基于模糊神經(jīng)網(wǎng)絡(luò)的煤層瓦斯含量預(yù)測_第1頁
基于模糊神經(jīng)網(wǎng)絡(luò)的煤層瓦斯含量預(yù)測_第2頁
基于模糊神經(jīng)網(wǎng)絡(luò)的煤層瓦斯含量預(yù)測_第3頁
基于模糊神經(jīng)網(wǎng)絡(luò)的煤層瓦斯含量預(yù)測_第4頁
基于模糊神經(jīng)網(wǎng)絡(luò)的煤層瓦斯含量預(yù)測_第5頁
已閱讀5頁,還剩24頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

基于模糊神經(jīng)網(wǎng)絡(luò)的煤層瓦斯含量預(yù)測研究陳闖模糊神經(jīng)網(wǎng)絡(luò)模型

研究結(jié)果表明:模糊神經(jīng)網(wǎng)絡(luò)模型不僅能夠較好地解決模糊信息難于定量表達(dá)、學(xué)習(xí)樣本難于確定等問題,而且能夠較準(zhǔn)確地提取出煤層瓦斯含量與其各個影響因素之間的非線性關(guān)系。通過實(shí)例運(yùn)算驗(yàn)證,其預(yù)測精度較神經(jīng)網(wǎng)絡(luò)模型提高了4.84%~25.79%,應(yīng)用于煤層瓦斯含量預(yù)測的效果更為理想,具有良好的應(yīng)用前景,可以為實(shí)施科學(xué)的礦井瓦斯管理、預(yù)防各種瓦斯事故提供理論依據(jù)。模糊神經(jīng)網(wǎng)絡(luò)模型建立來源考慮到煤層瓦斯含量系統(tǒng)的復(fù)雜性、動態(tài)性、非

線性以及隨機(jī)不確定性,其預(yù)測模型必須不斷朝

著非線性、多參數(shù)方向發(fā)展

筆者以鶴煤某礦二1煤層為研究對象,在分析影響煤層瓦斯含量的各種地質(zhì)因素和量化定性因素的基礎(chǔ)上,建立模糊神經(jīng)網(wǎng)絡(luò)模型,將模糊理論與神經(jīng)網(wǎng)絡(luò)有機(jī)結(jié)合,以模糊數(shù)學(xué)作為表達(dá)與處理不精確數(shù)據(jù)、模糊信息的手段,既能處理模糊信息,完成模糊推理功能,又具有神經(jīng)網(wǎng)絡(luò)的一些特點(diǎn),準(zhǔn)確提取、捕捉煤層瓦斯含量與各個影響因素之間的非線性關(guān)系,以達(dá)到對井田內(nèi)未采區(qū)域進(jìn)行煤層瓦斯含量預(yù)測的目的。模糊神經(jīng)網(wǎng)絡(luò)模型的設(shè)計(jì)變量的選取影響瓦斯含量的主要因素有煤的變質(zhì)程度、煤層埋藏深度、煤層圍巖性質(zhì)、地質(zhì)構(gòu)造、水文地質(zhì)條件等筆者選取煤層埋藏深度、煤層厚度、頂板巖性、上覆基巖厚度、頂板30m砂巖比,作為預(yù)測煤層瓦斯含量的影響變量數(shù)據(jù)的模糊化及去模糊化處理方法模糊化處理的基本原理如下:根據(jù)相應(yīng)的隸屬度函數(shù)將輸入數(shù)據(jù)空間進(jìn)行分割,并獲得相應(yīng)的模糊規(guī)則,依據(jù)隸屬度函數(shù)的類型與個數(shù)不同,可以將輸入數(shù)據(jù)劃分為不同的組別。一般情況下,實(shí)測瓦斯含量數(shù)據(jù)個數(shù)均較少,并且數(shù)據(jù)簡單,所以應(yīng)適當(dāng)增加隸屬度函數(shù)的個數(shù)。筆者采用三角形和梯形的混合隸屬度函數(shù),其函數(shù)關(guān)系如圖1所示。

