基于WPA-BP优化神经网络的瓦斯含量预测修正直接法测定的结果

作     者：陈杰 任金武 朱喜旺 CHEN Jie;REN Jinwu;ZHU Xiwang

作者机构：河南能源化工集团永华能源有限公司河南洛阳471000 

出 版 物：《煤炭技术》 (Coal Technology)

年 卷 期：2022年第41卷第9期

页      面：143-147页

学科分类：0819[工学-矿业工程] 081903[工学-安全技术及工程] 08[工学] 

主　　题：煤层瓦斯含量 深度学习 WPA-BP神经网络 直接测定法 

摘      要：煤层瓦斯含量是矿井瓦斯灾害防治及煤层气开发的基础参数,为提高煤层瓦斯含量预测的科学性及准确性,提出了基于WPA-BP神经网络的煤层瓦斯含量预测模型,并将其与DGC瓦斯含量直接测定结果对比分析;构建煤层瓦斯含量因素指标体系;对WPA-BP预测模型不断迭代训练,使其预测值与真实值绝对误差在1%以下;最后利用该预测模型对临近工作面煤层瓦斯含量进行预测,并将预测结果与DGC测定瓦斯含量对比分析。结果表明:随着指标因素增大,瓦斯含量变大;WPA-BP神经网络预测模型相对误差为0.06%~12.92%(平均1.83%);对比分析表明,预测模型预测结果比DGC直接测定的瓦斯含量高,主要是由于损失量的计算有误差导致的,应用深度学习预测煤层瓦斯含量可矫正煤层瓦斯含量测定的准确性。