【摘 要】
：
煤与瓦斯突出是煤矿的五大灾害之一,预防煤与瓦斯突出是煤炭企业安全生产的关键。瓦斯突出机理模型尚不明确,且瓦斯涌出量为非线性时间序列数据,使得传统的预测方法难以应对瓦斯突出这样复杂的非线性过程。由于神经网络有强大的非线性拟合能力,所以可以通过构建神经网络瓦斯涌出量预测模型,对瓦斯灾害进行有效的防治。为提高瓦斯涌出量的预测精度,本文采用改进的烟花算法（WOFWA）对回声状态网络（ESN）储备池参数选择
论文部分内容阅读
煤与瓦斯突出是煤矿的五大灾害之一,预防煤与瓦斯突出是煤炭企业安全生产的关键。瓦斯突出机理模型尚不明确,且瓦斯涌出量为非线性时间序列数据,使得传统的预测方法难以应对瓦斯突出这样复杂的非线性过程。由于神经网络有强大的非线性拟合能力,所以可以通过构建神经网络瓦斯涌出量预测模型,对瓦斯灾害进行有效的防治。为提高瓦斯涌出量的预测精度,本文采用改进的烟花算法（WOFWA）对回声状态网络（ESN）储备池参数选择过程进行优化的方法,构建基于WOFWA-ESN网络的煤与瓦斯突出预测系统。本文主要研究内容如下:首先,为提高烟花算法的寻优能力,提出一种基于对立学习以及指数递减策略的改进烟花算法。该算法对传统烟花算法主要有两方面的改进:一是用对立学习策略来生成初始烟花种群,即同时产生当前烟花个体和对立烟花个体,然后通过比较将适应度值较好的烟花选作初始种群个体。二是针对原始FWA中爆炸火花的位移方式,引入增强烟花算法中的爆炸火花产生方式以及一个惯性权重因子,从而提高算法的寻优精度和收敛速度。选取4种经典的复杂非线性基准函数作为测试函数,验证WOFWA算法的优越性。其次,针对传统ESN网络储备池相关参数难以确定,导致预测模型精度低的问题,采用WOFWA算法对储备池的4个参数值设置过程进行优化,从而构建基于WOFWA-ESN网络的瓦斯突出预测模型。模型构建的核心是采用WOFWA算法对ESN储备池参数选择过程进行优化,用训练的误差函数代替WOFWA算法中的目标函数进行寻优,然后将算法求得的最优解设置为ESN网络的储备池参数值。实验结果表明,与其他模型相比,本文提出的WOFWA-ESN预测模型的准确性有了显著提高,从而证实了该模型的有效性。最后,在WOFWA-ESN算法研究的基础上,通过PyCharm建立系统界面,调用预测模型,建立煤与瓦斯突出风险等级预测平台,实现瓦斯浓度序列分析以及突出风险等级预测的功能。本平台界面舒适美观,系统使用方便,实用价值和应用前景良好。
其他文献
由于沥青路面本身存在不平整度和裂缝等缺陷,在车辆荷载作用下,造成沥青路面的疲劳寿命降低。本文考虑路面不平整度引起的车路耦合动荷载效应,运用有限元方法对平整不含裂缝、不平整不含裂缝和不平整且含裂缝三种沥青路面结构进行动力响应计算分析。在此基础上利用疲劳寿命预估公式,预测沥青路面的疲劳寿命,分析路面结构设计参数和车辆轴载对疲劳寿命的影响。主要研究内容及结论如下:（1）将车辆简化为二自由度四分之一车辆振
随着世界经济的高速发展,深部岩体工程的开发与利用已经成为地下工程领域研究的重要课题之一。由于深埋岩体工程赋存于典型的“三高一时一扰动”复杂力学环境中,其围岩在多种因素的共同作用下具有显著的流变特征,表现为围岩变形在施作初期支护一段时间后才趋于稳定。因此,研究支护条件下深埋洞室围岩的稳定性及其支护参数优化对确保深埋岩体工程安全施工具有极其重要的现实意义。本文在总结分析国内外研究成果的基础上,以预应力
