[發明專利]基于BP神經網絡和概率統計的綜采放煤時間智能確定方法

有效

• 申請號: 202010780427.3
• 申請日: 2020-08-06
• 公開（公告）號: CN111967745B
• 公開（公告）日: 2023-10-24
• 發明（設計）人: 程海星;朱磊;張光磊;鄭忠友
• 申請（專利權）人: 中煤能源研究院有限責任公司
• 主分類號: G06Q10/0637
• 分類號: G06Q10/0637;G06Q10/067;G06Q10/04;G06N3/084;G06Q50/02
• 代理公司: 青島錦佳專利代理事務所(普通合伙) 37283
• 代理人: 朱玉建

本發明提供了一種基于BP神經網絡和概率統計的綜采放煤時間智能確定方法，涉及采礦工程技術領域，解決了人工放煤準確率低的技術問題。該方法的步驟包括：提取頂煤放出前的液壓支架承受壓力、位態特征指標參數；將所得的若干指標參數作為BP神經網絡輸入指標，對應的綜采放煤時間作為輸出值，采用BP神經網絡算法對數據進行訓練，建立各指標?放煤時間的數學關系模型，并對依據該模型對放煤時間進行預測。隨機給定BP神經網絡初置參數，重復訓練，獲得相同輸入的大量預測值；采用概率統計的方法統計分析得到的大量預測值，確定最大概率所在區間；基于大量預測值的中值與平均值及最大概率所在區間給出最終的預測值；該方法實現了放煤時間的智能化決策。

技術領域

本發明涉及采礦工程技術領域，尤其是一種基于BP神經網絡和概率統計的綜采放煤時間智能確定方法。

背景技術

智能決策是智能化采礦的關鍵發展方向，煤礦開采的決策問題具有高度非線性、復雜性及模糊性，普通算法往往難以勝任，BP神經網絡算法(Back Propagation NeuralNetwork)具有很強的非線性動態處理能力，通過高度非線性的映射，無需知道輸入與輸出之間的關系便可以從樣本數據中提取特征，建立輸入與輸出之間的隱式非線性對應關系從而通過已知樣本預測未知參數，實現參數的智能化決策。

目前放頂煤工作面主要以人工操作為主，包括頂煤放煤時間都由工人憑經驗控制，效率低且危險性大，但是由于煤礦開采的特殊性及井下地質環境的復雜性，在BP神經網絡決策中用于訓練的樣本數往往比較少且相互之間共性差異較大，需要人為選擇合適的神經網絡層數及神經元個數才能達到理想的效果，人工干預程度較高，缺乏有效的自主性，如何實現少人、無人的智能化預測是一大難點，為此需要對現有的綜采放煤時間確定方法做進一步的改進。

發明內容

為了解決人工放煤準確率低，神經網絡訓練樣本數量少并且差異性大的技術問題，本發明提供一種基于BP神經網絡和概率統計的綜采放煤時間智能確定方法，具體技術方案如下。

一種基于BP神經網絡和概率統計的綜采放煤時間智能確定方法，步驟包括：

步驟A.提取工作面頂煤放出前液壓支架承受壓力和位態特征指標參數；

步驟B.將得到的所述參數作為BP神經網絡輸入指標，對應的綜采放煤時間作為輸出值，采用BP神經網絡算法對數據進行訓練，建立各指標-放煤時間的數學關系模型，并對綜采放煤時間進行預測；

步驟C.隨機給定BP神經網絡初置參數，重復訓練所述BP神經網絡，獲得相同輸入的大量預測值；

步驟D.采用概率統計的方法統計分析所述大量預測值，確定最大概率所在區間；

步驟E.根據所述大量預測值的中值、平均值及最大概率所在區間給出最終預測值。

優選的是，BP神經網絡為基于概率統計方法改進的BP神經網絡，在采用BP神經網絡算法對數據進行訓練后，使用實測數據驗證輸出值的準確性。

優選的是，位態特征指標參數包括放煤前前柱壓力、放煤前后柱壓力、放煤前頂梁傾角和放煤前掩護梁傾角。

優選的是，實測數據包括實測頂煤放出前液壓支架承受壓力、實測放煤前前柱壓力、實測放煤前后柱壓力、實測放煤前頂梁傾角、實測放煤前掩護梁傾角和實測綜采放煤時間。

還優選的是，BP神經網絡初置參數包括神經網絡層數和單層神經元數量的取值范圍，在所述取值范圍內隨機選擇神經網絡層數和單層神經元數量；所述BP神經網絡的閾值和誤差初值設定為隨機值；重復訓練所述BP神經網絡M次，其中M為大于10000的整數，得到所述大量預測值。

進一步優選的是，步驟D中，將所述大量預測值所在的區間進行N等分，其中N為大于3的自然數，并統計各個區間內預測值占總量的比例。