基于自適應遺傳算法的BP神經(jīng)網(wǎng)絡(luò)礦井突水預測研究.pdf

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

2、gorithm，AGA)，以彌補BP神經(jīng)網(wǎng)絡(luò)在容錯能力差、收斂速度慢、易陷入局部極小點等方面的不足。利用自適應遺傳算法強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)的學習速率，提高了計算精度。
　　通過對現(xiàn)有突水預測技術(shù)的研究情況，分析比較各種方法中的優(yōu)缺點;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)和自適應遺傳算法兩種方法各自的局限性。并提出利用自適應遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的改進方案，通過對神經(jīng)網(wǎng)絡(luò)的

3、連接權(quán)值進行優(yōu)化，建立了自適應遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的突水預測模型。
　　以Matlab為實驗平臺，將BP神經(jīng)網(wǎng)絡(luò)模型和自適應遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的模型分別應用于煤礦的預測，以我國某地區(qū)煤礦實測數(shù)據(jù)作為訓練樣本進行學習和預測，通過仿真模型和數(shù)據(jù)對比，結(jié)果顯示后者對突水的預測比前者收斂速度更快、預測精度更高。
　　因此，自適應遺傳算法改進BP神經(jīng)網(wǎng)絡(luò)的預測模型為突水預測提供了一種處理復雜的非線性動態(tài)過程的方法，提高了預測