｇｌｉｎｇ（ＷｏｒｋＳａｆｅｔｙＳｕｐｅｒｖｉｓｉｏｎＢｕｒｅａｕｏｆＬｕ＇ａｎＭｉｎｉｎｇＧｒｏｕｐＣｏｍｐａｎｙ，Ｃｈａｎｇｚｈｉ０４６２０４，Ｃｈｉｎａ）ＡｂｓｔｒａｃｔＴｏｅｖａｌｕａｔｅｔｈｅｓａｆｅｔｙｏｆｗｏｒｋｉｎｇｆａｃｅｍｉｎｉｎｇａｎａｌｙｓｉｓ，ｅｎｓｕｒｅｔｈｅｓａｆｅｔｙｏｆｃｏａｌｍｉｎｉｎｇ，ｔｈｒｏｕｇｈｔｈｅａｎａｌｙｓｉｓｏｆｔｈｅｉｎｆｌｕｅｎｃｅｆａｃｔｏｒｓｏｆｃｏａｌｍｉｎｅｓａｆｅｔｙｍｉｎｉｎｇ，ｂａｓｅｄｏｎｏｐｔｉｍｉｚｅｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌｉｓｃｏｎｓｔｒｕｃｔｅｄｏｆｗｏｒｋｉｎｇｆａｃｅｍｉｎｉｎｇｓａｆｅｔｙｅｖａｌｕａｔｉｏｎｍｏｄｅｌ，ｃｏｍｂｉｎｉｎｇｗｉｔｈｔｈｅｆｉｎｉｔｅｅｌｅｍｅｎｔｓｉｍｕｌａｔｉｏｎｓｏｆｔｗａｒｅＭａｔｌａｂｔｏｔｈｅｃｏａｌｍｉｎｅｓａｆｅｔｙｐｒｏｄｕｃｔｉｏｎａｎｄｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｔｈｅｆａｃｔｏｒｓａｆｆｅｃｔｉｎｇｔｈｅｔｒａｉｎｉｎｇ，ａｎｄｉｓｖｅｒｉｆｉｅｄｂｙｓａｍｐｌｅｐａｒａｍｅｔｅｒｓｏｎｔｈｅａｌｇｏｒｉｔｈｍ，ｐｒｏｖｅｔｈａｔｔｏｏｐｔｉｍｉｚｅｔｈｅＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌｃａｎａｃｈｉｅｖｅｂｅｔｔｅｒｐｒｅｄｉｃｔｉｏｎｅｆｆｅｃｔ，ｈｉｇｈｐｒｅｃｉｓｉｏｎ，ｃａｎｂｅｅｆｆｅｃｔｉｖｅｌｙａｐｐｌｉｅｄｉｎｔｈｅａｓｓｅｓｓｍｅｎｔｏｆｍｉｎｉｎｇｓａｆｅｔｙｍｉｎｉｎｇ．ＫｅｙｗｏｒｄｓｏｐｔｉｍｉｚｅＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ；ｓａｆｅｍｉｎｉｎｇ；Ｍａｔｌａｂ我国能源结构中煤炭资源占比最大，且短时间内不会发生改变，但是在煤炭开采过程中伴随着诸多安全事故，严重影响着生产设备的使用寿命以及生产人员的人身安全，如何高效安全地开采煤炭资源是从业人员及研究人员一直关注的问题。但是煤炭资源赋存条件复杂，影响煤炭安全开采的问题也非常多，如影响工作面安全开采的因素有工作面的顶底板含水层、工作面采动效应、煤层埋深、地质构造、瓦斯涌出量、煤层倾角、煤层厚度等等，由于影响工作面安全回采的因素较多，要预测和控制的量较多、计算复杂，因此对于此类问题，许多学者已经进行了一定的研究，所运用的主要方法为利用传统的神经网络模型，综合诸多因素对工作面安全回采做出预测，但是传统神经网络模型存在需要的学习样本较大、计算预测结果误差较大等缺陷。本文基于传统神经网络模型所存在的缺陷，利用优化ＢＰ神经网络建立工作面安全开采预测模型，结合有限元仿真软件Ｍａｔｌａｂ对预测模型进行了模拟计算，为相似条件下的工作面安全回采的预测提供了新的思路与方法。１工程概况山西忻州某矿采用立井与斜井联合开拓方式，目前主采３号与９号煤层，即将布置的工作面煤层埋深标高为＋９９４～＋９５８ｍ，平均埋深为１００ｍ，煤层平均厚度为２．５ｍ，煤层倾角为７～９，为近水平煤层。顶板为粉砂岩，煤层赋存地质构造较简单，工作面瓦斯涌出量为０．５６ｍ３／ｔ，平均涌水量２．６ｍ３／ｈ，采煤工艺为走向长壁后退式一次采全高综合机械化开采法，顶板采用全部垮落法进行管理。