人工神經(jīng)網(wǎng)絡(luò)的算法(完整版)

1、bp網(wǎng)絡(luò)的算法設(shè)網(wǎng)絡(luò)輸入為，輸入神經(jīng)元有個(gè)；隱含層有個(gè)神經(jīng)元，激發(fā)函數(shù)為；輸出層內(nèi)有個(gè)神經(jīng)元，對(duì)應(yīng)的激活函數(shù)為。輸出為，目標(biāo)矢量為。（1） 信息的正向傳遞 隱含層中第個(gè)神經(jīng)元的輸出為： (4.15) 輸出層第k個(gè)神經(jīng)元的輸出為： (4.16) 定義誤差函數(shù)為： (4.17)（2） 求權(quán)值的變化及誤差的反向傳播 輸出層的權(quán)值變化對(duì)從第個(gè)輸入到第個(gè)輸出的權(quán)值變化為： (4.18)式(4.18)中，。同理可得： (4.19) 隱含層權(quán)值的變化對(duì)從第個(gè)輸入到第個(gè)輸出的權(quán)值，其變化量為： (4.20)式(4.20)中，同理可得：。（三）bp網(wǎng)絡(luò)的設(shè)計(jì)和訓(xùn)練1）bp網(wǎng)絡(luò)的設(shè)計(jì)設(shè)計(jì)bp網(wǎng)絡(luò)的結(jié)構(gòu)，包括的內(nèi)容

2、為：網(wǎng)絡(luò)的層數(shù)；每層的神經(jīng)元數(shù)；初始權(quán)值的選??；期望誤差的選取。其設(shè)計(jì)的網(wǎng)絡(luò)性能直接影響到評(píng)判結(jié)果的可靠性。（1） 網(wǎng)絡(luò)的層數(shù)理論上已證明：具有輸入層、偏差和至少一個(gè)s型隱含層加上一個(gè)線性輸出層的網(wǎng)絡(luò)，能夠逼近任何有理函數(shù)。增加網(wǎng)絡(luò)的層數(shù)可以提高網(wǎng)絡(luò)性能，減少誤差，提高精度，同時(shí)使網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜化，增加訓(xùn)練的時(shí)間。因此要優(yōu)先考慮增加隱含層的神經(jīng)元數(shù)而不是增加網(wǎng)絡(luò)層數(shù)來(lái)提高網(wǎng)絡(luò)性能。在采用單層網(wǎng)絡(luò)時(shí)，非線性激發(fā)函數(shù)的網(wǎng)絡(luò)不如線性網(wǎng)絡(luò)的性能。也就是說(shuō)，可以用一層解決的問(wèn)題，應(yīng)當(dāng)首先采用感知器或自適應(yīng)線性網(wǎng)絡(luò)來(lái)解決，不采用非線性網(wǎng)絡(luò)，因?yàn)閱螌泳W(wǎng)絡(luò)不能發(fā)揮出非線性激發(fā)函數(shù)的特長(zhǎng)。對(duì)于某一求解問(wèn)題，必有一

3、個(gè)輸入層和一個(gè)輸出層，隱含層數(shù)則需要根據(jù)問(wèn)題的復(fù)雜性來(lái)分析和確定，隱含層數(shù)的合理選取是網(wǎng)絡(luò)取得良好性能的一個(gè)關(guān)鍵。有關(guān)研究表明，隱含層數(shù)的增加，可以形成更復(fù)雜的決策域，使網(wǎng)絡(luò)解決非線性問(wèn)題的能力得到加強(qiáng)。由于網(wǎng)絡(luò)計(jì)算過(guò)程實(shí)質(zhì)上是一種映射，這種映射將最初的輸入空間映射到存在半線性判別函數(shù)的適當(dāng)空間中。因此，認(rèn)為隱含層最多只需要兩層，甚至必須是兩層的論述缺乏理論依據(jù)。合理的隱含層數(shù)應(yīng)根據(jù)實(shí)際問(wèn)題決策的復(fù)雜程度和非線性程度相適應(yīng)，給系統(tǒng)賦予一個(gè)自適應(yīng)算法，根據(jù)某一特定的問(wèn)題進(jìn)行不同隱含層數(shù)的網(wǎng)絡(luò)訓(xùn)練，合理的隱含層數(shù)應(yīng)該使網(wǎng)絡(luò)收斂且系統(tǒng)誤差較小，圖4.8給出了一般意義上的隱含層數(shù)對(duì)網(wǎng)絡(luò)性能影響的分析結(jié)

