论文部分内容阅读
煤层自然发火是煤矿火灾、爆炸事故的主要原因之一,严重影响矿井的正常生产,必须对煤层自然发火进行预测预报,以便采取相应的预防和治理措施。在对国内外煤层自然发火预测预报系统深入分析研究后,提出了基于BP神经网络的煤层自然发火预报系统。基于BP神经网络的煤层自然发火预报系统工作流程为:利用束管系统将井下气体传到地面,输入色谱仪中进行分析,得到各检测点的指标气体浓度数据,将数据导入训练好的BP神经网络,根据网络输出结果并结合重点位置测得的煤层温度,对检测点煤层是否自然发火做出预报。在唐山东欢坨煤样氧化实验数据的基础上,利用MATLAB建立BP神经网络并进行仿真。以CH4/CO、O2/CO2的比值作为网络的输入,当通风条件发生变化时,其浓度的比值仍保持着较高的准确度;以0或1作为网络的输出,0表示未发火,1表示发火,直接建立指标气体浓度与煤层是否发火之间的联系,很好的发挥了神经网络的泛化与学习能力。将训练样本导入网络进行训练,网络经过36次训练后,误差达到预设的要求(<0.001),说明利用BP神经网络处理指标气体浓度,并做出煤层是否发火的判断是可行的;当输入检验样本后,网络做出的预测非常接近期望值,说明利用训练好的BP神经网络是能够处理训练样本以外的数据并做出准确预测的。基于BP神经网络的煤层自然发火预报系统解决了指标气体浓度数据难以建模的问题,克服了束管系统易受通风条件影响的缺陷,提高了煤自然发火预报的准确性,为易自燃煤层矿井的安全开采提供了保障。