论文部分内容阅读
我国是以煤炭为主要能源的国家,目前以及未来的几十年内煤炭在我国的一次能源结构中将仍占很大比例。然而煤与瓦斯突出作为一种煤矿安全生产的自然灾害之一,严重威胁着矿工的生命安全,制约着煤炭工业的发展和经济效益的提高。鉴于煤与瓦斯突出的影响因素众多、突出机理仍不明确和突出灾害日益加重的现状,本文在前人研究的基础上提出了遗传算法和BP神经网络相结合建立煤与瓦斯突出危险预测模型的思路并对此进行了研究。其主要研究内容如下:1、阐述了国内外煤与瓦斯突出预测的现状和突出预测的必要性及深远意义,分析了突出预测研究中存在的问题,肯定了以煤与瓦斯突出机理为理论基础,以神经网络为平台的研究方案。2、论述了煤与瓦斯的突出机理、发生条件和一般规律,并以此理论和规律,借助BP神经网络理论和Matlab程序语言设计出了基于人工神经网络的煤与瓦斯突出模型,并利用中国矿业大学在淮南地区多个矿井进行的煤与瓦斯突出指标试验测定数据作为学习样本和测试样本进行预测模拟,指出了BP神经网络模型的在训练中存在收敛较慢、预测精度不高等问题。3、引入了遗传算法的概念,并对遗传算法和BP算法的优缺点进行了分析,提出了遗传算法对BP神经网络的改进和优化方案,通过对神经网络权值、结构和学习规则的优化,建立了遗传算法和BP神经网络相结合的煤与瓦斯突出危险预测模型,利用同样的数据进行学习和预测,其收敛速度得到了加快,准确率得到了提高。证明了此优化方案的可行性和有效性。4、最后结合山西省晋城煤业集团寺河煤矿现场资料和实际情况,对该矿煤与瓦斯突出主控因素分析,确定了瓦斯突出参数中的钻屑解析指标(K1)、最大钻屑量(S)、钻孔瓦斯涌出初速度(q0)和煤的坚固性系数(f)作为影响突出的基本指标。利用遗传算法和BP神经网络结合的煤与瓦斯突出预测模型,对用传统单一指标预测法判定具有突出危险性的区域的瓦斯突出参数进行重新预测,预测结果显示:通过多指标综合预测的办法,在保证安全的前提下原来的防突工作量可减少35%。由于煤与瓦斯突出的影响因素的复杂,各个矿井的煤层地质构造、赋存状况、开采方式等因素的不同,影响煤与瓦斯突出的主控因素也不尽相同,可通过本文采用的方法进行建模预测,使得预测防突工作更加的科学合理。这也是本文研究的目的所在,以求能为煤与瓦斯突出危险预测工作起到积极的作用。