4、果。（2） 隱含層的神經(jīng)元數(shù)采用適當(dāng)?shù)碾[含層神經(jīng)元非常重要，是網(wǎng)絡(luò)模型功能實(shí)現(xiàn)成功與否的關(guān)鍵。神經(jīng)元太少，網(wǎng)絡(luò)難以處理較復(fù)雜的問(wèn)題；反之，神經(jīng)元數(shù)太多，導(dǎo)致網(wǎng)絡(luò)訓(xùn)練時(shí)間急劇增加，而且過(guò)多的神經(jīng)元還會(huì)導(dǎo)致網(wǎng)絡(luò)訓(xùn)練過(guò)度，將訓(xùn)練數(shù)據(jù)組中沒(méi)有意義的信息也記憶在網(wǎng)絡(luò)中，難以建立正確的模型。但是，神經(jīng)元數(shù)的合理確定主要還是根據(jù)需要解決的問(wèn)題的不同進(jìn)行反復(fù)比較，圖4.9給出了在解決同一問(wèn)題時(shí)隱含層神經(jīng)元數(shù)對(duì)網(wǎng)絡(luò)性能的影響的分析結(jié)果。根據(jù)圖4.9和訓(xùn)練誤差的變化情況，可得出以下結(jié)論：1）隱含層的神經(jīng)元數(shù)太少了，網(wǎng)絡(luò)不能很好的學(xué)習(xí)，需要訓(xùn)練的次數(shù)多，訓(xùn)練精度不高。2）從理論上講，隱含層數(shù)越多，功能越強(qiáng)。但是，當(dāng)

5、神經(jīng)元數(shù)太多時(shí)，會(huì)使循環(huán)次數(shù)和訓(xùn)練時(shí)間增加，同時(shí)還會(huì)產(chǎn)生其它問(wèn)題，如圖4.9所示，神經(jīng)元數(shù)后，網(wǎng)絡(luò)解決問(wèn)題的能力開(kāi)始出現(xiàn)問(wèn)題，訓(xùn)練時(shí)間和循環(huán)次數(shù)均開(kāi)始增加。3）選擇的原則是：在解決問(wèn)題的前提下，再加上12個(gè)神經(jīng)元可以加快誤差的下降速度。（3） 初始權(quán)值的選取由于煤自燃極限參數(shù)預(yù)測(cè)系統(tǒng)是非線性的，初始權(quán)值對(duì)于網(wǎng)絡(luò)學(xué)習(xí)是否達(dá)到局部最小、是否能夠收斂以及訓(xùn)練時(shí)間的長(zhǎng)短有很大的關(guān)系。從激發(fā)函數(shù)的特性分析，初始權(quán)值應(yīng)該取（-1，1）之間的隨機(jī)數(shù)，從而保證神經(jīng)元的權(quán)值都能夠在它們的s型激發(fā)函數(shù)變化最大之處進(jìn)行調(diào)節(jié)。最佳初始權(quán)值的選擇的數(shù)量級(jí)是：，其中是第一層神經(jīng)元數(shù)。利用這種方法可以在較少的訓(xùn)練次數(shù)下得到

