（检测技术与自动化装置专业论文）井下瓦斯预测算法及其监控系统的研究.pdf

郑州大学硕士学位论文摘要 摘要 煤矿瓦斯是影响煤矿安全生产的重要因素，随着煤矿开采规模的扩大和数量 的增加，瓦斯灾害问题日益突出，煤矿安全成为全社会关注的焦点。加强煤矿瓦 斯量的预测，对井下瓦斯突出及时采取预防措施；研制出高性能、高可靠性、实 用性强的煤矿瓦斯监控系统，对井下瓦斯浓度跟踪监控，及时采取处理措施，将 对改善我国煤矿安全生产状况及提高经济效益具有重要意义。 本文针对瓦斯预测和监控讨论以下几个问题：1 、算法研究，讨论利用神经网 络和遗传算法预测瓦斯涌出量，以提高预报瓦斯量的准确程度；2 、利用传感技术、 通讯技术及计算机技术，设计出一种采用单片机的智能化监控系统。 论文首先在阐述神经网络和遗传算法的基本原理的基础上，介绍了利用神经 网络和遗传算法的瓦斯涌出量预测方法。接着介绍了煤矿瓦斯监控系统的设计， 提出了集数据采集、分析处理、控制及数据通讯于一体的数字化系统设计方案， 根据整体方案，研制出瓦斯传感器和监控分站，瓦斯传感器连接到现场总线上， 采集数据由现场总线传到监控分站。智能传感器和监控分站之间采用m b u s 总 线通讯方式，监控分站和监控主机之间采用r s - 4 8 5 总线通讯方式，对应于各通 讯方式，我们开发出了不同的通讯接口。 智能瓦斯传感器采用m c l l 2 器敏元件，带有自校准电路、数码管显示、报 警显示电路，能自动调整零点，自动补偿检测元件的飘移，利用红外遥控技术来 设置调整参数。监控分站采用单片机，对现场总线传来的信号进行分析判断，将 数据传到地面的监控主机，监控主机分别显示各分站数据并对分站进行控制报警， 可提高整个系统的实用性、可靠性和精度。 关键词：神经网络，遗传算法，瓦斯传感器，监控分站，w 7 7 e 5 8 郑州大学硕士学位论文a b s t r a c t a b s t r a c t t h e m e t h a m eu n d e rc o l l i e r yi sa nv e r yi m p o r t a n tf a c t o ro fi n f l u e n c i n g c o a l m i n es a f e t y al o to fm e t h a m ea c c i d e n t so c c u r e dw i t he n l a r g e m e n to f e x p l o i t i n gs c a l ea n di n c r e a s eo fc o a l m i n en u m b e r s t h es e c u r i t yp r o b l e mo f c o a l m i n e sh a sb e e naf o c u st h a tt h ew h o l es o c i e t yi sl o o k i n gf o r s oi ti s o fg r e a ts i g n i , f i c a n c et oi m p r o v et h ec o a l m i n es a f e t yl a b o u rc o n d i t i o na n d t oi n c r e a s ee c o n o m i ce f f i c i e n c yi nc h i n at oe n h a n c er e s e a r c ho nt h em e t h o d s o fp r e d i c t i o no fm e t h a m aa m o u n ta n dt od e s i g nm o n i t o r e dc o n t r o ls y s t e mo f g a sw i t hh i g hc a p a b i l i t y ，h i g hr e l i a b i l i t ya n dg o o dp r a c t i c a b i l i t y w ec a n d i s p o s eo fa p p e a r a n c eo fm e t h a m ev e r yq u i c k l ya n dc o n t i n u o u s l ym o n i t o r a n d c o n t r o lg a sd e n s i t yu n d e rc o l l i e r y w em a i n l yd i s c u s s e dt h ep r o b l e m so fg a sp r e d i c t i o n ，g a sb e i n gm o n i t o r e d a n db e i n gc o n t r o l l e da sf o l l o w i n g o n e ，a l g o r i t h mr e s e a r c h ，w ea d o p tn e u r a l n e t w o r k a n dg e n e t i ca l g o r