２煤矿安全开采影响因素分析由于煤矿在煤炭开采过程中存在错综复杂的不７３成果应用总第２５３期安全因素，使得作业环境较为复杂，形成一个集人员、机械、设备、地质条件、自然环境、采矿工艺于一体的复杂系统，而且各因素与安全隐患之间的关系并不是线性关系，而是一种模糊关系。本文针对影响工作面开采的因素，主要选取地质条件、顶板条件、瓦斯涌出量、煤层倾角、煤层厚度、开采深度、平均涌水量７个因素作为影响工作面安全开采的评价指标。以煤矿安全规程为依据，将评价指标定为五个等级，即Ｉ级、 Ⅱ级、 Ⅲ级、 Ⅳ级、Ｖ级，分别表示安全、较安全、一般安全、不安全、很不安全［１］，各因素的分级标准见表１。表１中的地质条件和顶板条件的取值采用定性指数取值方法，指数级别见表２。表１工作面安全开采的评价指标分级标准分级地质条件ｘ０顶板条件ｘ１瓦斯涌出量ｘ２／（ｍ３ｔ－１）煤层倾角ｘ３／（）煤层厚度ｘ４／ｍ开采深度ｘ５／ｍ平均涌水量ｘ６／（ｍ３ｈ－１） Ⅰ级１１０～５≤１０１．８～２．５≤１００＜１８０ Ⅱ级３３５～１０１２～１８４．５～６．０１１０～２００１８０～３００ Ⅲ级５５１０～１５２５～３５２．５～３．５２５０～３００３００～６００ Ⅳ级７７１５～２５４０～５０６．０～１２３５０～４００６００～９００ Ⅴ级９９≥２５≥５５≥１２≥５００≥１０００表２地质条件和顶板条件指数取值安全程度安全较安全一般安全不安全很不安全相对指数１３５７９３基于优化ＢＰ神经网络模型的工作面安全开采评价模型构建神经网络是一种通过局部接受域完成函数映射的网络，并且网络存在隐含层神经元节点数的确定和隐含层到输出层权值的调整的缺陷［２］，该网络模型所需训练样本较大，且存在较大误差。本文通过对神经网络模型进行优化，在输入层与输出层之间加载一条单向线式连接，通过此连接可以进一步反映出输入层与输出层之间所存在的映射关系［３］，使输入与输出更具有关联性，通过使用最陡下降法和最近邻聚类，只需要通过调整其中的一个变量，就可以完成权值训练［４］，运用该方法对问题进行预测时，所需要的训练样本较少，且能达到更好的训练以及预测效果。图１为传统神经网络模型与优化ＢＰ神经网络模型结构。图１传统神经网络模型与优化ＢＰ神经网络模型结构为对基于优化ＢＰ神经网络模型的工作面安全开采评价模型的训练，选取１０组影响工作面安全开采的样本参数及结果来进行学习训练。样本具体参数见表３。表３中实际结果中００００１表示安全、０００１０表示较安全、００１００表示一般安全、０１０００表示不安全、１００００表示很不安全。表３影响工作面安全回采的样本参数及结果样本编号地质条件ｘ０顶板条件ｘ１瓦斯涌出量ｘ２／（ｍ３ｔ－１）煤层倾角ｘ３／（）煤层厚度ｘ４／ｍ开采深度ｘ５／ｍ平均涌水量ｘ６／（ｍ３ｈ－１）实际结果１１１０．１６３２．５７０１．８００００１２１１１．９６７３．１９０２２．６００００１３３３４．６９１３４．２１２０１６２０００１０４３３８．９９１５５．１１１０２０６０００１０５５５１０．１２２５２．５２００６２００００１０６５５１１．８８３１３．５２４０４８０００１００７７７１４．５６４３６．２３５０６５０００１００８７７２５．１２４９８．８４２０８５００１０００９９９２６．１１４６１０５５０８８０１００００１０９９２９．６４５０１３６５０９６０１００００８３２０２０年９月魏玲玲优化ＢＰ神经网络在工作面安全开采中的应用第２９卷第９期４工作面安全开采评价的Ｍａｔｌａｂ模拟仿真研究结合图１中的优化ＢＰ神经网络模型结构，在Ｍａｔｌａｂ中编写运算程序，将表３中的数据导入Ｍａｔｌａｂ运算程序中进行学习训练，当计算误差小于０．