6、滿意的訓(xùn)練結(jié)果。（4） 學(xué)習(xí)速率學(xué)習(xí)速率決定著每一次循環(huán)訓(xùn)練中所產(chǎn)生的權(quán)值變化量。大的學(xué)習(xí)速率可能導(dǎo)致系統(tǒng)的不穩(wěn)定，但小的學(xué)習(xí)速率將會(huì)導(dǎo)致訓(xùn)練時(shí)間較長(zhǎng)，收斂速度很慢，但能保證網(wǎng)絡(luò)的誤差不跳出誤差表面的低谷而最終趨于最小誤差。所以一般情況下，傾向于選取較小的學(xué)習(xí)速率以保證系統(tǒng)的穩(wěn)定性。在煤自燃極限參數(shù)的預(yù)測(cè)系統(tǒng)中學(xué)習(xí)速率一般選取在0.010.8之間。（5） 期望誤差的選取在設(shè)計(jì)網(wǎng)絡(luò)的訓(xùn)練過(guò)程中，期望誤差也應(yīng)當(dāng)通過(guò)對(duì)比訓(xùn)練尋求一個(gè)合適的值。煤自燃極限參數(shù)預(yù)測(cè)系統(tǒng)中的“合適”是相對(duì)于隱含層的節(jié)點(diǎn)數(shù)來(lái)確定的，因?yàn)檩^小的期望誤差值是要靠增加隱含層的節(jié)點(diǎn)以及訓(xùn)練時(shí)間來(lái)獲得的。2）bp網(wǎng)絡(luò)訓(xùn)練的步驟bp網(wǎng)絡(luò)

7、的訓(xùn)練按照?qǐng)D4.10所示的步驟進(jìn)行網(wǎng)絡(luò)訓(xùn)練。3）bp網(wǎng)絡(luò)訓(xùn)練的計(jì)算機(jī)實(shí)現(xiàn)方法bp網(wǎng)絡(luò)的訓(xùn)練過(guò)程在計(jì)算機(jī)上實(shí)現(xiàn)，需要根據(jù)以下的實(shí)現(xiàn)方法進(jìn)行，以提高訓(xùn)練的精度和效率。1） 小的隨機(jī)數(shù)給每一層的權(quán)重和賦初值：式中，rands()為隨機(jī)數(shù)賦值子函數(shù)。同時(shí)，定義關(guān)鍵參數(shù)，即訓(xùn)練過(guò)程所期望的誤差最小值err_goal和網(wǎng)絡(luò)訓(xùn)練最大的循環(huán)次數(shù)max_epoch；確定提高網(wǎng)絡(luò)訓(xùn)練性能的學(xué)習(xí)速率lr，理論上確定區(qū)間的范圍lr=0.010.8，實(shí)際網(wǎng)絡(luò)設(shè)計(jì)過(guò)程中根據(jù)計(jì)算機(jī)的訓(xùn)練而定。2） 計(jì)算網(wǎng)絡(luò)各層輸出矢量y1和y2以及網(wǎng)絡(luò)誤差e：3） 計(jì)算各層反傳的誤差變化d2和d1并計(jì)算各層權(quán)值的修正值：4） 計(jì)算權(quán)值修正

8、后誤差平方和sse(sum square error)：5） 檢查sse是否小于err_goal，若是則結(jié)束訓(xùn)練，否則繼續(xù)訓(xùn)練；6） 定義函數(shù)trainbp()為bp網(wǎng)絡(luò)訓(xùn)練的程序功能模塊定義相關(guān)參數(shù)，如顯示間隔次數(shù)、最大循環(huán)次數(shù)、目標(biāo)誤差和學(xué)習(xí)速率后進(jìn)行函數(shù)調(diào)用，函數(shù)調(diào)用后返回訓(xùn)練后的權(quán)值、循環(huán)次數(shù)和最終誤差，即：式中，為網(wǎng)絡(luò)的激發(fā)函數(shù)名稱。寫成一般表達(dá)式為：4）bp神經(jīng)網(wǎng)絡(luò)模型功能的改善辦法在bp網(wǎng)絡(luò)訓(xùn)練過(guò)程中，最關(guān)鍵的問(wèn)題是要實(shí)現(xiàn)全局最小誤差，而不是局部，因此在預(yù)測(cè)過(guò)程中必須完善模型的功能。5）附加動(dòng)量法附加動(dòng)量方法在修正權(quán)值時(shí)，不僅要考慮在梯度上的作用，而且要分析在誤差曲面上變化趨勢(shì)的

