收稿日期:2004-03-26
基金项目:/十五0国家科技攻关重点项目(2001BA803B0403)
作者简介：熊亚选(1977-)，男，河南原阳人，硕士研究生，助教，在河南理工大学资源与材料工程系工作，现主要
从事煤与瓦斯突出预测及防治方面的学习和研究。
利用MATLAB 神经网络进行煤与
瓦斯突出预测的研究
熊亚选，程 磊，蔡成功，张进春
(河南理工大学资源与材料工程系，河南焦作 454000)
摘 要：从煤与瓦斯突出的机理出发，考虑煤与瓦斯突出的综合影响因素，利用MATLAB 神经网络工具箱，在VC++中嵌入M ATLAB 神经网络模块，建立了能够准确预测煤与瓦斯突出的神经网络预测模型，并制成了相应的预测软件。应用该软件进行实际检验，预测结果完全与实际相吻合，可以用来准确预测工作面煤与瓦斯突出。
关键词：突出机理；突出预测;MATLAB 神经网络；煤与瓦斯突出
中图分类号:TD712+15  文献标识码:A  文章编号:1671-0959(2004)11-0070-03
Research on outburst prediction based on MATLAB .s ANN
XIONG Ya -xuan;CHENG Lei;CAI Cheng -gong;ZHANG Jin -chun
(Jiaozuo Institute of Technology,Jiaozuo 454000,Ch i na)
A bstract:Based on the mechanism of coal and ga s outburst and comprehensive factors affecting c oal and gas outburst,by MA TLA
B .s ANN tools MATLAB .s ANN model is embedded in VISUAL C++program and a ANN prediction model that c ould predict coal and gas outburst events is made.Then the model is used in actual engineering practice.The prediction re sults are identical with ac tual results.So we conc lude that it c an be used to predict coal and gas outburst precisely in actual engine ering.
Keywords:mechanism of outburst;outburst prediction;MAT LAB .s ANN;coal and gas outburst
煤与瓦斯突出是自然界一种复杂的动力现象，是矿井生产过程中最重要的自然灾害。据不完全统计，近10年来，全世界各产煤国因瓦斯突出事故引起的瓦斯爆炸事故的死亡人数已超过6万。建国以来，我国煤矿发生的特大、重大人身伤亡事故中瓦斯灾害占90%以上。据保守统计，仅2002年，全国煤矿发生死亡事故4344起，死亡6995人。其中，国有通配煤矿1175起，死亡1927人，因瓦斯事故死亡超过530人。而其他煤矿瓦斯事故死亡人数所占的比例更大。当前，在煤与瓦斯突出预测方面已经提出了许多预测方法，如基于工作面打钻的钻屑量、瓦斯涌出量及解吸量进行的接触式预测方法，以及其它非接触式方法等。它们只考虑影响煤与瓦斯突出的个别因素，并且这些预测方法因地而异，因此，预测结果常常不准确。
基于MA T LAB 的人工神经网络技术飞速发展，使得煤与瓦斯突出预测已经能够实现，并通过现场的实践检验，达到了很高的预测精度，完全能够满足矿井煤与瓦斯突出预测的精度要求。
1 煤与瓦斯突出机理的研究现状与进展
煤与瓦斯突出是煤矿开采中的重大灾害，而影响煤与瓦斯突出的因素也是十分复杂的，迄今为止，国际上还没有形成一种统一的认识和完整的瓦斯突出理论体系。尽管如此，人类对煤与瓦斯突出机理的研究依然取得了很多令人鼓舞的进展，并广泛应用到了预测和防止灾害的实践中，取得了十分明显的安全效益和经济效益。而这些效益离不开人们在实践过程中所提出的经历了实践检验后升华为理论的突出机理假说，包括单项假说和综合假说。
1)单项假说。就是说瓦斯突出动力现象的能量来源，强调单因素的作用方式和作用机制。其中包括瓦斯为主导作用的假说、地压为主导作用的假说和化学本质假说。