式中:a,b,c表示將變量區(qū)間劃分為模糊子集所依據(jù)的臨界值;μA1(x),μA2(x),A3(x)表示隸屬度函數(shù)。對于數(shù)據(jù)的去模糊化處理,簡單地采用最大隸屬函數(shù)法,即取所有模糊規(guī)則推理結(jié)果的模糊集合中隸屬度最大的元素作為輸出值。此法的突出優(yōu)點(diǎn)是計(jì)算簡單。模糊神經(jīng)網(wǎng)絡(luò)整體框架的建立模糊神經(jīng)網(wǎng)絡(luò)可分為5種類型(表1)文中采用的的是類型ⅢⅢ,即首先先對神經(jīng)網(wǎng)網(wǎng)絡(luò)的輸入入數(shù)據(jù)進(jìn)行行模糊化預(yù)預(yù)處理,這這些輸入信信息中包含含定性知識識和定量數(shù)數(shù)據(jù),以此此達(dá)到輸入入信息模糊糊化的目的的,然后運(yùn)運(yùn)用BP神經(jīng)網(wǎng)網(wǎng)絡(luò)從已知知模糊數(shù)據(jù)據(jù)中提取模模糊規(guī)則,,推理出預(yù)預(yù)測結(jié)果。。網(wǎng)絡(luò)模型型如圖2所示。。筆者所建模模型神經(jīng)網(wǎng)網(wǎng)絡(luò)部分采采用傳統(tǒng)的的基于誤差差反向傳遞遞的BP神經(jīng)網(wǎng)網(wǎng)絡(luò),因選選取煤層埋埋藏深度、、煤層厚度度、頂板巖巖性、上覆覆基巖厚度度、頂板30m砂砂巖比作作為影響煤煤層瓦斯含含量的因素素,所以模模糊化層神神經(jīng)元個數(shù)數(shù)為5,,而去模糊糊化層輸出出值為瓦斯斯含量值。。因此,去去模糊化層層神經(jīng)元個個數(shù)為1,而隸屬屬度函數(shù)確確定為3個,所所以相應(yīng)的的輸入層神神經(jīng)元個數(shù)數(shù)則為15,輸出出層神經(jīng)元元個數(shù)為3。隱層神經(jīng)元元個數(shù)視網(wǎng)網(wǎng)絡(luò)訓(xùn)練效效果而定,,其經(jīng)驗(yàn)公公式為式中:n1為隱層層單元數(shù);n為為輸入單元元數(shù);m為輸出出單元數(shù);d為0到10之之間的常數(shù)數(shù)。模糊神經(jīng)網(wǎng)網(wǎng)絡(luò)在瓦斯斯含量預(yù)測測中的應(yīng)用用數(shù)據(jù)準(zhǔn)備筆者以鶴煤煤某礦為例例,收集整整理影響煤煤層瓦斯含含量的相關(guān)關(guān)數(shù)據(jù),經(jīng)經(jīng)數(shù)據(jù)可靠靠性分析后后共獲取了了19個個地勘鉆孔孔瓦斯含量量、9個個生產(chǎn)期間間實(shí)測的瓦瓦斯含量,,見表2。其中,,前26組數(shù)據(jù)據(jù)作為訓(xùn)練練樣本完成成網(wǎng)絡(luò)的擬擬合訓(xùn)練,,后2組組數(shù)據(jù)不不參加學(xué)習(xí)習(xí)訓(xùn)練,而而作為檢驗(yàn)驗(yàn)樣本來評評價模型的的預(yù)測精度度。網(wǎng)絡(luò)訓(xùn)練設(shè)置網(wǎng)絡(luò)最最小均方誤誤差0.001、學(xué)習(xí)率率0.3、動量量系數(shù)0.8、、最大訓(xùn)練練次數(shù)25000,并對對網(wǎng)絡(luò)的權(quán)權(quán)值、閾值值隨機(jī)賦以以0~~1之間間的初值,,經(jīng)過多次次訓(xùn)練對比比分析后,,選定隱層層節(jié)點(diǎn)個數(shù)數(shù)為7。。網(wǎng)絡(luò)訓(xùn)練練結(jié)束后,,將訓(xùn)練結(jié)結(jié)果與BP神經(jīng)經(jīng)網(wǎng)絡(luò)訓(xùn)練練結(jié)果進(jìn)行行了對比分分析。網(wǎng)絡(luò)絡(luò)誤差變化化趨勢圖如如圖3、、圖4所所示,網(wǎng)網(wǎng)絡(luò)模型回回代結(jié)果見見表5。。從圖3可可見,BP神經(jīng)經(jīng)網(wǎng)絡(luò)經(jīng)過過25步步訓(xùn)練后后達(dá)到擬合合精度,網(wǎng)網(wǎng)絡(luò)停止訓(xùn)訓(xùn)練。而從從圖4可可見,模模糊神網(wǎng)絡(luò)絡(luò)達(dá)到一定定訓(xùn)練次數(shù)數(shù)后,擬合合精度不再再下降,當(dāng)當(dāng)達(dá)到最大大訓(xùn)練次數(shù)數(shù)后停止訓(xùn)訓(xùn)練,網(wǎng)絡(luò)絡(luò)最終擬合合精度為100。結(jié)合表5可知知,訓(xùn)練后后BP神神經(jīng)網(wǎng)絡(luò)絡(luò)殘差最大大值為0.99,而模糊糊神經(jīng)網(wǎng)絡(luò)絡(luò)殘差最大大值為1.76,兩者迭迭代誤差均均能滿足工工程實(shí)際要要求,說明明兩者均能能反映出瓦瓦斯含量與與諸影響因因素之間的的內(nèi)在規(guī)律律,但是預(yù)預(yù)測模型的的優(yōu)劣不能能僅憑擬合合效果而定定,還需對對模型的預(yù)預(yù)測能力進(jìn)進(jìn)行進(jìn)一步步檢驗(yàn)。模型檢驗(yàn)網(wǎng)絡(luò)訓(xùn)練結(jié)結(jié)束后,為為了檢驗(yàn)?zāi)DP偷念A(yù)測測性能,將將檢驗(yàn)樣本本代入網(wǎng)絡(luò)絡(luò),并與BP神神經(jīng)網(wǎng)絡(luò)模模型預(yù)測結(jié)結(jié)果進(jìn)行對對比分析,,其檢驗(yàn)結(jié)結(jié)果見表6。從表6可可知,BP神經(jīng)經(jīng)網(wǎng)絡(luò)對2116工作面面運(yùn)輸巷煤煤層瓦斯含含量預(yù)測結(jié)結(jié)果偏差較較大,而模模糊神經(jīng)網(wǎng)網(wǎng)絡(luò)的預(yù)測測誤差均控控制在10%以以內(nèi),基本本滿足精度度要求,可可以應(yīng)用于于鶴煤某礦礦未采區(qū)煤煤層瓦斯含含量的預(yù)測測。謝謝觀看/歡迎

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論