9、影響，并使得網(wǎng)絡(luò)模型能忽略網(wǎng)絡(luò)上的微小變化特征。在沒(méi)有附加動(dòng)量的作用下，模型分析結(jié)果可能陷入局部極小值。在反向傳播法的基礎(chǔ)上在每一個(gè)權(quán)值的變化上加上一項(xiàng)正比于前一次權(quán)值變化量的值。并根據(jù)反向傳播法產(chǎn)生新的權(quán)值變化。根據(jù)式（4.21）進(jìn)行方法的完善：(4.21)式中，k為訓(xùn)練次數(shù)，mc為動(dòng)量因子。當(dāng)動(dòng)量因子mc=0時(shí)，權(quán)值的變化只根據(jù)梯度下降法產(chǎn)生；當(dāng)mc=1時(shí)，新的權(quán)值變化則是設(shè)置為最后一次權(quán)值的變化，而根據(jù)梯度法產(chǎn)生的變化部分則被忽略。根據(jù)此運(yùn)行方式，增加動(dòng)量項(xiàng)后，促使權(quán)值的調(diào)節(jié)向著誤差曲面底部的平均方向變化，當(dāng)網(wǎng)絡(luò)權(quán)值進(jìn)入誤差曲面底部的平坦區(qū)時(shí)，將變小，從而防止了的出現(xiàn)，使得網(wǎng)絡(luò)模型訓(xùn)練過(guò)

10、程中從誤差曲面的局部極小值中跳出。其判斷條件根據(jù)下式進(jìn)行： (4.22)6）誤差函數(shù)的改進(jìn)在前述已定義誤差函數(shù)為二次函數(shù)： (4.23)根據(jù)上式，當(dāng)時(shí)，即處于e的平坦區(qū)，從而造成訓(xùn)練“麻痹“現(xiàn)象，必需尋求合適的函數(shù)來(lái)代替的形式，使訓(xùn)練結(jié)果達(dá)到全局誤差最小值。在上述分析的基礎(chǔ)上，提出改進(jìn)后的誤差函數(shù)，如式(4.24)所示。 (4.24)式(4.24)同樣滿足當(dāng)時(shí)，e=0。但是，當(dāng)時(shí)，方程發(fā)散，故能夠克服“麻痹“現(xiàn)象。若采用雙曲正切函數(shù)來(lái)作為激發(fā)函數(shù)，則：對(duì)求一階導(dǎo)數(shù)得：誤差函數(shù)對(duì)求一階偏導(dǎo)數(shù)，且有關(guān)系式得：綜合考慮常規(guī)方法和改進(jìn)方法的特性后，綜合得到誤差函數(shù)的修正式為： (4.25)式(4.25

11、)一方面恢復(fù)了的影響，另一方面當(dāng)變大時(shí)，仍然能夠保持有一定數(shù)值，避免了訓(xùn)練“麻痹”現(xiàn)象的發(fā)生。7）自適應(yīng)學(xué)習(xí)速率的調(diào)整對(duì)于特定問(wèn)題的求解，選擇合適的學(xué)習(xí)速率是非常困難的。自動(dòng)調(diào)整學(xué)習(xí)速率的準(zhǔn)則是：檢查權(quán)值的修正值是否真正降低了誤差函數(shù)，如果是，則說(shuō)明所選取的學(xué)習(xí)速率偏小，需要增大；否則，說(shuō)明學(xué)習(xí)速率偏大，應(yīng)該減少學(xué)習(xí)速率的值，具體根據(jù)式(4.26)進(jìn)行： (4.26).3 巷道松散煤體自燃極限參數(shù)的b p神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型從煤自燃極限參數(shù)的近似求解公式可以看出，極限參數(shù)受多種因素的影響，且影響因素與各極限參數(shù)間存在非線性關(guān)系，因此采用能實(shí)現(xiàn)從輸入到輸出的任意非線性映射的b p神經(jīng)網(wǎng)絡(luò)來(lái)預(yù)測(cè)極限參

