基于BP神經網絡的煤礦瓦斯預警與應急聯動系統研究

頊東婷

【摘要】 針對煤礦瓦斯災害的預警問題，在煤礦收集到各指標氣體濃度的基礎上，構建BP神經網絡，通過訓練各數據，判斷該檢測點是否會發生瓦斯災害，若發生災害則啟動面向服務的應急聯動。

【關鍵字】 瓦斯預警 BP 神經網絡 應急聯動

Abstract：BP neural network has been constructed to forecast the gas disaster of coal mine colliery .In this system，the concentration ratio of gases are selected as the date input of the network.By training，the system can forecast the gas disaster .If there is a disaster，we will start the Emergency Response System.

Key words：gas warning Emergency Response BP neural network

煤礦事故發生頻繁，破壞性大，它是威脅煤礦工人生命安全和煤礦企業正常生產的罪魁禍首，而瓦斯災害是煤礦事故的主要形式。為保證煤礦生產的安全高效，預警系統則被應用到生產與管理當中，減少或杜絕事故發生，對煤礦安全生產具有重大的現實意義。BP神經網絡算法是目前應用最廣泛的網絡模型之一，在災害預警方面也是常用的一種方法，通過訓練大量數據從而判斷檢測點是否發生災害，克服了傳統預測方法的局限性，達到更加高效準確的預警效果。

一、BP神經網絡

1.1 BP神經網絡原理

Back Propagation neural network（BP神經網絡），也稱誤差反向傳播模型，是人工神經網絡中重要的一支，BP神經網絡的特點是在未知輸入與輸出的情況下，只要給出足夠多的訓練數據，該網絡可以自動得到輸入輸出之間的映射關系，實現對任意數據的分類和預測。BP神經網絡模型分為三部分：網絡輸入層（Input Layer），網絡輸出層（Output Layer），輸入與輸出層之間的隱含層（Hide Layer）。輸入信號由神經網絡的輸入層神經元節點傳入，然后向前逐層傳送給隱含層的所有神經元，最后工作信號由輸出層神經元傳出。BP神經網絡分為兩個工作：向前傳播工作信號，逆向傳播誤差信號。經過這兩個階段的循環往復進行，網絡中的權值得到不斷修改，當學習次數達到規定的最大迭代次數時，BP神經網絡訓練結束。如下圖所示，設有一個3層BP神經網絡，輸入層3個節點，輸出層3個節點，隱含層3個節點如圖1所示。

1.2 BP神經網絡的訓練結果

經過訓練后，判斷檢測點是否發火并以0或1的形式輸出。網絡經過多次訓練后，誤差達到預設的范圍（<0.000 1）。研究表明，利用BP神經網絡處理從煤層收集到的氣體濃度并作出安全預警是可行的且具有相當優勢的。它的基本思想是先通過BP神經網絡的權值進行預測，經過一定次數的進化迭代后，這樣能大大提升BP神經網絡的收斂速度，提高訓練的精度。

二、應急服務管理

1、服務設計分析。當災害發生時，一般都需要很多部門、行業的配合組織救援，不同的災害啟動的應急方案不同，調動的web服務不同，通過BP神經網絡預測災害等級，通知相對應的應急輔助服務。并且各個救援機構（醫院、消防部門、公安部門、指揮部門、志愿者等）可實時登記自身信息，成為動態救援力量。

2、系統重點模塊介紹。實時監測與預警模塊，在系統中該模塊可以直接顯示引起瓦斯災害的各項指標的實際監測值，通過與數據庫鏈接，然后根據BP神經網絡模型的預測，得到預警結果，根據相應的研究，把預警結果分為重大，大型，一般，正常四種情況。

歷史數據查詢模塊，在該模塊中可以通過輸入查詢的時間和地點得到歷史數據以及歷史中發生災害的數據。

三、該系統的缺點

傳統的BP神經網絡訓練方法，是在單片機上串行處理數據集，當進行數據挖掘的數據量急劇增大，達到海量級別時，BP神經網絡訓練會有很多問題，如消耗時間長，甚至是出現內存不足的問題，所以該系統還可以進行優化。

四、總結

本文介紹了煤礦瓦斯BP神經網絡的原理，考慮到人工神經網絡極強的非線性逼近能力知識處理方面的優勢，利用BP算法開發了BP網絡，將傳感器接收到的數據作為BP神經網絡的輸入單元，實現了基于BP神經網絡的煤礦瓦斯預警及應急服務系統。

參 考 文 獻

[1] 李玉丹.并行BP神經網絡多模式分類模型的研究[D]. 遼寧師范大學 2014

[2] 趙鑫，宋廣軍，李誠.改進BP神經網絡的煤與瓦斯突出預測[J]. 計算機仿真. 2012（06）