70
信息工程          煤 炭 工 程          2004年第11期
2)综合假说。它认为煤与瓦斯突出是综合因素作用的结果。从20世纪50年代的瓦斯和地压共同作用假说开始，到现在起主导作用的能量假说，其间提出了很多假说。尽管这些假说对各因素在瓦斯突出中的作用大小看法不一，但煤与瓦斯突出是煤层的应力状态、煤层瓦斯含量和煤体的物理力学性质的综合作用得到了公认。
最近几年来，又提出了一些比较先进的突出机理假说:
1)/流变假说0。中国矿业大学的周世宁院士和何学秋教授在对瓦斯煤样在三轴应力状态下流变特性研究的基础上提出流变机理，并建立了定量化的流变本构方程。认为含瓦斯的煤在外力的作用下，当达到或超过其屈服荷载时，明显地表现出变形衰减、均匀变形和加速变形三个阶段；还认为瓦斯、地压、煤的物理力学性质和时间过程是突出的重要因素。流变假说运用流变学的观点分析了突出过程中含瓦斯煤受力的时间和空间过程，很好地解释了综合作用的瓦斯突出现象。
2)二相流体假说。由西安矿院的李萍丰提出。该假说认为由于工作面采场应力作用，工作面前方煤体可分为突出阻碍区、突出控制区、突出积能区(或突出中心)和突出能量补给区；突出中心的煤体破碎，放出大量的瓦斯，在瓦斯压力的作用下，使得破碎的煤粒间失去机械联系，呈分散相，在瓦斯介质中产生流变性，形成二相流体。二相流体所产生的膨胀能是煤的弹性能和瓦斯膨胀能之和的115倍，这三种能量之和足以大于煤体本身的强度，从而导致煤与瓦斯突出。
3)地壳失稳假说。由中国矿业大学的蒋承林提出。该假说认为在石门揭穿瓦斯突出煤层时所发生的动力现象过程中，煤体的破坏以球盖状煤壳的形成、扩展和失稳抛出为典型特征。认为导致煤与瓦斯突出的充分条件是煤体受应力破坏后能马上释放出大量的瓦斯，使煤体内的裂隙扩展、沟通并使形成的煤壳失稳抛出。
2MATLAB中BP神经网络模型的实现
Back P ropagation(BP)算法1985年由Rumelhart等提出，它以其强大的非线性映射能力在模式识别、人工神经网络模型等领域得到了广泛的应用。它在M AT L AB环境下开发的神经网络工具箱中可以很好地实现。
1)BP模型的初始化。设计BP网络时，只要已知输入变量、各层的神经元个数和作用函数，就可以利用函数initff()对BP网络进行初始化。
2)BP网络的学习。函数trainbp()、trainbpm()、t rainlm()均可对BP网络进行训练，其用法类似，但采用的学习规则有所不同。函数trainbp()采用标准BP算法；函数tr ainbpm()采用启发式学习方法进行了改进，它们在实际训练中不很实用；而函数tr ainlm()采用了有效的优化算法)))L ev enberg-M arquardt法进行了改进，使学习时间更短、精度更高，只是学习时需要较大的内存空间。
3)BP神经网络推广能力的提高。推广能力(Generalization)是衡量神经网络性能好坏的重要标志。一个/过度训练0的神经网络可能会对训练样本集达到较高的匹配效果，但对于一个新的输入样本矢量却可能会产生与目标矢量差别较大的输出，即神经网络不具有或具有较差的推广能力。M AT LA B神经网络工具箱嵌入了两种用于提高神经网络推广能力的方法：正则化方法(Regularization)和提前停止(Ear ly stopping)方法，可以根据情况的不同进行选择。
4)BP网络的输出。根据学习所得到的最优权值和阈值，考虑不同输出函数的输出结果，选择不同的输出函数。
3用于煤与瓦斯突出预测的BP神经网络
用于煤与瓦斯突出预测的BP神经网络旨在捕捉、把握煤与瓦斯突出影响因素和突出事件之间的特定相关规律，进而实现预测。用于煤与瓦斯突出预测的BP神经网络由输入层、中间层(或称为隐层)及输出层等3层构成，如图1
。
图1多层前向BP网络
1)输入层。输入层可以由多个节点组成。由于影响瓦斯突出因素很多，根据前面的分析，经过综合考虑，并利用因子相关分析，选用瓦斯压力(x1)、瓦斯放散初速度(x2)、地质构造类型(x3)、煤的坚固性系
数(x4)等4项作为输入参数，它们是和用户之间的交互接口。