12、數(shù)。由前述可知標(biāo)準(zhǔn)bp算法存在收斂速度慢、局部極值和難以確定隱層及隱結(jié)點(diǎn)的個(gè)數(shù)等缺點(diǎn),因而在實(shí)際應(yīng)用中受到一定的限制，本文采用了動(dòng)量法和自適應(yīng)調(diào)整學(xué)習(xí)率的改進(jìn)bp算法對(duì)煤自燃極限參數(shù)進(jìn)行預(yù)測(cè)。本文所采用的應(yīng)用領(lǐng)域最廣的bp網(wǎng)絡(luò)，其結(jié)構(gòu)層數(shù)對(duì)網(wǎng)絡(luò)的性能具有重要的影響。嚴(yán)格意義上講，確定網(wǎng)絡(luò)層數(shù)的方法是通過(guò)大量實(shí)際問(wèn)題的求解來(lái)尋求最合適的網(wǎng)絡(luò)層數(shù)，在本文中也進(jìn)行了多次試算。在網(wǎng)絡(luò)結(jié)構(gòu)的層數(shù)確定以后，各層數(shù)的神經(jīng)元數(shù)同樣是關(guān)鍵參數(shù)，其神經(jīng)元數(shù)對(duì)網(wǎng)絡(luò)訓(xùn)練及其收斂速度有顯著的影響。在本文中所需解決的自燃極限參數(shù)預(yù)測(cè)問(wèn)題，對(duì)應(yīng)于各被預(yù)測(cè)極限參數(shù)，其網(wǎng)絡(luò)的輸入和輸出層的神經(jīng)元數(shù)是確定的，可以調(diào)整的參數(shù)是隱含

13、層的神經(jīng)元數(shù)量。在前述分析的基礎(chǔ)上，綜合考慮自燃極限參數(shù)的預(yù)測(cè)問(wèn)題，選定了如圖4.11所示的網(wǎng)絡(luò)結(jié)構(gòu)，采用三層網(wǎng)絡(luò)模型結(jié)構(gòu)，其結(jié)構(gòu)參數(shù)描述為(x-s1-y)，其中輸入矢量x、隱含層的神經(jīng)元數(shù)s1以及輸出層y。輸出層的單元數(shù)在本章的問(wèn)題求解中，由于只有一個(gè)輸出，故輸出層只有1個(gè)神經(jīng)元；輸入層的神經(jīng)元個(gè)數(shù)是依據(jù)各輸出被預(yù)測(cè)的極限參數(shù)的主要影響因素而定；隱含層的神經(jīng)元數(shù)將根據(jù)各預(yù)測(cè)單元的訓(xùn)練收斂情況進(jìn)行調(diào)整。4.4 應(yīng)用實(shí)例4.4.1 巷道頂煤自燃極限參數(shù)的樣本學(xué)習(xí)與實(shí)際預(yù)測(cè)1）最小浮煤厚度選取影響巷道頂煤自燃的最小浮煤厚度的主要因素：煤的放熱強(qiáng)度、煤體溫度、實(shí)測(cè)氧氣濃度、巷道表面對(duì)流換熱系數(shù)、巷道

14、供風(fēng)量作為網(wǎng)絡(luò)的輸入，最小浮煤厚度作為網(wǎng)絡(luò)輸出，選取姚橋礦72個(gè)訓(xùn)練樣本對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，初始學(xué)習(xí)速率為0.001，動(dòng)量因子為0.95，目標(biāo)誤差為0.0001，最大循環(huán)次數(shù)為20000次。在進(jìn)行樣本訓(xùn)練之前對(duì)樣本數(shù)據(jù)做了一定地處理，以滿足神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的輸入/輸出要求。訓(xùn)練樣本如下：表4.1巷道頂煤自燃最小浮煤厚度神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型訓(xùn)練樣本編號(hào)煤溫放熱強(qiáng)度氧氣濃度換熱系數(shù)期望浮煤厚訓(xùn)練樣本訓(xùn)練樣本12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455

15、565758596061626364656667686970717227.436.947.057.667.576.290.815627.436.947.057.667.576.290.815627.436.947.057.667.576.290.815627.436.947.057.667.576.290.815627.436.947.057.667.576.290.815627.436.947.057.667.576.290.815627.436.947.057.667.576.290.815627.436.947.057.667.576.290.815627.436.947.057.667

16、.576.290.81562.743.443.984.188.9510.4017.12222.202.743.443.984.188.9510.4017.12222.202.743.443.984.188.9510.4017.12222.202.743.443.984.188.9510.4017.12222.202.743.443.984.188.9510.4017.12222.202.743.443.984.188.9510.4017.12222.202.743.443.984.188.9510.4017.12222.202.743.443.984.188.9510.4017.12222.2