i t h mt os t u d yp r e d i c t i o nt e c h n i q u e so f g a s e m i s s i o nf o ri n c r e a s i n ga c c u r a c yo fg a sp r e d i c t i o n t w o ，w eu s es e n s o r t e c h n i q u e s ，c o m m u n i c a t i o nt e c h n i q u e sa n dc o m p u t e rt e c h n i q u e st od e s i g nt h e i n t e l l i g e n tm o n i t o r e dc o n t r o ls y s t e mo fg a so nm c uo fp i ca n dw 7 7 e 5 8 i nt h ep a p e r ，f i r s to nt h eb a s i cp r i n c i p l e so fn e u r a ln e t w o r ka n d g e n e t i ca l g o r i t h m ，t h em e t h o do fp r e d i c t i o no fm e t h a m ea m o u n tu s i n gn e u r a l n e t w o r k a n dg e n e t i ca l g o r i t h m si sp u tf o r w o r d w ec a na c h i e v eg o o de f f e c t s t oa p p l yi ti np r a c t i c e t h e n ，w ed e s i g nt h em o n i t o r e dc o n t r o ls y s t e m t h e s y s t e md e s i g ns c h e m ei n c l u d i n gc o l l e e t i o n ，a n a l y s ea n dt r e a t m e n to fd a t a f u n c t i o n ，c o n t r o lf u n c t i o na n dd a t ac o m m u n i c a t i o nf u n c t i o ni sp u t f o r w o r d u n d e rt h es c h e m e ，w ed e v e l o pt h ei n t e l l i g e n tg a ss e n s o ra n dt h e m o n i t o r e dc o n t r o lu n i t t h eg a ss e n s o ra r ec o n n e c t e dt of i e l db u s ，t h e c o l l e c t e dd a t a sa r et r a n s m i t t e dt ot h em o n i t o r e dc o n t r o lu n i t w ea d o p t m - b u sc o m m u n i c a t i o nw a yb e t w e e nt h ei n t e l l i g e n tg a ss e n s o ra n dt h e m o n i t o r e dc o n t r o lu n i t w eu s er s 一4 8 5c o m m u n i c a t i o nw a yb e t w e e n t h e m o n i t o r e du n i ta n d t h em o n i t o r i n g c o m p u t e r a c c o r d i n g t od if f e r e n t c o m m u n i c a t i o nw a y s ，w ed e v e l o pd i f f e r e n tc o m m u n i c a t i o ni n t e r f a c e s 2 郑州大学硕士学位论文a b s t r a c t w eu s em c l l 2a sm e t h a m es e n s o r i t h a sa u t o m a t i c a l a l i b r a t i n g c i r c u i t ，a u t o m a t i c a ln i x i ed i s p l a yc i r c u i ta n da l a r m i n gd i s p l a y c i r c u i t i tc a na d j u s tz e r oa u t o m a t i c a l l ya n dc o m p e n s a t ed e v i c ed e v i a t i o n d i s p