[發(fā)明專利]基于LVQ-CPSO-BP算法的煤體瓦斯?jié)B透率預(yù)測方法

有效

• 申請?zhí)枺?/td>: 201710121485.3
• 申請日: 2017-03-02
• 公開（公告）號: CN106869990B
• 公開（公告）日: 2019-03-19
• 發(fā)明（設(shè)計）人: 謝麗蓉;路朋;王晉瑞;高磊;牛永朝;王忠強
• 申請（專利權(quán)）人: 新疆大學
• 主分類號: E21F7/00
• 分類號: E21F7/00;G06F17/50;G06N3/08
• 代理公司: 北京國坤專利代理事務(wù)所(普通合伙) 11491
• 代理人: 郭偉紅

基于LVQ?CPSO?BP算法的煤體瓦斯?jié)B透率預(yù)測方法，提出基于學習向量量化神經(jīng)網(wǎng)絡(luò)(LVQ)分類、混沌粒子群算法(CPSO)優(yōu)化、BP神經(jīng)網(wǎng)絡(luò)預(yù)測的LVQ?CPSO?BP煤體瓦斯?jié)B透率預(yù)測方法。確定臨界值將煤層埋深劃分為兩層；基于有效應(yīng)力與瓦斯?jié)B透率之間存在拐點關(guān)系，確定拐點值將有效應(yīng)力劃分為兩段；采用LVQ將4個微觀樣本參數(shù)依據(jù)拐點特征進行分類識別，采用BP神經(jīng)網(wǎng)絡(luò)進行學習訓練并輸出預(yù)測結(jié)果,并用CPSO對BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進行優(yōu)化；最后，基于樣本案例對本發(fā)明構(gòu)建的LVQ?CPSO?BP算法進行了預(yù)測結(jié)果驗證，并與BP算法、GA?BP算法及PSO?BP算法預(yù)測的結(jié)果進行了對比分析。

技術(shù)領(lǐng)域

本發(fā)明涉及煤體瓦斯?jié)B透率預(yù)測領(lǐng)域，特別涉及基于LVQ-CPSO-BP算法的煤體瓦斯?jié)B透率預(yù)測方法。

背景技術(shù)

煤礦瓦斯災(zāi)害是煤礦開采過程中的主要災(zāi)害之一，受地質(zhì)條件的影響，使得礦井瓦斯在煤層中多以失穩(wěn)狀態(tài)滲流運動。由于瓦斯?jié)B透率與地應(yīng)力、溫度和瓦斯壓力等所處的地球時間空間特性息息相關(guān)，致使瓦斯?jié)B透率呈現(xiàn)出時變性、非線性、模糊性等特點，如何精確預(yù)測煤體瓦斯?jié)B透率的動態(tài)變化，對預(yù)防礦山開采中煤礦瓦斯災(zāi)害的發(fā)生有重要意義。

國內(nèi)外研究人員針對煤體瓦斯?jié)B透率的變化進行了研究，呂閏生等研究了不同結(jié)構(gòu)下煤體瓦斯?jié)B透率的差異性，揭示了煤體結(jié)構(gòu)差異性對瓦斯?jié)B透率的影響；魏建平等研究了水分和受載條件下含瓦斯煤的滲透性影響因素；尹光志，蔣長寶等研究了瓦斯壓力、地應(yīng)力與滲透率的關(guān)系；王登科等研究了瓦斯的滲流特性,得出了滲透率新的計算方法；許江等研究了溫度、低孔隙壓力和不同瓦斯壓力的環(huán)境下對煤體瓦斯?jié)B透率特性的影響；Perera等研究了煤體瓦斯氣體在非零橫向應(yīng)變條件下的滲透率；趙陽升等研究了三維應(yīng)力下吸附作用對煤巖體氣體滲流規(guī)律。由于開采過程中煤體瓦斯?jié)B透率的不確定性以及模糊性特征，國內(nèi)外學者建立的理論模型和經(jīng)驗公式是不適用于煤體瓦斯?jié)B透率預(yù)測的。因此，以智能算法為主的預(yù)測方法開始得到了應(yīng)用，其中BP神經(jīng)網(wǎng)絡(luò)(back propagation neuralnetwork)是用于煤體瓦斯?jié)B透率預(yù)測的主要方法之一，一定程度上解決了礦山安全預(yù)測問題。但是以BP神經(jīng)網(wǎng)絡(luò)為主的單個預(yù)測模型算法只能針對特定問題進行解答，因此以組合算法為主架構(gòu)的混合預(yù)測模型研究得到迅速發(fā)展，即考慮單一預(yù)測模型的優(yōu)缺點及適用性，通過構(gòu)建智能優(yōu)化算法結(jié)合神經(jīng)網(wǎng)絡(luò)分析煤體瓦斯?jié)B透率在不同條件下的變化特點,建立一種優(yōu)化算法與神經(jīng)網(wǎng)絡(luò)結(jié)合的雙組合算法，提高了預(yù)測精度，然而，獲得更高精度的煤體瓦斯?jié)B透率預(yù)測在算法上需要更多的組合和改進。

綜上所述，本發(fā)明提出采用學習向量量化神經(jīng)網(wǎng)絡(luò)算法(Learning VectorQuantization，即LVQ)分類、混沌與粒子群組合生成的混沌粒子群算法(Chaos ParticleSwarm Optimization，CPSO)優(yōu)化、BP神經(jīng)網(wǎng)絡(luò)預(yù)測的多組合算法對煤體瓦斯?jié)B透率進行預(yù)測，通過煤層埋深宏觀分層、有效應(yīng)力微觀分段、權(quán)值和閾值并行優(yōu)化、樣本數(shù)據(jù)學習訓練、檢驗樣本預(yù)測驗證，并與BP單一算法、遺傳和BP雙組合算法(Genetic AlgorithmGA-BP)、粒子群和BP雙組合算法(Particle Swarm Optimization，PSO-BP)預(yù)測的結(jié)果進行對比分析，充分證明了LVQ-CPSO-BP多組合算法在煤體瓦斯?jié)B透率預(yù)測精度提高方面可行、有效。

發(fā)明內(nèi)容

為解決上述現(xiàn)有技術(shù)存在的問題，本發(fā)明的目的在于提供基于LVQ-CPSO-BP算法的煤體瓦斯?jié)B透率預(yù)測方法。總體預(yù)測值與實測值吻合度高，尤其當有效應(yīng)力減小時，預(yù)測精度更高。

為達到上述目的，本發(fā)明的技術(shù)方案為：

基于LVQ-CPSO-BP算法的煤體瓦斯?jié)B透率預(yù)測方法，由如下步驟構(gòu)成：