17、02.743.443.984.188.9510.4017.12222.202121212121212121191919191919191917171717171717171515151515151515131313131313131311111111111111119999999955555555333333331.0261.0261.0261.0261.0261.0261.0261.0261.1851.1851.1851.1851.1851.1851.1851.1851.3251.3251.3251.3251.3251.3251.3251.3251.4511.4511.4511.4511.4

18、511.4511.4511.4511.5681.5681.5681.5681.5681.5681.5681.5684.6964.6964.6964.6964.6964.6964.6964.6964.9304.9304.9304.9304.9304.9304.9304.9305.1605.1605.1605.1605.1605.1605.1605.1605.3885.3885.3885.3885.3885.3885.3885.3880.39 0.59 0.771.000.58 0.58 0.44 0.06 0.5 0.76 0.99 1.27 0.74 0.75 0.56 0.08 0.62 0

19、.95 1.23 1.59 0.92 0.93 0.71 0.1 0.77 1.18 1.53 1.97 1.15 1.16 0.88 0.13 0.96 1.47 1.91 2.46 1.43 1.44 1.090.16 3.4 5.19 6.76 8.71 5.06 5.1 3.86 0.56 4.37 6.65 8.67 11.2 6.49 6.55 4.96 0.72 8.23 12.5 16.3 21 12.2 12.3 9.34 1.36 14.3 21.8 28.4 36.6 21.3 21.5 16.3 2.36注（單位）：煤溫：，放熱強(qiáng)度：105j/(scm3)，氧濃度：%，

20、換熱系數(shù)：104j/(cm2s)，浮煤厚：m預(yù)測(cè)樣本如下：表4.2巷道頂煤自燃最小浮煤厚度神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型預(yù)測(cè)樣本編號(hào)煤溫放熱強(qiáng)度氧氣濃度換熱系數(shù)預(yù)測(cè)浮煤厚預(yù)測(cè)樣本1234567830.850.970.980.170.980.11041262.885.6010.8212.5210.8212.5237.3599.4220181615202020121.3251.5681.4511.4514.9305.1604.6961.4510.621.151.011.112.512.811.120.212)下限氧氣濃度及上限當(dāng)量粒徑的預(yù)測(cè)用類似的方法對(duì)巷道頂煤下限氧氣濃度及上限當(dāng)量粒徑進(jìn)行預(yù)測(cè)，其訓(xùn)練樣本和預(yù)

21、測(cè)樣本如下（表4.34.6）：表4.3巷道頂煤自燃下限氧氣濃度神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型訓(xùn)練樣本編號(hào)煤溫放熱強(qiáng)度浮煤厚度換熱系數(shù)期望氧濃度訓(xùn)練樣本訓(xùn)練樣本12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717227.436.947.057.667.576.290.815627.436.947.057.667.576.290.815627.436.947.057.667.576.290.8156

22、27.436.947.057.667.576.290.815627.436.947.057.667.576.290.815627.436.947.057.667.576.290.815627.436.947.057.667.576.290.815627.436.947.057.667.576.290.815627.436.947.057.667.576.290.81562.743.443.984.188.9510.4017.12222.202.743.443.984.188.9510.4017.12222.202.743.443.984.188.9510.4017.12222.202.743.

23、443.984.188.9510.4017.12222.202.743.443.984.188.9510.4017.12222.202.743.443.984.188.9510.4017.12222.202.743.443.984.188.9510.4017.12222.202.743.443.984.188.9510.4017.12222.202.743.443.984.188.9510.4017.12222.20101010101010101099999999888888887777777766666666555555554444444433333333222222221.0261.026

24、1.0261.0261.0261.0261.0261.0261.1851.1851.1851.1851.1851.1851.1851.1851.3251.3251.3251.3251.3251.3251.3251.3251.4511.4511.4511.4511.4511.4511.4511.4511.5681.5681.5681.5681.5681.5681.5681.5684.6964.6964.6964.6964.6964.6964.6964.6964.9304.9304.9304.9304.9304.9304.9304.9305.1605.1605.1605.1605.1605.160

