基于RBFNN的煤與瓦斯突出預(yù)測研究.pdf

1、煤與瓦斯突出是發(fā)生在煤礦井下的一種極其復(fù)雜的動力現(xiàn)象，是煤礦生產(chǎn)中的主要災(zāi)害之一。煤與瓦斯突出災(zāi)害不但造成了慘重的人員傷亡，而且使礦井損毀非常厲害，被公認為是嚴重威脅煤礦安全生產(chǎn)的一種自然災(zāi)害。目前，煤與瓦斯突出仍然是世界各主要產(chǎn)煤國亟待解決的難題，而實現(xiàn)對煤與瓦斯突出快速而又準確地預(yù)測預(yù)報是煤礦安全生產(chǎn)的迫切要求。國內(nèi)外煤與瓦斯突出預(yù)測方法有很多，但大都是通過單一因素進行預(yù)測。然而，煤與瓦斯突出的發(fā)生機理極其復(fù)雜，影響因素眾多，且大多

2、數(shù)處于一種復(fù)雜的非線性狀態(tài)，到目前為止對其還尚未達成共識。近年來，許多研究人員嘗試用人工神經(jīng)網(wǎng)絡(luò)模型對煤與瓦斯突出進行預(yù)測，由于其結(jié)構(gòu)自身的缺陷與不足，預(yù)測效果不太理想。
　　目前，采用BPNN建立的煤與瓦斯突出預(yù)測模型比較多。但由于BPNN存在收斂慢、訓練時間長、容易陷入極小值等缺點，仍需改進。RBFNN具有收斂速度快、網(wǎng)絡(luò)結(jié)構(gòu)簡單、全局收斂性能較好以及非線性逼近能力強等優(yōu)點，在多方面優(yōu)于BPNN，已經(jīng)成功地應(yīng)用在函數(shù)逼近、圖像

3、處理、模式識別、預(yù)測控制等諸多領(lǐng)域。為了能更好地預(yù)測突出事故的發(fā)生，本文建立了RBFNN模型對煤與瓦斯突出進行預(yù)測。本文采用對樣本具有普適性的核k均值聚類算法來確定RBF的中心、梯度下降自適應(yīng)算法優(yōu)化網(wǎng)絡(luò)的寬度參數(shù)和遞推最小二乘法算法調(diào)整網(wǎng)絡(luò)的輸出權(quán)值，并用國內(nèi)煤礦的煤與瓦斯突出實測數(shù)據(jù)對該混合算法建立的模型進行了驗證。實驗結(jié)果表明，本研究的方法在預(yù)測精度和收斂速度上均優(yōu)于BPNN和基于經(jīng)典k均值聚類算法的RBFNN，具有良好的實用性和