e r s i o na u t o m a t i c a l l y w ec a nu s ec o n t r o l l i n gt e c h n i q u e so fu l t r a r e d r a y st os e tp a r a m e t e r s t h em o n i t o r e dc o n t r o lu n i tu s et h em c uo fp i c a n d w 7 7 e 5 8 i tp r o c e s st h es i g n a l sb e i n gt r a n s m i t t e db yf i e l db u sa n dt r a n s m i t t h ed a t a so fg a st ot h em a i nc o m p u t e ro ng r o u n d t h em a i nc o m p u t e rd i s p l a y t h ed a t a o fe v e r ym o n i t o r e dc o n t r o lu n i ta n dc o n t r o li t i ti n c r e a s e p r a c t i c a b i l i t y ，r e l i a b i l i t ya n da c c u r a c y w ea c c o m p l i s he x c e l l e n te f f e c t k e yw o r d s ：n e u r a in e t w o r k g e n e t i ca i g o r ；t h i n , g a ss e n s o r ，m o n i t o r e dc o n t r o i u n i t ，w 7 7 e 5 3 郑州大学硕士学位论文绪论 第一章绪论 1 1 问题的提出及研究意义 矿业是我国国民经济的基础产业，中国煤炭储量占世界的1 1 6 ，开采煤矿 数量是其它外国煤矿数量的数倍。随着我国对能源需求的增长，煤炭产量也迅速 增长，给煤炭业带来可观的经济效益。然而事故频繁发生，骇人听闻。我国煤炭 产业每年事故死亡人数近万人，直接经济损失超过4 0 亿元，而世界其它所有产煤 国事故死亡人数不超过8 0 0 人。国家对于煤炭企业安全生产日益重视，投入了大量 的人力、财力、物力来解决这个问题。 瓦斯灾难是煤矿事故的主要形式，瓦斯是煤矿“五毒”之一，是煤矿生产过 程中的最大安全隐患。据统计，中国国有重点煤矿中4 4 4 的矿井高瓦斯或煤与瓦 斯突出，自然发火危险矿井占5 1 3 ，煤尘有爆炸危险的矿井占8 7 4 。小煤矿中 高瓦斯或煤与瓦斯突出矿井超过1 5 ，具有煤尘爆炸危险占9 1 3 ，其中高达5 7 7 的矿井具有强爆炸性。然而瓦斯预测不够准确，瓦斯监测仪器仪表和传感器的可 靠性与快速反应能力不高，瓦斯监控系统精度差，对高粉尘浓度区域无法实现连 续监测，并且瓦斯抽放规模和抽放效率仍然偏低，隐蔽火源探测技术仍无进展。 在国外，一些煤矿对瓦斯预测和脏控做的就比较好，例如：德国煤矿采用先进监 控系统，2 0 0 5 年因煤矿事故伤亡的人数只一人，美国采用高科技的瓦斯预测和监 控技术，2 0 0 5 年因煤矿事故伤亡人数1 0 0 人。因此，我国煤矿加强瓦斯预测和监控 方面的研究就显得及为迫切和必要。 瓦斯预测和监控是煤矿安全生产中十分重要的课题。预测就是准确而迅速地 测出矿井瓦斯涌出量和突出危险区域，对瓦斯突出提前采取处理措施，减少瓦斯 事故的发生。监控就是检测地下几百里甚至几千里的瓦斯浓度是否超标，是否有 明火、自燃等安全隐患，并采取报警等控制措施。采用高科技的瓦斯监控系统， 能有效地对瓦斯抽放状态进行连续跟踪监测和适时调控，使之在最佳状态下工作。 本论文介绍的瓦斯预测方法和设计的瓦斯监控系统，在试用中获得较好的效果。 研究成果将推动煤矿瓦斯监测和调校装置的自动化、智能化，推动煤矿瓦斯治理 技术和安全技术的发展。对煤矿扩大生产规模、提高生产效率和经济效益，有着 重要的意义。系统硬件、软件设计都达到了很高的标准，在石油、化工等其它行 业，也有广泛的应用前景。 郑州大学硕士学位论文绪论 1 2 煤矿瓦斯研究现状与发展趋势 1 2 1 研究现状 目前，瓦斯涌出量预测方法可分为两类。一类是建立在数理统计基础上的矿 山统计法，这种方法依据矿井瓦斯涌出量随开采深度变化的统计规律，外推到预 测的新区，主要适用于地质条件简单的矿井；另一类是以煤层瓦斯含量为基本预 测参数的瓦斯含量法，这种方法通过计算井下各涌出源的瓦斯涌出量，得到矿井 或某一预测范围的涌出量预测值。 我国监测监控技术应用较晚，2 0 世纪8 0 年代初，从波兰、法国、德国、英国和 美国等( 如d a n 6 4 0 0 、t f 2 0 0 、m i n o s 和s e n t u r i o n - 2 0 0 ) 引进了一批安全监控系统， 装备了部分煤矿：在引进的同时，通过消化、吸收并结合我国煤矿的实际情况，先后 研制出k j 2 、k j 4 、k j 8 、k j i o 、k j l 3 、k j l 9 、k j 3 8 、k j 6 6 、k j 7 5 、k j 8 0 、k j 9 2 等监 控系统，在我国煤矿已大量使用。