１％时，说明运算程序已经学习训练完成。图２为Ｍａｔｌａｂ运算程序误差曲线。图２Ｍａｔｌａｂ运算程序误差曲线运算程序学习完成后，为验证基于优化ＢＰ神经网络模型编写的运算程序的可靠性，选取４组已知结果影响工作面安全回采的样本参数对运算程序进行验证，比较结果见表４。由表４可以看出在４组样本中，基于优化ＢＰ神经网络模型编写的运算程序得到的预测结果与实际结果相一致，可见优化ＢＰ神经网络模型能够较好地达到预测效果，精准度较高，可以有效地应用于煤矿工作面安全回采的评价中。５工程应用经过学习训练过后的Ｍａｔｌａｂ运算程序已经获得了影响因素与评价结果之间的关系，因此可用在评价煤矿工作面安全开采的评价中。文章背景忻州某矿即将布置的工作面地质条件简单，取值为１，顶板条件取值为３，瓦斯涌出量为０．５６ｍ３／ｔ，煤层倾角平均为８，煤层厚度为２．５ｍ，开采深度为１００ｍ，平均涌水量２．６ｍ３／ｈ，将上述数据代入Ｍａｔｌａｂ运算程序中，经模拟计算得出结果为００００１，说明该工作面的开采安全状况为安全。表４ＢＰ优化神经网络模型预测结果与实际结果比较样本编号地质条件ｘ０顶板条件ｘ１瓦斯涌出量ｘ２／（ｍ３ｔ－１）煤层倾角ｘ３／（）煤层厚度ｘ４／ｍ开采深度ｘ５／ｍ平均涌水量ｘ６／（ｍ３ｈ－１）实际结果预测结果Ｙ－１１１１．１２６１．９８０３５００００１００００１Ｙ－２３３５．５６１２４．８１６０２６００００１００００１０Ｙ－３５５１０．５６２６３．２３２０３４０００１００００１００Ｙ－４７７１６．５４３６８．５４２０５３００１００００１０００６结语１）基于优化ＢＰ神经网络模型编写的Ｍａｔｌａｂ运算程序得到的预测结果与实际结果相一致，可见优化ＢＰ神经网络模型能够较好地达到预测效果，精准度较高，可以有效地应用于煤矿工作面安全回采的评价中。２）经过学习训练过后的Ｍａｔｌａｂ运算程序已经获得了影响因素与评价结果之间的关系，结合忻州某矿工作面已知数据，经过模拟计算，得出工作面的开采安全状况为安全。参考文献［１］王俊，姚多喜．ＢＰ神经网络模型在钱营孜矿３２１２工作面开采安全评价中的应用［Ｊ］．中国煤炭地质，２０１０，２２（Ｓ１）１０７－１１０．［２］裴韶华．基于优化的神经网络模型在矿井瓦斯涌出预测中的应用研究［Ｄ］．太原太原理工大学，２０１４．［３］曹振军．优化神经网络在矿井瓦斯涌出预测中的应用［Ｊ］．现代矿业，２０１７，３３（８）３１１－３１２．［４］姚亚锋，程桦，荣传新，等．基于ＲＢＦ模糊神经网络模型的深厚冲积层立井冻结压力分析与预测［Ｊ］．采矿与安全工程学报，２０１６（１）７０－７６．［责任编辑王伟瑾］９３２０２０年９月魏玲玲优化ＢＰ神经网络在工作面安全开采中的应用第２９卷第９期

版权申诉 word格式文档无特别注明外均可编辑修改；预览文档经过压缩，下载后原文更清晰！ 立即下载

关键词：: 优化 BP 神经网络工作面安全开采中的应用施工组织煤矿开采 20201030170557866964 煤矿开采采矿技术煤矿文库，行业标准法律法规培训课件案例分析规程措施技术规范煤矿论文考试题库技术方案技术标书施工组织技术总结安全管理通知公告设计图纸实用文档图书资料文档下载在线阅读视频课程培训视频

矿业文库所有资源均是用户自行上传分享，仅供网友学习交流，未经上传用户书面授权，请勿作他用。