基于人工神經網絡的煤礦安全評價研究.pdf

1、煤炭產業(yè)是我國國民經濟的支柱產業(yè)，對國民經濟的發(fā)展起著至關重要的作用，但目前我國的煤礦安全現(xiàn)狀卻不容樂觀，煤礦事故傷亡發(fā)生率居世界首位，因而安全評價工作成為了煤礦企業(yè)安全管理的重要環(huán)節(jié)。本文選取具有高度非線性、容錯性、自組織的人工神經網絡的方法對煤礦進行了安全評價工作。
　　本研究主要內容包括：⑴經過比較、分析傳統(tǒng)的安全評價方法，指出其具有“線性”、“局部性”和“確定性”的缺點，而神經網絡評價方法具有自組織、自學習和高度非線性逼近

2、的特點，便于聯(lián)想、綜合和推廣，從而確定了神經網絡用于煤礦安全評價的可行性。⑵在充分了解煤礦生產系統(tǒng)特征的基礎上，根據煤礦安全風險指標體系設計原則，從煤礦固有風險因素、人員風險因素、設備風險因素、管理風險因素、環(huán)境風險因素五個方面建立了煤礦安全評價指標體系。⑶探討了BP人工神經網絡隱含層層數(shù)和隱含層節(jié)點數(shù)的選取問題，確定了BP神經網絡的網絡結構，利用MATLAB軟件編程，運行在MATLAB7.0的平臺上，分別采用BP神經網絡的附加動量算法

3、、彈性算法、L-M算法對煤礦進行評價，評價結果表明三種算法都可以完成煤礦的評價工作，但附加動量算法運算速度慢、步數(shù)多，彈性算法在逼近目標值方面存在欠缺，L-M算法不僅運算速度快、步數(shù)少、在逼近精度方面也是前兩種算法無法比擬的。⑷介紹了一種無論在精度逼近能力、分類識別能力還是網絡訓練速度方面都優(yōu)于普通BP神經網絡的RBF神經網絡。利用RBF神經網絡對煤礦進行評價，評價結果顯示RBF神經網絡比普通BP神經網絡算法訓練速度快，時間短，精度高，