基于LM神经网络瓦斯灾害预测模型的应用研究.pdf

AdvancesinGeosciences地球科学前沿,2012,2,87-92
doi:10.4236/ag.2012.22012PublishedOnlineJune2012(http://www.hanspub.org/journal/ag)

AppliedResearchonthePredictionModelofCoalmineGas
DisasterBasedontheLMNeuralNetwork*

HongleiDai,MaoyiTian,LinLiu,LitaoHan

CollegeofGeomatics,ShandongUniversityofScienceandTechnology,Qingdao
Email:[e-mail]

Received:Feb.28th,2012;revised:Mar.19th,2012;accepted:Mar.24th,2012

Abstract:CurrentlytheforecastingofgasoutburstandexplosionisoneoftheissuestobesolvedinChina’scoalmine
safetyproduction.BasedontheLMoptimizationalgorithmofBPneuralnetwork,thispaperdiscussedthemathe-
maticalmodel,networkarchitectureandprogrammingdesignofestablishingtheneuralnetworkpredictionmodelon
gasdisasterwithkeepingtherelationshipamongthespatialentitiesandtheirdistributions,andtestedaninstanceof
JiningNo.2coalmine.Theresultshowsthatthismodelisstable,fastandhighpredictionaccurateanditcansimulate
theminegasdisastertogethigheraccuratepredictions.

Keywords:GasDisaster;SpatialCorrelation;SpatialDistribution;NeuralNetwork;LMAlgorithm

基于LM神经网络瓦斯灾害预测模型的应用研究*

戴洪磊，田茂义，柳林，韩李涛

山东科技大学测绘学院，青岛
Email:[e-mail]

收稿日期：2012年2月28日；修回日期：2012年3月19日；录用日期：2012年3月24日

摘要：矿山瓦斯突出与爆炸事故的预测预报是当前我国煤矿安全生产中急待解决的问题之一。本文引入BP
神经网络的LM优化算法，在保留空间实体相关和多种分布并存的前提下，讨论了建立LMBP神经网络瓦斯灾
害预测预报模型的数学模型设计、网络结构设计和程序设计三个部分，并以兖矿集团济宁二号井为实例进行了
测试。实验结果表明：该模型稳定、快速、预测精度高，能够较好地模拟矿山瓦斯突出与爆炸事故特征，对瓦
斯灾害作出较准确的预测。

关键词：瓦斯灾害；空间相关；空间分布；BP神经网络；LM优化算法

1.引言年采用AE信号参数对瓦斯突出危险性进行了研究[4]；
中国矿业大学的李成武在2005年展开了瓦斯突出危
矿井瓦斯突出与爆炸是煤矿灾害中最常见的突
险程度的预测研究[5]，2010年王海锋等研究了开采工
发性强、规模大，后果严重、经济损失最大的矿山灾
作面瓦斯涌出及瓦斯抽采参数优化工作[6]，2007年中
害之一[1]，其后果是直接威胁到矿工的生命安全、家
南大学的傅鹤林探讨了隧道施工中的瓦斯预测预报
庭幸福和矿山本身的生产效益[2,3]。随着近年来瓦斯灾
技术[7]。这些研究均从不同的方面对矿井瓦斯灾害预
害事故的频繁发生，国内许多学者展开了矿山瓦斯灾
测预报进行了深入的分析和研究，并在相应的矿井取
害预测预报的研究。比如煤炭科学院的吴自立于2005
得了实际的应用效果。
*资助信息：山东省“泰山学者”建设工程专项经费资助。近30多年来，随着矿山瓦斯监测技术的发展和普

Copyright©2012Hanspub87
基于LM神经网络瓦斯灾害预测模型的应用研究

及，我国许多瓦斯矿区收集了大量的矿山井下巷道和采区、路轨、支护体、采区间预留煤柱、顶底板、管
开采工作面的瓦斯分布实时监测数据。如何利用现代线、泵房和车场等)。由于所处地理位置和产生环境的
的空间数据挖掘技术从这些瓦斯监测数据中自动、快不同，导致众多的空