基于多元回歸殘差RBF神經(jīng)網(wǎng)絡(luò)修正算法瓦斯涌出量預(yù)測(cè)研究.pdf

1、瓦斯災(zāi)害一直是威脅我國煤炭開采過程中安全生產(chǎn)的重要因素之一。瓦斯的潛在影響隨著煤層開采深度的增加變得更加顯著。回采工作面瓦斯涌出量是礦井瓦斯防治及通風(fēng)設(shè)計(jì)的重要依據(jù)，準(zhǔn)確的對(duì)其進(jìn)行預(yù)測(cè)能夠有效防止多種瓦斯災(zāi)害的發(fā)生。因此加強(qiáng)瓦斯涌出量預(yù)測(cè)方法及技術(shù)的研究，提高瓦斯涌出量預(yù)測(cè)的精度，對(duì)改善提高煤炭安全生產(chǎn)具有積極地現(xiàn)實(shí)意義。
　　瓦斯涌出量受到多個(gè)因素影響，多元線性回歸分析能夠確定瓦斯涌出量及其影響因素的數(shù)學(xué)解析式，利用解析式不僅能

2、夠根據(jù)一個(gè)或幾個(gè)變量的數(shù)值預(yù)測(cè)或控制另一個(gè)變量而且能夠進(jìn)行影響因素分析從而確定哪些是重要因素，哪些是次要因素;然而瓦斯涌出量受多種因素制約，是一個(gè)灰色、非線性、復(fù)雜的動(dòng)力學(xué)系統(tǒng)，單一線性回歸分析不能很好的反應(yīng)其非線性部分，神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性逼近能力，能夠很好的預(yù)測(cè)回采工作面瓦斯涌出量非線性部分。RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單，訓(xùn)練速度快，是一種高效的前饋式神經(jīng)網(wǎng)絡(luò)，具有其他前向網(wǎng)絡(luò)所不具備的全局最優(yōu)特性和最佳逼近性能。RBF神經(jīng)網(wǎng)絡(luò)還能克

3、服BP網(wǎng)絡(luò)學(xué)習(xí)時(shí)收斂時(shí)間過長，易陷入局部最小等問題。為了綜合利用上述兩種模型的優(yōu)點(diǎn)，更好預(yù)測(cè)瓦斯涌出量，提出了一種多元回歸分析殘差RBF神經(jīng)網(wǎng)絡(luò)修正模型。
　　首先利用數(shù)據(jù)樣本建立瓦斯涌出量多元線性回歸分模型，并用該模型對(duì)瓦斯涌出量進(jìn)行初步預(yù)測(cè)，計(jì)算預(yù)測(cè)結(jié)果與實(shí)際瓦斯涌出量的殘差;然后以殘差為因變量，瓦斯涌出量影響因素原始數(shù)據(jù)為自變量，利用RBF神經(jīng)網(wǎng)絡(luò)對(duì)殘差進(jìn)行擬合預(yù)測(cè);最后利用RBF殘差的預(yù)測(cè)結(jié)果對(duì)瓦斯涌出量預(yù)測(cè)結(jié)果進(jìn)行補(bǔ)償修