優化BP神經網絡在工作面安全開采中的應用

魏玲玲

(潞安礦業集團公司 安監局，山西 長治 046204)

我國能源結構中煤炭資源占比最大，且短時間內不會發生改變，但是在煤炭開采過程中伴隨著諸多安全事故，嚴重影響著生產設備的使用壽命以及生產人員的人身安全，如何高效安全地開采煤炭資源是從業人員及研究人員一直關注的問題。但是煤炭資源賦存條件復雜，影響煤炭安全開采的問題也非常多，如影響工作面安全開采的因素有工作面的頂底板含水層、工作面采動效應、煤層埋深、地質構造、瓦斯涌出量、煤層傾角、煤層厚度等等，由于影響工作面安全回采的因素較多，要預測和控制的量較多、計算復雜，因此對于此類問題，許多學者已經進行了一定的研究，所運用的主要方法為利用傳統的神經網絡模型，綜合諸多因素對工作面安全回采做出預測，但是傳統神經網絡模型存在需要的學習樣本較大、計算預測結果誤差較大等缺陷。

本文基于傳統神經網絡模型所存在的缺陷，利用優化BP神經網絡建立工作面安全開采預測模型，結合有限元仿真軟件Matlab對預測模型進行了模擬計算，為相似條件下的工作面安全回采的預測提供了新的思路與方法。

1 工程概況

山西忻州某礦采用立井與斜井聯合開拓方式，目前主采3號與9號煤層，即將布置的工作面煤層埋深標高為+994～+958 m，平均埋深為100 m，煤層平均厚度為2.5 m，煤層傾角為7～9°，為近水平煤層。頂板為粉砂巖，煤層賦存地質構造較簡單，工作面瓦斯涌出量為0.56 m3/t，平均涌水量2.6 m3/h，采煤工藝為走向長壁后退式一次采全高綜合機械化開采法，頂板采用全部垮落法進行管理。

2 煤礦安全開采影響因素分析

由于煤礦在煤炭開采過程中存在錯綜復雜的不安全因素，使得作業環境較為復雜，形成一個集人員、機械、設備、地質條件、自然環境、采礦工藝于一體的復雜系統，而且各因素與安全隱患之間的關系并不是線性關系，而是一種模糊關系。本文針對影響工作面開采的因素，主要選取地質條件、頂板條件、瓦斯涌出量、煤層傾角、煤層厚度、開采深度、平均涌水量7個因素作為影響工作面安全開采的評價指標。以《煤礦安全規程》為依據，將評價指標定為五個等級，即I級、Ⅱ級、Ⅲ級、Ⅳ級、V級，分別表示安全、較安全、一般安全、不安全、很不安全[1]，各因素的分級標準見表1。表1中的地質條件和頂板條件的取值采用定性指數取值方法，指數級別見表2。

表1 工作面安全開采的評價指標分級標準

表2 地質條件和頂板條件指數取值

3 基于優化BP神經網絡模型的工作面安全開采評價模型構建

神經網絡是一種通過局部接受域完成函數映射的網絡，并且網絡存在隱含層神經元節點數的確定和隱含層到輸出層權值的調整的缺陷[2]，該網絡模型所需訓練樣本較大，且存在較大誤差。本文通過對神經網絡模型進行優化，在輸入層與輸出層之間加載一條單向線式連接，通過此連接可以進一步反映出輸入層與輸出層之間所存在的映射關系[3]，使輸入與輸出更具有關聯性，通過使用最陡下降法和最近鄰聚類，只需要通過調整其中的一個變量，就可以完成權值訓練[4]，運用該方法對問題進行預測時，所需要的訓練樣本較少，且能達到更好的訓練以及預測效果。圖1為傳統神經網絡模型與優化BP神經網絡模型結構。

圖1 傳統神經網絡模型與優化BP神經網絡模型結構

為對基于優化BP神經網絡模型的工作面安全開采評價模型的訓練，選取10組影響工作面安全開采的樣本參數及結果來進行學習訓練。樣本具體參數見表3。表3中：實際結果中00 001表示安全、00 010表示較安全、00 100表示一般安全、01 000表示不安全、10 000表示很不安全。

表3 影響工作面安全回采的樣本參數及結果

4 工作面安全開采評價的Matlab模擬仿真研究

結合圖1中的優化BP神經網絡模型結構，在Matlab中編寫運算程序，將表3中的數據導入Matlab運算程序中進行學習訓練，當計算誤差小于0.1%時，說明運算程序已經學習訓練完成。圖2為Matlab運算程序誤差曲線。

圖2 Matlab運算程序誤差曲線

運算程序學習完成后，為驗證基于優化BP神經網絡模型編寫的運算程序的可靠性，選取4組已知結果影響工作面安全回采的樣本參數對運算程序進行驗證，比較結果見表4。

由表4可以看出：在4組樣本中，基于優化BP神經網絡模型編寫的運算程序得到的預測結果與實際結果相一致，可見優化BP神經網絡模型能夠較好地達到預測效果，精準度較高，可以有效地應用于煤礦工作面安全回采的評價中。

表4 BP優化神經網絡模型預測結果與實際結果比較

5 工程應用

經過學習訓練過后的Matlab運算程序已經獲得了影響因素與評價結果之間的關系，因此可用在評價煤礦工作面安全開采的評價中。文章背景忻州某礦即將布置的工作面地質條件簡單，取值為1，頂板條件取值為3，瓦斯涌出量為0.56 m3/t，煤層傾角平均為8°，煤層厚度為2.5 m，開采深度為100 m，平均涌水量2.6 m3/h，將上述數據代入Matlab運算程序中，經模擬計算得出結果為00 001，說明該工作面的開采安全狀況為安全。

6 結 語

1) 基于優化BP神經網絡模型編寫的Matlab運算程序得到的預測結果與實際結果相一致，可見優化BP神經網絡模型能夠較好地達到預測效果，精準度較高，可以有效地應用于煤礦工作面安全回采的評價中。

2) 經過學習訓練過后的Matlab運算程序已經獲得了影響因素與評價結果之間的關系，結合忻州某礦工作面已知數據，經過模擬計算，得出工作面的開采安全狀況為安全。