实践表明，安全监控系统为煤矿安全生产和管 理起到了十分重要的作用。 随着电子技术、计算机软硬件技术的迅猛发展和企业自身发展的需要，国内各 主要科研单位和生产厂家又相继推出了k j 9 0 、k j 9 5 、k j l 0 1 、k j f 2 0 0 0 、k j 4 k j 2 0 0 0 和k j g 2 0 0 0 等监控系统，以及m s n m 、w e b g i s 等煤矿安全综合化和数字化网络监测管 理系统。 1 2 2 发展趋势 1 基于预测的瓦斯监控系统的研制。系统不仅能实现监测监控，而且能根据 监测地点的环境参数进行准确的预测，进行有效的危险判别、分析和提出专家解 决方案。同时软件向网络化发展，按统一的格式向外提供监测数据。 2 规范通信协议和传输设备物理层协议，提高远程通信能力，加强系统的兼 容性的或制定相应的专业技术标准。提高监控系统的自动化、智能化水平。 3 研制高性能的瓦斯传感器，要求不仅灵敏度、测量精度高，而且带有信号 处理电路，对传感器的零点和灵敏度进行自动效正，能测量多种气体。 4 矿井瓦斯爆炸多半是由电气火灾引起的，因此需研制智能化的高压开关柜、 高压真空馈电开关、低压真空馈电开关等，依此向系统提供多参数的信息，如电流、 电压、单相三相漏电电流、开关运行状态、开关机械电气闭锁状态等。 2 郑州大学硕士学位论文绪论 1 3 论文主要工作 1 论文介绍了瓦斯的常见预测方法。 2 介绍了神经网络和遗传算法的基本原理，将神经网络和遗传算法应用于瓦 斯涌出量预测，提出了基于混沌模型的瓦斯涌出量预测方法。 3 预测的前提条件是可利用的资料及对资料的分析和研究，资料来源于瓦斯 监控系统，资料的分析和研究来源于监控系统的信息管理。可见，监控系统是瓦 斯预测的基础，为此，我们提出瓦斯监控系统的新方案。经过方案比较和调研工 作，提出集数据采集，分析处理，控制及数据通讯等功能于一体的数字化集成系 统设计方案。 4 设计出高精度，高可靠性，功能强大，功耗低的智能瓦斯传感装置。将红 外遥控、数字滤波技术、非线性效正等多种新技术、新方法应用于监控装置的开 发中。 5 设计了监控分站。监控分站既可以采集各种现场信号，进行判断处理，又 可将数据传送至地面的监控主站；地面的监控主机也进行分析判断，将所得的结 果传回分站，分站将两个结果进行或运算，即任何一方都可以使井下电器设备安 全停机，增强了监控系统的可靠性。根据功能要求编制监控分站的程序。 6 编制智能瓦斯传感器的程序。并设计了自校准电路和自动补偿软件，使仪 器能够自动调整零点，自动补偿检测元件的漂移。这样就可大大延长校验周期， 减轻了用户的负担( 传统的瓦斯传感器需要每七天校验一次) 。采用红外遥控技 术来设置调整参数。 7 研究了监控系统的通讯方式，确定在智能瓦斯传感器和监控分站之间采用 m - b u s 通讯方式，在监控分站和监控主机之间采用r s 一4 8 5 通讯方式。对应予各通讯 方式，开发出了不同的通讯接口。 郑州大学硕士学位论文煤矿瓦斯的预测 2 1 瓦斯的介绍 2 1 1 瓦斯的来源 第二章煤矿瓦斯的预测 广义的矿井瓦斯是指井下有害气体的总称。矿井瓦斯一般有以下四类来源： 在煤层和围岩内赋存的能涌入到矿井的气体；矿井生产过程中生成的气体： 井下空气与煤、岩、矿物、支架和其它材料之间化学或生物化学反应而产生的 气体；放射性物质蜕变过程中生成的或地下水放出的放射性气体氡及惰性气体 氦等嘲。 在四种途径产生的瓦斯中，可以将第一类来源主要有有机质在煤化过程生成 并赋存于煤( 岩) 中的气体称为有源气体；与有机源气体相对应的是在有火成岩 侵入或碳酸盐受热分解生成的c d ，经断层侵入煤田的无机源气体。在这些不同成 因的气体中，属于可燃性可爆性气体的有甲烷及其同系物烷烃、环烷烃、芳香烃、 氢气、一氧化碳、硫化氨等；属于有毒的气体的有硫化氢、二氧化硫、一氧化碳、 氨气、二氧化氮、一氧化氮等；属于窒息性的气体有氮气、甲烷、二氧化碳与 氢气；属于放射性的有氡气。煤气瓦斯一般以甲烷为主，甲烷的体积含量都占绝 大部分。因此瓦斯是威胁煤矿安全的重要因素。 甲烷的化学式是c h 4 ，是无色、无味、无嗅、可以燃烧或爆炸的气体。它对 人的呼吸影响同氮相似，可以使人窒息。例如，由于甲烷冲淡空气中的氧，当甲 烷浓度达至u 4 3 时，空气中氧的浓度会降至l j l 2 ，人的呼吸会感到非常急促；当 甲烷浓度达n 5 7 时，空气中氧的浓度会降到9 ，人会处于昏迷状态，有死亡威 胁。由于甲烷在空气中表现出强扩散性，所以它一经与空气均匀混合，就不会因 其比空气轻而上浮、聚集。所以当无瓦斯涌出时，巷道断面内的甲烷的浓度是均 匀分布的；当有瓦斯涌出时，甲烷的浓度呈不均匀分布。甲烷的化学性质不活泼， 微溶于水。 瓦斯在煤体和围岩中，以游离状态和吸附状态存在，一般情况下处于动态平 衡。当外界温度、压力变化时，这几种状态就会发生相互转化。