[發(fā)明專利]一種粉煤灰膏體管道輸送水力坡度模型的建立方法在審
| 申請?zhí)枺?/td> | 201711239624.9 | 申請日： | 2017-11-30 |
| 公開（公告）號： | CN107944163A | 公開（公告）日： | 2018-04-20 |
| 發(fā)明（設(shè)計）人： | 何榮軍;張麗;駱大勇;秦江濤;龐成;黃文祥;喻曉峰;李星亮 | 申請（專利權(quán)）人： | 重慶工程職業(yè)技術(shù)學院 |
| 主分類號： | G06F17/50 | 分類號： | G06F17/50;G06Q10/04;G06Q50/02;G06N3/08 |
| 代理公司： | 北京華智則銘知識產(chǎn)權(quán)代理有限公司11573 | 代理人： | 陳向敏 |
| 地址： | 402260 重*** | 國省代碼： | 重慶;85 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 粉煤 灰膏體 管道 輸送 水力 坡度 模型 建立 方法 | ||
技術(shù)領(lǐng)域
本申請屬于采礦技術(shù)領(lǐng)域，具體地說，涉及一種粉煤灰膏體管道輸送水 力坡度模型的建立方法。
背景技術(shù)
綠色采礦勢在必行，充填采礦是綠色采礦重要組成部分。粉煤灰膏體即 能解決粉煤灰污染環(huán)境的問題，又能滿足充填開采的需要，有利于煤炭企業(yè) 可持續(xù)發(fā)展膏體管道輸送屬于充填系統(tǒng)的關(guān)鍵環(huán)節(jié)，水力坡度作為管道輸送 最重要的參數(shù)之一，結(jié)果精度對工程實際應(yīng)用起到至關(guān)重要的作用。水力坡 度的影響因素復(fù)雜，它與材料物化性質(zhì)、膏體特性和管道特性等諸多因素都 存在密切的關(guān)系。對水力坡度的研究，主要經(jīng)歷了三個過程：有1931年前 蘇聯(lián)學者B·M·Makaeebb最早提出基于擴散理論的計算；1944年前蘇聯(lián)學者 M·A·Bennkahob提出基于重力理論的計算；前蘇聯(lián)煤礦科學研究院提出基于 能量理論的計算；國內(nèi)以鞍山礦山設(shè)計院和金川礦業(yè)提出的公式為主。然而， 水力坡度呈非線性多因素影響，以上研究多以孤立因素和經(jīng)驗總結(jié)為主，目 前還未有一套統(tǒng)一的指導(dǎo)方法和通用的公式，而且研究多集中輸沙、輸油氣 和輸?shù)V石相關(guān)方面，對粉煤灰膏體管道輸送水力坡度研究的文獻較少。
發(fā)明內(nèi)容
有鑒于此，本發(fā)明提供一種基于MMAS-BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于煤礦粉煤灰 膏體充填水力坡度的預(yù)測思路，建立相應(yīng)模型，預(yù)測結(jié)果精度高，完全滿足 實際需要，為膏體充填系統(tǒng)設(shè)計提供了全新而又重要的理論方法，具有重要 的現(xiàn)實意義。
為了解決上述技術(shù)問題，本申請開了一種粉煤灰膏體管道輸送水力坡度 模型的建立方法，包括以下步驟：
(1)確定目標函數(shù)，所述目標函數(shù)采用最小二乘目標函數(shù)，如下式表示：
式中：r為試驗組數(shù)；為第i組試驗的實際輸出；為第i組試驗的期望 輸出；
(2)管道輸送試驗所得數(shù)據(jù)作為樣本集，并對樣本集數(shù)據(jù)進行歸一化處理；
(3)進行BP神經(jīng)網(wǎng)絡(luò)學習，同時采用MMAS優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值、閾 值和結(jié)構(gòu)，建立管道輸送水力坡度的影響因素與水力坡度的非線性映照，獲 得粉煤灰膏體輸送的水力坡度預(yù)測模型；
其中，所述水力坡度的影響因素包括濃度、流速和管徑；
所述粉煤灰膏體輸送的水力坡度預(yù)測模型中，第一層為輸入層，3個神經(jīng) 元，分別為濃度、流速和管徑，第二層為隱層，第三層為輸出層，1個神經(jīng) 元，為輸送水力坡度。
進一步地，如上所述的方法，所述粉煤灰膏體輸送的水力坡度預(yù)測模型 是基于MMAS的BP神經(jīng)網(wǎng)絡(luò)的建模，先將試驗數(shù)據(jù)模糊化，再作為BP神 經(jīng)網(wǎng)絡(luò)的輸入和輸出，同時利用MMAS配合BP神經(jīng)網(wǎng)絡(luò)學習訓練，得到參 數(shù)與有關(guān)指標之間的非線性映照模型。
進一步地，如上所述的方法，基于MMAS的BP神經(jīng)網(wǎng)絡(luò)其訓練過程如 下：
第一，初始化，基本參數(shù)包括最大信息素amax、最小信息素amin、隨機的 個體數(shù)量M、隱層數(shù)量W、每隱層節(jié)點最大值Wi、最大循環(huán)次數(shù)Dcmax和螞蟻 數(shù)量s；
第二，螞蟻并行從第一個節(jié)點開始，逐一的順序處理，直至最后節(jié)點； 對于第n只螞蟻情況，具體操作為首先分析節(jié)點，判斷節(jié)點的基本情況，然 后根據(jù)元素選擇規(guī)則計算概率，按照輪盤轉(zhuǎn)動的方式，分別在前一個節(jié)點對 應(yīng)的權(quán)值和閾值集合中選擇一個元素，元素選擇規(guī)則按下述公式(1)進行：
式中Ob——權(quán)值和閾值集合；j——元素；ai(Ob)——集合Ob中的信息素 ai；
第三，在每次迭代中，建立整個蟻群解對應(yīng)的神經(jīng)網(wǎng)絡(luò)，輸入樣本，計 算神經(jīng)網(wǎng)絡(luò)的均方誤差MSE，記載螞蟻所尋最優(yōu)路徑均方誤差MSEbest1，用 BP神經(jīng)網(wǎng)絡(luò)學習訓練，再記載訓練后的均方誤差MSEtrain，具體表示如下述 公式(2)：
MSEbest＝min{MSEbest1,MSEtrain}(2)
第四，更新元素和信息素，對于每一個節(jié)點，更新的方式按公式(3) 和公式(4)進行：
式中ρ——信息素揮發(fā)因子；
△a＝1/MSEbest(4)
第五，重復(fù)第二至第四步，直至Dc≥Dcmax時，循環(huán)中止；
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于重慶工程職業(yè)技術(shù)學院，未經(jīng)重慶工程職業(yè)技術(shù)學院許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201711239624.9/2.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
