基于自適應(yīng)遺傳算法的BP神經(jīng)網(wǎng)絡(luò)礦井突水預(yù)測(cè)研究.pdf

1、我國(guó)的煤炭開(kāi)采逐漸向深部發(fā)展，深部煤層開(kāi)采過(guò)程中產(chǎn)生的突水問(wèn)題成為礦井安全生產(chǎn)的重大隱患。煤礦的突水是一個(gè)及其復(fù)雜的非線(xiàn)性動(dòng)態(tài)過(guò)程，到現(xiàn)在為止，尚無(wú)法用較為精確的語(yǔ)言對(duì)其進(jìn)行描述，而利用傳統(tǒng)的方法和技術(shù)更難以準(zhǔn)確的揭示其內(nèi)在規(guī)律。
　　本文采用的BP神經(jīng)網(wǎng)絡(luò)(Back-propagation Neutral Network)在模擬和解決非線(xiàn)性問(wèn)題方面具有較大的優(yōu)勢(shì)。同時(shí)，又引入了自適應(yīng)遺傳算法(Adaptive GeneticAl

2、gorithm，AGA)，以彌補(bǔ)BP神經(jīng)網(wǎng)絡(luò)在容錯(cuò)能力差、收斂速度慢、易陷入局部極小點(diǎn)等方面的不足。利用自適應(yīng)遺傳算法強(qiáng)大的全局搜索能力以及神經(jīng)網(wǎng)絡(luò)的廣泛映射能力，加快了網(wǎng)絡(luò)的學(xué)習(xí)速率，提高了計(jì)算精度。
　　通過(guò)對(duì)現(xiàn)有突水預(yù)測(cè)技術(shù)的研究情況，分析比較各種方法中的優(yōu)缺點(diǎn);利用層次分析法確定突水影響因素的權(quán)值，并分析了BP神經(jīng)網(wǎng)絡(luò)和自適應(yīng)遺傳算法兩種方法各自的局限性。并提出利用自適應(yīng)遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的改進(jìn)方案，通過(guò)對(duì)神經(jīng)網(wǎng)絡(luò)的

3、連接權(quán)值進(jìn)行優(yōu)化，建立了自適應(yīng)遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的突水預(yù)測(cè)模型。
　　以Matlab為實(shí)驗(yàn)平臺(tái)，將BP神經(jīng)網(wǎng)絡(luò)模型和自適應(yīng)遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的模型分別應(yīng)用于煤礦的預(yù)測(cè)，以我國(guó)某地區(qū)煤礦實(shí)測(cè)數(shù)據(jù)作為訓(xùn)練樣本進(jìn)行學(xué)習(xí)和預(yù)測(cè)，通過(guò)仿真模型和數(shù)據(jù)對(duì)比，結(jié)果顯示后者對(duì)突水的預(yù)測(cè)比前者收斂速度更快、預(yù)測(cè)精度更高。
　　因此，自適應(yīng)遺傳算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型為突水預(yù)測(cè)提供了一種處理復(fù)雜的非線(xiàn)性動(dòng)態(tài)過(guò)程的方法，提高了預(yù)測(cè)