瓦斯在煤层开采 过程中被逸散出来，在井下积累造成井下瓦斯浓度的增加，当瓦斯浓度达到5 一1 6 时，具有爆炸性，瓦斯浓度为9 5 时爆炸威力最大，当瓦斯浓度小于5 或大 于1 6 时，一般不会爆炸，遇明火只会燃烧，形成燃烧事故“1 。 4 郑州大学硕士学位论文煤矿瓦斯的预测 2 1 2 瓦斯产生的各种因素 影响瓦斯产生的因素很多，但主要有如下几个方面： 煤层埋藏深度 一般煤层埋藏愈深，越有利于封存瓦斯。瓦斯含量一般可用下式表示：瓦斯 含量= 6 5 8 + 0 0 3 8 * 距地表深度。当煤层埋藏深度很大时，瓦斯值可认为趋近于常 量。 煤层和围岩的透气性 一般煤层和围岩透气性越大，瓦斯就越容易流失，因而瓦斯含量就越小。反 之，瓦斯的含量就越大。 煤层倾角 如果其它自然条件相同，煤层倾角越小，瓦斯含量就越高。 煤层露头 煤层露头是指瓦斯向地面排放的出口，显然煤层露头存在时间长，瓦斯排放 就越多。 煤化程度 如果煤层的煤化程度越高，吸附能力也就越强，存贮瓦斯的能力就越强，因 而瓦斯含量也就越大。 煤层所处的地质因素 煤层的地质因素是影响瓦斯存储最重要的条件之一。例如：封闭性地质条件 就有利于瓦斯的封存；反之开放型地质就有利于排放瓦斯，因而瓦斯含量就小。 水文地质条件 煤层的水文地质因素也是影响瓦斯含量的重要因素。煤层的地下水活跃的地 方，瓦斯排放便易，因而瓦斯含量就越小。 矿井瓦斯涌出量的大小主要由以下几个因素决定： 煤层和围岩的瓦斯含量 煤层( 包括可采层和非可采层两种情况) 和围岩的瓦斯含量是影响瓦斯涌出 量的决定因素。如果瓦斯含量越高，瓦斯涌出量就越大旧。因此矿井的瓦斯涌出 量预测可以将煤层瓦斯含量作为主要依据。 煤层开采深度 随着煤层开采深度的增大，煤层的瓦斯含量将增大，因此开采过程中的瓦斯 涌出量也就越大。 煤层开采规模 煤层开采规模是指开采范围以及矿井的产量而言。对某一矿井来说，开采规 堑丛盔兰堡主兰垡丝塞：堡互臣堑墼鎏塑 模越大，矿井的绝对瓦斯涌出量也就越大；但就矿井的相对瓦斯涌出量来说，情 况就比较复杂。如果矿井是靠改进采煤工艺提高工作面单产来增大产量的，则相 对瓦斯涌出量有明显的减少，这是因为与采面无关的瓦斯源的瓦斯涌出量在产量 提高时无明显增大、随着开采速度加快邻近层及采落煤的残存瓦斯量将增大。如 果矿井仅靠开采规模来增大产量的，则矿井相对瓦斯涌出量或保持不变或增大。 煤层开采顺序与开采方法 在开采煤层群中的最先开采煤层时，由于其涌出的瓦斯不仅来源于开采层本 身，而且还来源于上、下邻近层，因此，开采最先开采煤层时的瓦斯涌出量往往 比开采其它各层时大好几倍。为了使矿井瓦斯涌出量不发生大的波动，在开采煤 层群时，应搭配好首先煤层和其它各层的比例。在煤层分层开采时，不同分层的 瓦斯涌出量也有很大差别。采煤方法的回采率越低，瓦斯涌出量就越大，因为丢 煤中所含瓦斯的绝大部分仍要涌入巷道。在开采煤层群时，由于采用陷落法管理 顶板比采用充填法管理顶板时能造成项板更大范围的破坏和松动，因而采用陷落 法管理顶板的工作面比采用充填法管理顶板的工作面的瓦斯涌出量大。 地面大气压力的变化 地面大气压力的变化，必然引起井下空气压力的变化。根据测定，地面大气 压力在一年内的变化量可达5 8 1 0 。3m p a ，一天内的最大变化量可达2 4 x 1 0 _ 3m p a ，但与煤层瓦斯压力相比，地面大气压的变化量是很微小的”1 。地面大气 压的变化对煤层暴露面的瓦斯涌出量没有多大影响。在生产规模较大，采空区瓦 斯涌出量占很大比重的矿井，采空区积存的瓦斯会更多的涌入风流中，使矿井瓦 斯涌出量增大；当气压变大时，矿井瓦斯涌出量会明显减少。 2 2 瓦斯的预测 国内许多专家学者结合煤矿的实际情况，提出了许多瓦斯涌出量预测方法 o “”。例如，付永水探讨了适合于低瓦斯煤层工作面的瓦斯涌出量预测方法”1 ：该 方法通过瓦斯地质规律研究得到了有关瓦斯涌出量的变化规律和主要研究因素， 在此基础上根据矿井已采区域的瓦斯涌出量实测数据和相关的地质资料，综合考 虑各种影响因素，采用一定的数学方法，建立预测瓦斯涌出量的多变量数学模型， 并对矿井未采区域的瓦斯涌出量进行预测。因此适合于低瓦斯煤层工作面的瓦斯 涌出量预测，该方法主要思想，就是利用瓦斯地质数学模型法建立的工作面瓦斯 涌出量数学模型来预测未采区工作面瓦斯涌出量。曲方提出了基于煤壁瓦斯涌出 初速度的综据工作面瓦斯涌出量预测方法m ：该方法根据综合机械化据进工作面 具有采、装运连续作业的特点和瓦斯涌出的特点，以此为基础建立了综据工作面 瓦斯涌出量预测模型。李曲将基因表达式程序设计方法应用于采煤工作面瓦斯涌 6 堑丝盔兰堡主兰堡鎏苎：堡芏巨堑丝薹塑 出量预测法“1 ，建立了采煤工作面瓦斯涌出量的预测模型。夏红春提出了基于最 ：j , - - 乘法的矿井深部区域瓦斯涌出量预测方法嘲，该方法运用最小二乘法建立了 工作面开采深度与相对瓦斯涌出量之间的一元线性回归方程，利用此方程对深部 区域的瓦斯涌出量进行预测。陈富勇将数值分析应用于矿井未开采区瓦斯涌出量 预测中”，用数值分析对已有瓦斯涌出量和深度的离散数据进行拟合分析，可寻 找到瓦斯涌出量和开采深度的近似函数，从而实现对未开采区瓦斯涌出量预测的 目的。 