煤层瓦斯含量PSO-BP神经网络预测模型及其应用
Study on PSO-BP neural network prediction method of coal seam gas content and its application作者机构:西安科技大学安全科学与工程学院陕西西安710054 教育部西部矿井开采及灾害防治重点实验室陕西西安710054
出 版 物:《中国安全科学学报》 (China Safety Science Journal)
年 卷 期:2020年第30卷第9期
页 面:80-87页
核心收录:
学科分类:08[工学] 0837[工学-安全科学与工程]
基 金:国家自然科学基金资助(51674192,51874236) 陕西省杰出青年项目(2020JC-48) 陕西省联合基金培育重点项目(2019JLP-02)。
主 题:瓦斯含量 粒子群算法(PSO) 误差反向传播(BP)神经网络 预测模型
摘 要:为提高煤层瓦斯含量预测的科学性及准确性,提出基于粒子群算法(PSO)优化误差反向传播(BP)神经网络的瓦斯含量预测模型(PSO-BP模型);研究试验矿井煤层瓦斯含量与埋深、煤厚、底板标高以及测点与断层垂距等因素之间关系;对比分析该模型与多元线性回归模型和BP神经网络模型的预测结果。结果表明:随着埋深、煤厚及测点与断层垂距的增大,瓦斯含量变大,煤层底板标高增大,瓦斯含量变小;PSO-BP神经网络预测模型相对误差为2.4%~4.8%(平均3.1%),多元线性回归模型为2.3%~77.4%(平均27.7%),BP神经网络预测模型为7.5%~14.8%(平均10.2%),PSO-BP神经网络预测模型预测精度最高。