随着社会经济的不断发展,所需要的能源消耗也越发增加,煤炭资源作为重要的社会资源消耗之一,其开采的安全性和有效性越来越受到关注,在开采过程中能够及时得到煤层中物质信息可以有效的提高开采的安全性和有效性。探地雷达具有较好的穿透性和较快的探测速度,被广泛的用于井下煤层探测。传统的冲激脉冲雷达和单站时间步进频连续波雷达在煤层异质体探测中存在空间分辨率差、时间利用率低的问题,而多输入多输出的空间步进频雷达在
我国西部煤炭基地地处干旱-半干旱地区,水资源匮乏,生态环境十分脆弱。随着西部煤炭基地高产高效开采技术的普及,煤层覆岩表现出新的破坏演化规律。采煤对含水层结构破坏和生态环境影响日益突出。因此,开展煤炭开采过程中覆岩应力场、裂隙场以及渗流场的发育规律研究,对我国西部生态脆弱矿区的煤炭安全、绿色、高效开采具有重要意义。本文以榆神矿区金鸡滩井田首采工作面为研究对象,通过收集整理文献资料,分析了研究区地质环
西安是一个地裂缝十分发育的城市,城市地下综合管廊工程是典型的线性工程。在西安修建综合管廊不可避免的要穿越地裂缝,管廊结构在建设和运营过程中将长期受到地裂缝错动的影响。地裂缝错动下,管廊结构会产生张拉-挤压、张拉-扭剪、剪断等破坏形式及底部出现脱空现象,其中管廊结构底部脱空常伴随其它破坏形式共同发生,是引起管廊结构产生破坏的重要因素。因此,开展管廊结构底部脱空及其受力性能的研究尤为重要。本文以西安某
交通流预测问题主要通过考虑交通流量的历史时间序列特征预测当前目标节点在未来一段时间的交通流量信息。作为智能交通领域的研究热点,对于交通疏导和路径规划等具有重要意义。针对已有的交通网络时空信息特征分析和建模方式的不足,如路网拓扑结构的构建方式不合理、数据特征信息存在单一性,导致不能有效提取城市路网动态的空间依赖关系、挖掘出潜在的交通模式等问题,提出一种基于预测能力得分（Predictive Powe
方管结构在建筑、机械、电力、化工等领域中应用广泛,在国民经济和社会发展方面发挥着巨大作用。方管结构在服役过程中,受载荷和环境等因素影响,极易产生疲劳裂纹和腐蚀等缺陷,及时进行缺陷检测,对预防事故的发生具有重要意义。目前方管结构检测主要采用传统超声的方法,存在检测效率低下的问题。因此,研究高效的方管结构缺陷检测方法,及时准确地判断和识别方管结构的缺陷尤为必要。本文提出利用超声导波的方法对方管结构进行
外周血液中的白细胞检测对于诊治许多疾病有着重要价值。目前，临床上多釆用血细胞分析仪与人工镜检的方式对白细胞进行分类检测。但这种方式效率较低，受镜检人员主观感受影响较大。随着医学影像处理技术的发展，利用图像处理方法对白细胞进行自动分类识别的技术具有较高的实用价值。因此本文提出了一种基于卷积神经网络的白细胞分类识别方法。首先针对白细胞图像采集中染色方式不同及硬件设备影响，出现干扰白细胞图像精确分割的灰
人工智能技术的快速发展,对我国经济向高端制造业和高科技领域转型起到了重大推动作用。然而,诸如卷积神经网络（Convolutional Neural Networks,CNN）等人工智能领域典型算法越来越呈现出计算密集性和访存密集性等高密集特性,给计算芯片处理能力带来巨大挑战。可重构结构同时具有通用处理器的高灵活性和专用硬件的高能效,成为应对高密集型应用处理的有效手段。但是,可重构处理器目前仍然面临
关键设施和关键资产面临着较高的安全风险,一旦遭到非法入侵可能会造成严重的后果。实物保护系统脆弱性评估就是为了验证保护系统的防护性能并识别保护系统的漏洞,从而确保保护目标的安全。实物保护系统评估的方法一般分为两类:定性分析和定量分析。定性分析主要根据功能测试和相关规范进行专家打分评估,定量分析则需要严格的大量的实验以确定系统各个部件的有效性。定量分析的代价高于定性分析,用户可根据实际需要选择对保护系