BP神经网络在矿井涌水量预测中的应用.pdfVIP

学兔兔 BP神经网络在矿井涌水量预测中的应用 Application ofBPneuraInetwork modeItoforecastm ine inflow 谭大 国 TANDa．guo (安徽理工大学 电气与信息工程学院，淮南232001) 摘 要；矿井涌水量问题受到多种因素的共同影响，具有非线性和高度复杂性。应用BP神经网络，结 合工程实例，采用了两种不同的输入神经元构造方法来构建涌水量神经网络预测模型。首先 收集了陕西大海则煤矿某个钻孔自1999~2008年7月份的涌水量数据，然后利用这些数据对已经 构建好的神经网络进行训练，并用训I练完成的网络进行涌水量数据预测，最后与实际值进行比 较。结果表明：两种模型都可以完成预测工作且易操作，但是在预测精度上有差异。 关键词 ：矿井涌水量；BP神经网络；预测 中图分类号 ：TP183 文献标识码：B 文章编号：1009-0134(2015)o3(上)一0066—03 Doi：10．3969／J．issn．1009-0134．2015．03(七)．21 0 引言 络，一般 由一个输入层 、一个隐含层和一个输出层组 矿井涌水量是指在矿 山建设和生产过程中单位时间 成。在正向传播阶段 ，输入信息从输入层经隐含层传 内通过各种巷道和开采系统流入矿井的水量…。准确预 向输出层，在输出端产生输出信号”。在信号的向前传 测矿井涌水量可 以减少由于矿井涌水和突水而造成的各 递过程 中网络的权值固定不变，每一层‘神经元的状态 种事故给煤矿和国家的损失。影响矿井涌水量的因素如 只影响下一层神经元的状态 。如果在输出层不能得到 大气降水、水位降深、含水层厚度 以及所选的计算参数 期望的输出，则转入误差信号反 向传播 。在反 向传播 等，这些错综复杂的因素均表现为典型的非线性。在非 阶段，未能满足精度要求 的误差信号 由输 出端开始 ， 线性预测方面，神经网络技术 因其 良好 的白适应和 自学 以某种方式逐层向前传播 ，并将误差分摊给各层 的所 习能力、较强的抗干扰 能力使其成为一种主流方法 。而 有单元 ，依据误差信号动态 的调整各单元层 的连接权 在水文预报和水文地质参数识别领域方面应用频率较高 重。通过周而复始的正向传播与反向调节，神经元 问 的则是BP神经网络，即误差方 向传播的神经网络模型。 的权值得到不断的修正。当输 出信号的误差满足精度 BP网络能学习和存贮大量的输入一输出模式映射关系，而 要求时，停止学习。 无需事前揭示描述这种映射关系的数学方程。本文分析 了利用BP神经网络模型预测矿井涌水量的可行性。