25、5.1605.1605.3885.3885.3885.3885.3885.3885.3885.3880.82 1.25 1.62 2.09 1.22 1.23 0.93 0.13 1.05 1.6 2.08 2.69 1.56 1.57 1.19 0.17 1.32 2.01 2.62 3.38 1.96 1.98 1.5 0.22 1.652.52 3.28 4.23 2.46 2.48 1.88 0.27 2.08 3.17 4.14 5.33 3.1 3.12 2.37 0.34 7.49 11.4 14.9 19.2 11.1 11.2 8.5 1.23 9.82 15 19.5 21

26、 14.6 14.7 11.2 1.62 13.7 20.9 21 21 20.4 20.6 15.6 2.26 21.5 21 21 21 21 21 21 3.54注（單位）：煤溫：，放熱強(qiáng)度：105j/(scm3)，氧濃度：%，換熱系數(shù)：104j/(cm2s)，浮煤厚：m。表4.4巷道頂煤自燃下限氧氣濃度神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型預(yù)測(cè)樣本編號(hào)煤溫放熱強(qiáng)度浮煤厚度換熱系數(shù)預(yù)測(cè)氧濃度預(yù)測(cè)樣本1234567830.840.570.980.190.890.81041262.883.9310.8212.5217.1217.1237.3599.421062353841.3251.4514.9305.1605.

27、3885.3884.6961.5681.222.972118.029.4016.092.831.04表4.5 巷道頂煤自燃上限當(dāng)量粒徑神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型訓(xùn)練樣本編號(hào)煤溫放熱強(qiáng)度浮煤厚度換熱系數(shù)期望粒徑訓(xùn)練樣本訓(xùn)練樣本12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717227.436.947.057.667.576.290.815627.436.947.057.667.576.290.

28、815627.436.947.057.667.576.290.815627.436.947.057.667.576.290.815627.436.947.057.667.576.290.815627.436.947.057.667.576.290.815627.436.947.057.667.576.290.815627.436.947.057.667.576.290.815627.436.947.057.667.576.290.81562.743.443.984.188.9510.4017.12222.202.743.443.984.188.9510.4017.12222.202.743.4

29、43.984.188.9510.4017.12222.202.743.443.984.188.9510.4017.12222.202.743.443.984.188.9510.4017.12222.202.743.443.984.188.9510.4017.12222.202.743.443.984.188.9510.4017.12222.202.743.443.984.188.9510.4017.12222.202.743.443.984.188.9510.4017.12222.201010101010101010999999998888888877777777666666665555555

30、54444444433333333222222221.0261.0261.0261.0261.0261.0261.0261.0261.1851.1851.1851.1851.1851.1851.1851.1851.3251.3251.3251.3251.3251.3251.3251.3251.4511.4511.4511.4511.4511.4511.4511.4511.5681.5681.5681.5681.5681.5681.5681.5684.6964.6964.6964.6964.6964.6964.6964.6964.9304.9304.9304.9304.9304.9304.930

31、4.9305.1605.1605.1605.1605.1605.1605.1605.1605.3885.3885.3885.3885.3885.3885.3885.3887.12 6.92 6.75 6.54 6.93 6.93 7.07 7.45 7.01 6.76 6.54 6.28 6.78 6.77 6.94 7.43 6.89 6.57 6.31 6 6.6 6.59 6.8 7.41 6.73 6.36 6.04 5.67 6.38 6.37 6.63 7.39 6.54 6.08 5.7 5.26 6.11 6.1 6.42 7.35 4.56 3.5 2.78 2.09 3.5

32、7 3.55 4.26 6.93 3.9 2.76 2.04 1.4 2.83 2.81 3.56 6.75 3 1.86 1.22 0.72 1.92 1.9 2.65 6.47 1.79 0.84 0.43 0.19 0.89 0.87 1.47 5.94注（單位）：煤溫：，放熱強(qiáng)度：105j/(scm3)，換熱系數(shù)：104j/(cm2s)，浮煤厚：m，粒徑：mm。表4.6巷道頂煤自燃上限當(dāng)量粒徑神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型預(yù)測(cè)樣本編號(hào)煤溫放熱強(qiáng)度浮煤厚度換熱系數(shù)預(yù)測(cè)粒徑預(yù)測(cè)樣本1234567830.840.561.270.980.190.81041262.883.939.7610.8212.5217