近若干年来，一些学者将神经网络等新技术、新方法引入瓦斯涌出量预测领 域。曾勇进行了矿井瓦斯涌出量预测的模糊分形神经网络研究，将模糊控制技 术、分形理论中的时间序列分析方法与神经网络技术有机地结合起来，并运用于 矿井瓦斯涌出量的预测中：通过对矿井瓦斯涌出量数据进行分形处理，根据结构 分维值的大小并结合神经网络，自适应地调整模糊控制参数，最终建立矿井瓦斯 涌出量的模糊分形神经网络预测模型，对矿井瓦斯涌出量做出精确预测。刘新喜 提出了基于b p 人工神经网络的矿井瓦斯涌出量预测方法，该方法应用b p 人工神 经网络模型和算法，建立了煤层群开采矿井瓦斯涌出量预测模型。人工神经网络 以其高度的非线性映射、自组织结构、高度并行处理，将影响矿井瓦斯涌出量的 诸因素视为输入节点，并通过一定方式连接，对网络进行学习与联想记忆，从而 实现矿井瓦斯涌出量的预测。 2 3 神经网络和遗传算法简介 自1 9 4 3 年美国心理学家w s m c c u l l o c h 和数学家飘s p i t t s 根据解剖学和 心理学领域的研究成果提出了形式神经元的数学模型( 即m p 模型) 以来，神经网 络研究已有6 0 多年历史。m p 模型将神经元处理成一个功能逻辑器件，开创了神经 网络模型的理论研究。1 9 4 4 年d 0 。h e b b 根据心理学条件反射机制，提出了神经 元间接连接强度变化规律( b p h e b b 学习规则) ，奠定了人工神经网络研究的基础。 在人工神经网络发展历程中，许多学者都开展了有意义的研究工作。如：f r o s e n b l a t t 在1 9 6 5 年发展了m p 模型，并提出了具有学习型神经网络特点的模式识 别装置，即具有三层结构的感知机模型，给出了二层感知机的收敛定理。七十年 代，芬兰科学家k o h o n e n 提出了自组织映射神经网络模型。八十年代前后， g r o s s b e r g 提出了自适应的共振理论，f u k u s h i m a 等学者提出了人工神经网络认知 机网络理论。1 9 8 2 年，美国加州理工学院的物理学家j h o p f i e l d 提出了用于联想 记忆和优化计算的连续和离散h o p f i e l d 模型。1 9 8 5 年，h i n t o n 和s e j n o w s k i 等提出 了b o l t z m a n n 机模型，r u m e l h a r t 和m c c l e l l a n d 提出了并行分布处理反向传播理论， 并发展了反向传播学习算法( b p 算法) 等等。六十多年来，神经网络得到了极大的 塑些盔兰堡主兰垡丝苎：堡茎臣堑墼鎏翌 发展和极为广泛的应用。目前人工神经网络已广泛应用于风险分析预报、数据压 缩、文字识别、信息处理、语音识别、自动控制、模式分类等领域。虽然神经网 络真正十分成功地应用于各领域还有许多问题有待解决，但神经网络为人们解决 实际问题提供了一个崭新的手段。 神经网络是有大量的非线性处理单元广泛互连而成的系统，是对人脑结构和 功能的抽象和模拟。神经网络具有高度非线性、并行处理、鲁棒性和容错性很强 的自学习功能。煤矿瓦斯涌出量预测问题涉及的因素多，因素之间耦合性强，因 此瓦斯涌出量预测模型建立难度大。利用具有非线性和自学习功能的神经网络作 为工具来研究瓦斯涌出量预测问题，比现有最小二乘法等数学方法具有更大的优 点。因此本章以神经网络为手段来研究瓦斯涌出量预测方法，采用有效解决优化 问题的遗传算法。 2 3 多层神经网络 神经网络是对人脑结构和功能的抽象和模拟。神经网络是有大量的非线性处 理单元广泛互连而成。它与传统的冯诺伊曼结构计算机有着本质的区别。神经 网络以神经元间广泛的互连分布来存贮信息，以非线性神经元来协同处理信息。 因此，它具有大规模并行处理、极强的鲁棒性和容错性，很强的自学习功能。神 经网络是数理科学、认知科学等发展的产物。 目前，在数十种神经网络模型中多层神经网络模型是应用最为广泛的模型之 一。多层神经网络是由输入层，中间层( 隐层) 和输出层构成的前馈网络。图2 1 所示是一个三层神经网络。 输入节点隐节点输出节点 图2 1 多层神经网络原理 f i 9 2 1p r i n c i p l eo fm u l t i l a y e r e dn e u r a ln e t w o r k 多层神经网络的工作原理是先将输入信号传输到下一层节点，经作用函数处 理后再将该节点的输出信息向下一层节点传输，直到信号传输到输出层节点为止。 输出层节点上的输出信息即为多层神经网络的输出值，一般多层神经网络中神经 b 塑些_ 大堂堡主兰垡望兰：堡互匹堑塑巫塑 元的作用函数为s i g m o i d 函数即f ( x ) = 矿( 1 + 矿) 。 多层神经网络具有高度非线性映射、对称性判别等功能。这些高度非线性映 射功能是通过对一系列样本点进行学习来实现的。通过对样本的学习使得样本点 集所蕴含的输入、输出之间的映射关系由分布在各层神经元问的权值来描述。