2)中间层。它是对输入层的输入信息进行预处理的网层。主要对输入单层的输入值进行处理，根据已经训练好的网络的权值和阈值，通过正向计算误差和反向误差等对原始数据进行处理，使其达到预测的标准。合理确定隐含层的神经元数非常重要，是BP网络模型功能实现与否的关键。神经元数太少，网络难以处理较复杂的问题；反之，神经元数太多，将会使网络训练时间急剧增加，有可能导致网络训练过度。本模型隐含层神经元数的选取采用试探法，即首先在训练网络时，将隐含层神经元个数赋一个较小的值，代入模型观察其收敛情况，然后逐渐增大，当网络稳定收敛之后，相应的数值即为隐含层神经元数。
3)输出层。由3个节点组成，其作用是给出确定性的3种状态预测结果，以分别表示煤与瓦斯突出区域预测中的突出危险区[100]、突出威胁区[010]及无突出危
71
2004年第11期煤炭工程信息工程
险区[001]，从而实现煤与瓦斯突出危险性预测。
4工程应用与评价
根据所建立的突出预测模型，对淮南矿区部分掘进工作面进行神经网络学习。得出了突出规模与影响参量之间的采用权重形式分布式表达的函数关系，在此基础上对另外一部分实例进行了突出预测，预测结果与实际情况完全一致，如表1。
表1预测结果与实际情况的比较
瓦斯压力/M Pa放散速度$P地质构造D坚固系数f预测结果实际情况21161440158突出危险区突出危险区1140330151无突出危险无突出危险3195650154突出威胁区突出威胁区017471440137突出威胁区突出威胁区2140810142突出危险区突出危险区31801220121突出威胁区突出威胁区
正则化损伤识别matlab5结语
1)网络训练的过程实质是利用训练样本集，将网络学习规则的不适应性映射为权值矩阵的修改和网络结构进化的反复过程，当网络捕获到蕴藏在训练样本中的突出因素与突出危险性之间的相关规律时，便认为网络已训练好，即可用来预测。
2)采用神经网络预测突出，可以充分考虑各方面的因素，做出准确的判断，对防突工作有重大的现实意义。
3)神经网络的BP算法把样本的I/O问题变成了一个非线性优化问题，加入隐层使优化问题的可调参数增
加，因此能够得到非常精确的预测结果。
4)M AT LA B神经网络工具箱有高度的容错性，因此个别参量的差异不会影响预测的可靠性，而且随着实例样本的逐渐丰富，预测的可靠性会进一步提高。
参考文献:
[1]许东，吴铮.基于M ATLAB61X的系统分析与设计)
神经网络(第二版)[M].西安：西安电子科技大学出版社,
2002.
[2]郝吉生，等.模糊神经网络技术在煤与瓦斯突出预测中的
应用[J].煤炭学报,1999(12).
[3]周世宁，林柏泉.煤层瓦斯赋存与流动理论[M].北京:
煤炭工业出版社,1999.
(责任编辑马光辉)
x信息港#建设信息x
山西省煤炭工业构架大集团格局
山西省作为煤炭资源大省，过去一直各自为政、分散经营，优势不能互补，企业经济效益低下，市场竞争力不强。针对这种情况，山西省委、省政府积极实施大公司、大集团战略，实行了控制总量、调整结构、优化布局、扩大出口、提高效益的指导方针，对山西煤炭产业进行结构调整，一批品牌煤炭企业正在崛起。
2001年11月16日，西山煤电集团、汾西矿业集团、霍州煤电集团以煤种为纽带，以打造全国最具竞争优势的焦煤航母为发展目标，正式组建成立山西焦煤集团。山西焦煤集团作为山西省煤炭行业的龙头企业，拥有27个矿井，近年来他们积极进行技术改造，原煤产量不断增加，资源回收率明显提升，集团公司实力不断壮大。
2003年12月21日，同煤集团以它全部资产与晋北14家动力煤企业共同成立了新的股份制企业)同煤集团。重组后总资产达220亿元的大同煤矿集团的正式挂牌标志着全国最大的动力煤集团诞生。
2004年6月16日，以西山焦煤集团公司为核心企业，联合省内其它国有、集体、民营等七家煤焦产销企业共同成立了山西焦煤集团。
至此，煤乡山西连同实力雄厚的阳煤集团、潞安矿业、晋城煤业、山西煤炭运销总公司和山西煤炭进出口集团在内，几大集团凭借其资本和技术优势，对周边国有地方煤矿和小煤矿进行了收购、兼并、重组、联合、管理，实现了低成本扩张。
据山西省发改委有关领导介绍，为了进一步提高山西煤炭产业的水平，提高山西煤炭工业的综合经济效益，把山西省建设成新型能源工业基地，要进一步组建大集团、大公司，使山西省整个产业集中度达到70%以上。
目前，按照山西煤炭工业组建三大集团战略的目标，山西无烟煤集团的组建正在分步实施，山西煤炭的又一艘航母浮出水面指日可待。
[本刊通讯员] 72
信息工程煤炭工程2004年第11期

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。