煤自然发火是导致煤矿火灾的重要原因之一,不仅制约了煤炭经济的发展,也为煤矿正常生产埋下了极大的安全隐患。做好煤炭自然发火早期预测预报至关重要。在研究了煤炭自然发火机理作用,以及煤炭自然发火预测领域的现状后,提出了一套基于LVQ神经网络的煤层自然发火预报系统。LVQ神经网络的煤自然发火预报系统大体可分为如下几个环节:第一,采取束管集气系统将矿井下检测到的气体传送于色谱仪,第二,应用色谱仪对采集到的气体进行分析,得到各检测点的指标气体浓度数据,第三,经过色谱工作站对指标气体浓度数据进行强化处理后,将数据以Excel文件的形式通过局域网,结合数据文件同步传输软件,实时自动传输于训练好的LVQ神经网络中。第四,通过网络对指标气体浓度数据的分析,评判该监测点煤层是否自然发火,与此同时结合温度传感器测得的温度值,对监测点煤层是否自然发火做出综合评判。基于唐山东欢坨煤样氧化实验数据,通过矩阵实验室(MATLAB)创建LVQ网络并进行仿真分析。选取CH4/CO、O2/CO2、CO/O2三组标志气体浓度比来作为网络输入,选取标志气体浓度比作为网络输入可以最大限度的降低矿井通风散热对标志气体浓度的影响,从而能在一定范围内提高煤自然发火预报准确度。未发火与发火作为网络的输出分别用1和2来表示。通过仿真分析采用LVQ神经网络比BP网络模型在处理束管集气装置从煤层中采集的指标气体浓度并作出自然发火预测预报中,更具快速性、稳定性及准确性。当向网络输入训练样本以外的其他指标气体浓度数据时,网络会迅速对煤层自然发火与否做出准确预报。采用LVQ神经网络模型能够有效克服指标气体浓度数据难以采取复杂数学建模的问题,可以有力解决束管系统易受通风条件影响的缺陷,明显提高了煤自然发火预报的正确率,为煤层的自然发火的预报提供了新的有力依据。