目 前，常用的样本学习算法主要有反向传播算法( b a c kp r o p a g a t i o na l g o i r i t h m ， 简称b p 算法) 。b p 算法是一种误差反向传播算法。早在1 9 7 4 年，p w e b o s 就提出了 b p 学习理论。1 9 8 5 年，r u m e l h a r t 和m c c l e l l a n d 等领导的研究小组进一步发展了b p 理论，实现了隐层神经网络学习的功能。 b p 算法包括信息正向传播和逆向传播二个过程即输入信息从输入层经各隐层 ( 隐层1 ，隐层2 ，隐层n ) ，最后传输到输出层，在输出层，将输出层神经元样 本学习的误差信息由输出层逆向经各隐层( 隐层n ，隐层n 1 ，隐层1 ) 传输。 在误差信息逆向传输过程中，根据误差等信息修正各神经元间的权值，以实现对 样本的学习。因此，在b p 算法中，比较重要的内容是计算样本学习误差对神经元 间权值等的梯度信息。 多层神经网络的输出层可以有多个输出神经元。为介绍方便起见，假设神经 网络输出层只有一个输出神经元。假设共有n 个样本点( k ，y 。) ( k = i ，2 ，n ) 。计 在某一输入k 下的网络实际输出为d 。- 理想输出为y 。，神经元节点i 的输出为 0 k ，神经元节点j 的输入为玎甜。一般误差函数选用如下形式的平方型函数。 e = 去( 儿- d 。) 2 ( 2 一1 ) 定义玩= ( y 。一d k ) 2 上式中e 为单个样本的学习误差。 由多层神经网络原理可知， n e t j k = o k 因此， d m = f ( n e t j , ) ( 2 2 ) 记以为在k 样本下学习的误差函数对神经元j 输出的梯度，即以= o e k a n e t 辟 则k 样本下学习的误差函数对神经元j 权值梯度计算公式可写为， 象= 卺a n e t 丝a w o = 鲁a n e t 纯= 靠瓯8 w q” ”“ 如果节点j 为输出层节点时，节点j 的输出显然就是多层神经网络的输出，即： o = dk 这时 靠= 薏蔷= - 2 ( y k - d k v ，( 删肚) ( 2 - 3 ) 如果节点j 不是输出层节点时，这时 9 塑型盔兰堡主兰笙丝苎：堡芏匹堑塑鎏塑 靠= 旦o n e t j k = 象卺= 嚣伽小而 一瓦。瓦2 瓦八删斗卜”o 瓦o e , = 莓旦鲁= 台t 瓦o e k o n e t 。,o n e t 去( 军删a o 乞8 0 t n8 0 t 、 2 莓耄老。2 ；( 乳) 则 靠= 厂( n e t j k ) ( ) ( 2 4 因此，b p 算法可描述为： 输入初始权值等。 按式( 2 - 2 ) 至式( 2 - 4 ) 计算输出层节点输出值及其梯度值。 按权值梯度信息进行权值的修正。 按样本学习精度决定样本学习过程是否结束。如结束则终止学习过程，否 则转入步骤。 多层神经网络的高度非线性映射功能是源于简单的非线性函数。简单的非线 性函数经过许多次函数复合就可实现对十分复杂的映射关系进行逼近。因此，用 多层神经网络进行高度非线性映射与传统的数学方法相比有许多优点。但是用多 层神经网络进行函数映射还存在着一些问题，如阿：b p 算法收敛速度比较慢，多 层神经网络结构的选取需要一定的经验性等等。 2 3 2 遗传算法 1 9 6 2 年，美国密执根大学( m i c h i g a nu n i v e r s i t y ) 的j o h nh o l l a n d 教授认识 到生物群体的遗传，进化和人工系统自适应间的相似性，因而借鉴生物遗传的基 本理论来研究人工白适应系统，并与b a g l e y 等人一起提出了遗传算法( g e n e t i c a l g o r i t h m ) 的概念。1 9 7 0 年前后，h o l l a n d 教授提出了基因模式理论( s c h e m a t h e o r e m ) 。该基因模式理论以二进制位串为基础，探讨了模拟生物染色体的人工 染色体的表示、人工染色体的繁殖等，揭示了遗传算法的内在机制。基因模式理 论为遗传算法奠定了坚实的理论基础。 遗传算法已在机械工程的优化设计、切加工、制造过程规划、设备故障诊断， 自动控制的自适应控制、系统辨识、模糊控制、分类系统，人工智能的机器学习、 专家系统、神经网络，结构工程的结构设计，电工学科的电机、变压器和电磁设 备设计、电网规划、优化调度、潮流计算、电力系统控制，计算机学科的并行计 算、图像处理、模式识别、文档处理，电子学科的超大规模集成电路设计，生物 学科分子生物学，计算数学的非线性规划、整数规划、组合规划，社会科学的人 1 0 塑型盔兰堡主兰垡鎏塞：堡芏臣堑丝鎏型 口学、交通系统规划等领域得到了初步成功的应用。几乎所有工程领域的研究人 员都曾尝试过利用遗传算法来解决各自专业领域的工程问题。 尽管遗传算法在解决不同领域优化闯题时采用的策略有所不同，但遗传算法 的基本思想和原理都是相同的。本节介绍遗传算法的这些基本思想和原理。 无约束优化问题一般可表示成如下形式： m i nf ( x ) x = x i ，x 2 ，x n 】 ( 2 - 5 ) a i 岛( f = 1 , 2 ， ，一) 式中n 一设计变量的数目， 岛，a 。