基于模糊神经网络的煤层瓦斯含量预测

基于模糊神经网络的煤层瓦斯含量预测研究陈闯模糊神经网络模型

研究结果表明:模糊神经网络模型不仅能够较好地解决模糊信息难于定量表达、学习样本难于确定等问题，而且能够较准确地提取出煤层瓦斯含量与其各个影响因素之间的非线性关系。通过实例运算验证，其预测精度较神经网络模型提高了4.84%～25.79%，应用于煤层瓦斯含量预测的效果更为理想，具有良好的应用前景，可以为实施科学的矿井瓦斯管理、预防各种瓦斯事故提供理论依据。模糊神经网络模型建立来源考虑到煤层瓦斯含量系统的复杂性、动态性、非

线性以及随机不确定性，其预测模型必须不断朝

着非线性、多参数方向发展

笔者以鹤煤某矿二1煤层为研究对象，在分析影响煤层瓦斯含量的各种地质因素和量化定性因素的基础上，建立模糊神经网络模型，将模糊理论与神经网络有机结合，以模糊数学作为表达与处理不精确数据、模糊信息的手段，既能处理模糊信息，完成模糊推理功能，又具有神经网络的一些特点，准确提取、捕捉煤层瓦斯含量与各个影响因素之间的非线性关系，以达到对井田内未采区域进行煤层瓦斯含量预测的目的。模糊神经网络模型的设计变量的选取影响瓦斯含量的主要因素有煤的变质程度、煤层埋藏深度、煤层围岩性质、地质构造、水文地质条件等笔者选取煤层埋藏深度、煤层厚度、顶板岩性、上覆基岩厚度、顶板30m砂岩比，作为预测煤层瓦斯含量的影响变量数据的模糊化及去模糊化处理方法模糊化处理的基本原理如下:根据相应的隶属度函数将输入数据空间进行分割，并获得相应的模糊规则，依据隶属度函数的类型与个数不同，可以将输入数据划分为不同的组别。一般情况下，实测瓦斯含量数据个数均较少，并且数据简单，所以应适当增加隶属度函数的个数。笔者采用三角形和梯形的混合隶属度函数，其函数关系如图1所示。

式中:a，b，c表示将变量区间划分为模糊子集所依据的临界值;μA1(x)，μA2(x)，A3(x)表示隶属度函数。对于数据的去模糊化处理，简单地采用最大隶属函数法，即取所有模糊规则推理结果的模糊集合中隶属度最大的元素作为输出值。此法的突出优点是计算简单。模糊神经网络整体框架的建立模糊神经网络可分为5种类型(表1)文中采用的的是类型ⅢⅢ，即首先先对神经网网络的输入入数据进行行模糊化预预处理，这这些输入信信息中包含含定性知识识和定量数数据，以此此达到输入入信息模糊糊化的目的的，然后运运用BP神经网网络从已知知模糊数据据中提取模模糊规则，，推理出预预测结果。。网络模型型如图2所示。。笔者所建模模型神经网网络部分采采用传统的的基于误差差反向传递递的BP神经网网络，因选选取煤层埋埋藏深度、、煤层厚度度、顶板岩岩性、上覆覆基岩厚度度、顶板30m砂砂岩比作作为影响煤煤层瓦斯含含量的因素素，所以模模糊化层神神经元个数数为5，，而去模糊糊化层输出出值为瓦斯斯含量值。。因此，去去模糊化层层神经元个个数为1，而隶属属度函数确确定为3个，所所以相应的的输入层神神经元个数数则为15，输出出层神经元元个数为3。隐层神经元元个数视网网络训练效效果而定，，其经验公公式为式中:n1为隐层层单元数;n为为输入单元元数;m为输出出单元数;d为0到10之之间的常数数。模糊神经网网络在瓦斯斯含量预测测中的应用用数据准备笔者以鹤煤煤某矿为例例，收集整整理影响煤煤层瓦斯含含量的相关关数据，经经数据可靠靠性分析后后共获取了了19个个地勘钻孔孔瓦斯含量量、9个个生产期间间实测的瓦瓦斯含量，，见表2。其中，，前26组数据据作为训练练样本完成成网络的拟拟合训练，，后2组组数据不不参加学习习训练，而而作为检验验样本来评评价模型的的预测精度度。网络训练设置网络最最小均方误误差0.001、学习率率0.3、动量量系数0.8、、最大训练练次数25000，并对对网络的权权值、阈值值随机赋以以0～～1之间间的初值，，经过多次次训练对比比分析后，，选定隐层层节点个数数为7。。网络训练练结束后，，将训练结结果与BP神经经网络训练练结果进行行了对比分分析。网络络误差变化化趋势图如如图3、、图4所所示，网网络模型回回代结果见见表5。。从图3可可见，BP神经经网络经过过25步步训练后后达到拟合合精度，网网络停止训训练。而从从图4可可见，模模糊神网络络达到一定定训练次数数后，拟合合精度不再再下降，当当达到最大大训练次数数后停止训训练，网络络最终拟合合精度为100。结合表5可知知，训练后后BP神神经网络络残差最大大值为0.99，而模糊糊神经网络络残差最大大值为1.76，两者迭迭代误差均均能满足工工程实际要要求，说明明两者均能能反映出瓦瓦斯含量与与诸影响因因素之间的的内在规律律，但是预预测模型的的优劣不能能仅凭拟合合效果而定定，还需对对模型的预预测能力进进行进一步步检验。模型检验网络训练结结束后，为为了检验模模型的预测测性能，将将检验样本本代入网络络，并与BP神神经网络模模型预测结结果进行对对比分析，，其检验结结果见表6。从表6可可知，BP神经经网络对2116工作面面运输巷煤煤层瓦斯含含量预测结结果偏差较较大，而模模糊神经网网络的预测测误差均控控制在10%以以内，基本本满足精度度要求，可可以应用于于鹤煤某矿矿未采区煤煤层瓦斯含含量的预测测。谢谢观看/欢迎