33、.1237.3599.421083763541.3251.4514.6964.9305.1605.3884.6961.5686.776.40)2.824.544.032.425.527.16表4.7巷道頂煤自燃極限參數(shù)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型預(yù)測(cè)結(jié)果匯總表編號(hào) 最小浮煤厚度(m)預(yù)測(cè)值 期望值 下限氧氣濃度(%)預(yù)測(cè)值 期望值 上限當(dāng)量粒徑(mm)預(yù)測(cè)值 期望值123456780.621.151.011.112.512.811.120.210.671.110.951.022.582.731.150.281.222.972118.029.4016.092.831.041.333.042118.29.76

34、16.32.871.046.776.402.824.544.032.425.527.166.886.462.784.594.092.535.537.084.4.2 巷道沿空側(cè)相鄰采空區(qū)遺煤自燃極限參數(shù)的樣本學(xué)習(xí)與實(shí)際預(yù)測(cè)1)最小浮煤厚度選取影響巷道沿空側(cè)相鄰采空區(qū)遺煤最小浮煤厚度的主要因素：煤體溫度、煤的放熱強(qiáng)度、實(shí)測(cè)氧氣濃度、漏風(fēng)強(qiáng)度、采空區(qū)距工作面距離作為網(wǎng)絡(luò)的輸入，最小浮煤厚度作為網(wǎng)絡(luò)輸出，選取忻州窯礦20個(gè)樣本對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，初始學(xué)習(xí)速率為0.001，動(dòng)量因子為0.95，目標(biāo)誤差為0.0001，最大循環(huán)次數(shù)為20000次。在進(jìn)行樣本訓(xùn)練之前對(duì)樣本數(shù)據(jù)做了一定地處理，以滿足神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模

35、型的輸入/輸出要求。訓(xùn)練樣本如下：表4.8巷道沿空側(cè)相鄰采空區(qū)遺煤最小浮煤厚度神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型訓(xùn)練樣本編號(hào)距離煤溫放熱強(qiáng)度氧氣濃度漏風(fēng)強(qiáng)度期望浮煤厚12345678910111213141516171819201.702.504.707.6016.3020.5025.2029.1036.4043.9044.3047.0053.7056.4059.0061.2070.6074.3078.0089.2019.6020.3022.0022.5024.2025.6026.7026.8027.5028.3028.6028.1025.1324.8024.3023.6024.6726.3027.8030.4

36、00.871.041.271.341.431.511.581.581.621.671.691.661.491.471.431.401.461.551.611.7920.6020.0419.8819.0318.2117.9917.6017.3616.9015.7415.6814.9113.7713.0912.4411.9310.789.818.857.1459.6459.0057.2454.9247.9644.6140.8537.7331.9025.9125.5922.5516.7116.4716.2416.0414.1012.8111.538.600.0700000001.591.151.17

37、1.040.740.730.710.660.770.931.08 1.3注（單位）：煤溫：，放熱強(qiáng)度：105j/(scm3)，氧濃度：%，漏風(fēng)強(qiáng)度：10-1cm3cm-2s-1，浮煤厚：m預(yù)測(cè)樣本如下：表4.9巷道沿空側(cè)相鄰采空區(qū)遺煤最小浮煤厚度神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型預(yù)測(cè)樣本編號(hào)距離煤溫放熱強(qiáng)度氧氣濃度漏風(fēng)強(qiáng)度預(yù)測(cè)浮煤厚1234511.039.750.466.883.523.427.928.224.228.11.391.641.661.431.6618.5916.514.3611.187.9752.2129.2618.7415.429.902121212121212120.515.910.810.48.294.183.843.53.123.734.13.292.83注（單位）：煤溫：，放熱強(qiáng)度：105j/(scm3)，氧濃度：%，漏風(fēng)強(qiáng)度：10-1cm3cm-2s-1，浮煤厚：m表4.11巷道沿空側(cè)相鄰采空區(qū)遺煤下限氧氣濃度神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型預(yù)測(cè)樣本編號(hào)距離煤溫放熱強(qiáng)度浮煤厚度漏風(fēng)強(qiáng)度預(yù)測(cè)氧濃度1234511.039.750.466.883.523.427.928.224.228.11.391.641.661.431.663.02.06.03.04.052.2129.2618.7415