基于ACC-ENN算法的煤矿瓦斯涌出量动态预测模型研究

付 华,谢 森,徐耀松,陈子春

(1.辽宁工程技术大学电气与控制工程学院,辽宁葫芦岛 125105;2.开滦(集团)有限责任公司,河北唐山 063018)

基于ACC-ENN算法的煤矿瓦斯涌出量动态预测模型研究

付 华1,谢 森1,徐耀松1,陈子春2

(1.辽宁工程技术大学电气与控制工程学院,辽宁葫芦岛 125105;2.开滦(集团)有限责任公司,河北唐山 063018)

为了对煤矿瓦斯监测数据进行有效分析,以实现准确、可靠的回采工作面绝对瓦斯涌出量预测,提出了蚁群聚类算法优化Elman神经网络的绝对瓦斯涌出量动态预测方法。算法通过对Elman神经网络的权值、阈值寻优,建立了基于ACC-ENN算法的绝对瓦斯涌出量预测模型,并结合矿井监测到的历史数据进行实例分析。试验结果表明:经蚁群聚类优化后的Elman神经网络绝对瓦斯涌出量预测模型较其他预测模型具有更好的泛化能力和更高的预测精度,有效地实现了煤矿绝对瓦斯涌出量动态预测。

绝对瓦斯涌出量;蚁群聚类;Elman神经网络;动态预测

瓦斯灾害是制约煤矿安全生产的重要因素之一,对煤矿井下绝对瓦斯涌出量进行精准预测是防治煤矿瓦斯灾害的有力措施[1]。目前国内外众多专家学者对绝对瓦斯涌出量预测进行研究,提出了许多有用的预测模型和方法。吕伏等针对绝对瓦斯涌出量提出了主成分回归分析方法[2]。白云霄、朱红青等提出了用人工神经网络[3-4]构建绝对瓦斯涌出量预测模型。李国祯、谷松等运用灰色理论[5-6]模型,进一步对煤矿绝对瓦斯涌出量进行预测,得到的实验效果较好。……