基于PCA-BP 神經(jīng)網(wǎng)絡(luò)的煤與瓦斯突出預(yù)測(cè)研究

朱志潔，張宏偉，韓軍，等

摘要：目的：隨著煤礦采掘強(qiáng)度和深度的加大，煤與瓦斯突出日益嚴(yán)重。煤與瓦斯突出受多種因素共同影響，各因素之間具有一定的相關(guān)性和非線(xiàn)性，相關(guān)學(xué)者提出了遺傳算法—神經(jīng)網(wǎng)絡(luò)、灰色理論—神經(jīng)網(wǎng)絡(luò)、模糊神經(jīng)網(wǎng)絡(luò)等多種預(yù)測(cè)方法，這些預(yù)測(cè)方法中都存在較多相互關(guān)聯(lián)的指標(biāo)，降低了預(yù)測(cè)的準(zhǔn)確性與效率。主成分分析（PCA，principal component analysis）使研究問(wèn)題得到簡(jiǎn)化，避免信息的大量重疊。將PCA 方法與反向傳播（BP，back propagation）神經(jīng)網(wǎng)絡(luò)相結(jié)合，消除BP 網(wǎng)絡(luò)輸入間的相關(guān)性，簡(jiǎn)化網(wǎng)絡(luò)結(jié)構(gòu)，提高學(xué)習(xí)速率，可更準(zhǔn)確地對(duì)煤與瓦斯突出進(jìn)行預(yù)測(cè)。方法：應(yīng)用地質(zhì)動(dòng)力區(qū)劃方法和趨勢(shì)面方法，結(jié)合地表考查、地震分析、航衛(wèi)片分析等手段，確定了礦區(qū)不同級(jí)別的活動(dòng)斷裂。采用“巖體應(yīng)力狀態(tài)分析系統(tǒng)”，對(duì)平頂山八礦戊9～10 煤層進(jìn)行應(yīng)力計(jì)算。選取距活動(dòng)斷裂的距離、最大主 應(yīng)力、瓦斯壓力、瓦斯含量、頂板巖性（滲透率）、煤厚、采深、絕對(duì)瓦斯涌出量和相對(duì)瓦斯涌出量做為預(yù)測(cè)參數(shù)。應(yīng)用Matlab 數(shù)學(xué)計(jì)算軟件，對(duì)煤與瓦斯突出的影響因素按以下步驟提取主成分。1）原始數(shù)據(jù)標(biāo)準(zhǔn)化。2）求相關(guān)系數(shù)矩陣。3）求該矩陣的特征值和相應(yīng)的特征向量及貢獻(xiàn)率，并提取主要成分。由結(jié)果可知，前3個(gè)主成分的方差占總方差的83.18%，根據(jù)主成分的選則標(biāo)準(zhǔn)，原來(lái)的9 項(xiàng)指標(biāo)可由這3 個(gè)主成分代替。4）根據(jù)主成分因子荷載矩陣，給出因子Y1，Y2和Y3與原始變量之間的關(guān)系，根據(jù)該矩陣可以寫(xiě)出因子表達(dá)式。將主成分1，2，3 作為輸入?yún)?shù)；根據(jù)煤與瓦斯突出的強(qiáng)度大小將輸出參數(shù)分為4 類(lèi)：[1,0,0,0]表示無(wú)突出，[0,1,0,0]表示小型突出（50 t 以下），[0,0,1,0]表示中型突出（50～100 t），[0,0,0,1]表示大型突出（100 t 以上）。經(jīng)過(guò)多次訓(xùn)練試驗(yàn)，隱含層包含10 個(gè)神經(jīng)元的效果較好。即模型的拓?fù)浣Y(jié)構(gòu)為3-10-4。結(jié)果：將PCA 計(jì)算后的樣本前16 組數(shù)據(jù)作為訓(xùn)練樣本，組后3 組數(shù)據(jù)作為檢驗(yàn)樣本。采用Matlab 軟件創(chuàng)建BP 神經(jīng)網(wǎng)絡(luò)，以3 個(gè)主成分作為輸出向量，以煤與瓦斯突出強(qiáng)度作為目標(biāo)向量，選用函數(shù)tansig 和logsig 作為隱含層和輸入層神經(jīng)元的轉(zhuǎn)移函數(shù)，選用函數(shù)trainlm 作為訓(xùn)練函數(shù)。設(shè)置最大訓(xùn)練次數(shù)為5000 次，訓(xùn)練誤差為0.0001，學(xué)習(xí)率為0.1，其余訓(xùn)練參數(shù)為默認(rèn)值。經(jīng)網(wǎng)絡(luò)計(jì)算當(dāng)計(jì)算達(dá)到1515 步時(shí)，誤差達(dá)到了計(jì)算要求。最后3 組數(shù)據(jù)作為預(yù)測(cè)樣本檢驗(yàn)訓(xùn)練好的網(wǎng)絡(luò)。預(yù)測(cè)結(jié)果表明，預(yù)測(cè)的誤差很小，與實(shí)際情況相吻合。結(jié)論：采用PCA 方法對(duì)煤與瓦斯突出的影響因素相關(guān)數(shù)據(jù)進(jìn)行處理，經(jīng)過(guò)處理后，降低了數(shù)據(jù)的維數(shù)，簡(jiǎn)化了預(yù)測(cè)模型，提高了預(yù)測(cè)的效率和準(zhǔn)確率。將PCA 與神經(jīng)網(wǎng)絡(luò)相結(jié)合，建立了不同強(qiáng)度的煤與瓦斯突出PCA-BP 預(yù)測(cè)模型。用實(shí)例進(jìn)行驗(yàn)證，結(jié)果表明，該模型具有較好的預(yù)測(cè)功能，適用于煤與瓦斯突出預(yù)測(cè)。

來(lái)源出版物：中國(guó)安全科學(xué)學(xué)報(bào), 2013, 24(4): 45-50

入選年份：2017