一设计变量而的上、下限。 利用遗传算法解决上述无约束优化问题主要包括如下内容。 1 、适应度函数的建立 适应度是遗传算法中描述个体性能的主要指标。般个体适应度值越大，个 体的性能越好：反之，个体的适应度值越小，个体性能亦越差。在遗传算法中，适 应度的值必须是大于等于0 的数。 由于遗传算法是依据适应度的值对个体进行优胜劣汰的，因此，将无约束优 化问题的目标函数与个体的适应度建立映射关系，即可在群体进化过程中实现对 优化问题目标函数的寻优。 2 、设计变量与个体间的映射 设计变量与个体问的映射可通过编码来实现。编码方法一般应遵循位串定义 长度最短、模式阶次最高、模式数目最大等原则。 长度为1 的二进制位串与设计变量葺之间映射关系可由下式来表示： 毛：口，+ m ( b i - a , ) ( 一6 z - h a ) 五= 口+ 一 lj 2 一l 肘：鱼二丛竺二1 2( 2 6 b ) 岛一a i 式中，m 一由二进制位串编码对应的十进制数值； a j ， 一设计变量的上、下限。 从式( 2 - 6 ) 可以看出，对应于l 位个体的设计变量五实际上变成了个离散 变量，设计变量的离散间隔为 一q ) ( 2 一1 ) 。当t 取值越来越大，离散间隔就越 来越小；当t 趋于无穷大时，离散间隔就趋于0 。这时，设计变量与个体间的离散 映射关系就变成了连续映射关系。 3 、群体初始化 群体的初始化一般包括如下内容： 确定群体规模数目，群体规模数一般在5 0 以上； 1 1 塑型盔兰堡主兰垡丝壅：堡! 匹堑墼鎏翌 对优化问题的初始解x 0 = 【而，工：， ，】进行编码，产生与初始解对应的个 体； 通过随机方式产生n 个1 位二进制串作为初始群体的一个个体； 不断产生初始个体，直到初始群体中个体数目为m 为止。 4 、群体繁殖 选择 从上代群体中选择一定数量的个体，为参与下代群体繁殖的父代个体。选择 个体的原则是使适应度大的个体被选择的几率亦大。常用的方法主要有轮盘选种 法、r s i s 选种法、线性比例模型法等。从上一代群体中选择得到的个体作为参与 下一代群体繁殖的父代个体。 产生后代个体 杂交、突变等基本繁殖算子是依靠随机的方式来选取的。一些学者研究表明， 随机概率在0 6 o 8 范围时利用杂交算子来产生后代个体，随机概率在0 0 1 0 0 2 范围时采用突变算子来产生后代个体，对大多数优化问题比较合适。利用选 择的基本繁殖算子产生个体，直到产生的后代个体数目达到群体规模数。 5 、群体收敛判别 群体进化收敛性可通过各代群体平均适应度变化率和最优个体适应度变化率 等指标来判别。如果群体平均适应度变化率和最优个体适应度变化率小于许可精 度，则可认为群体进化处于稳定状态，群体进化基本收敛，可结束群体进化过程， 否则继续群体的进化过程。 6 、输出最优解 在群体中选择适应度值最大的个体，然后按式( 2 6 b ) 对最优个体进行转化， 就可得到优化问题的最优解和目标函数值。 对于约束优化问题，可先将约束优化问题转化为无约束优化问题，然后利用 遗传算法来求解。 2 4 基于神经网络和遗传算法的瓦斯涌出量预测方法 2 4 1 神经网络和遗传算法的瓦斯涌出量预测思路 在瓦斯涌出量预测方法中，建立比较准确的预测模型是关键内容。瓦斯涌出 量预测建模是在对瓦斯涌出量问题进行必要抽象和简化基础上，用数学工具建立 瓦斯涌出量和某些参数间的关系式的过程。瓦斯涌出量预测模型有两种，即机理 模型和黑箱模型。考虑到瓦斯涌出量与自然条件、开采条件等几十种因素密切相 关，其中许多影响因素对瓦斯涌出量的影响只能定性分析，因此建立比较准确的 茎型盔兰鎏主兰垡鎏苎：堡至基堑墼鎏翌 瓦斯涌出量机理模型十分困难。另外即使能建立比较准确的瓦斯涌出量机理模型， 在实际应用时也会因为参数难以得到而无法使用。从开采和掘进生产工作面获得 的瓦斯涌出量历史数据是几十种因素对瓦斯涌出量综合影响的结果，因而能比较 准确反映瓦斯涌出量与各种状态参数间存在的对应关系。因而可以瓦斯涌出量历 史数据为基础形成由输入和输出构成的瓦斯涌出量信息表，来建立瓦斯涌出量预 测模型。 瓦斯涌出量预测问题十分复杂，影响因素多，而且各因素间耦合性强，利用 现有的最小二乘法等数学工具难以建立准确的数学模型。多层神经网络具有高度 非线性和很强的自学习功能，通过对样本的学习使得样本点集所蕴含的输入、输 出之间的映射关系由分布在各层神经元问的权值来描述。因此利用具有非线性的 神经网络为工具来建立瓦斯涌量预测模型。 2 4 2 神经网络和遗传算法的瓦斯涌出量预测算法 神经网络和遗传算法的瓦斯涌出量预测方法是利用遗传算法来解决数据重构 时输入维优化问题，采用神经网络进行瓦斯涌出量预测模型建立。因此神经网络 和遗传算法的瓦斯涌出量预测方法主要包括数据重构时输入维优化、瓦斯涌出量 的神经网络预测模型建立两个主要过程。在数据重构时输入维优化过程中需要采 用瓦斯涌出量实际预测值进行评价。因此瓦斯涌出量预测模型建立和重构数据输 入维数确定是迭代的过程。 一、数据重构时输入维优化过程主要内容如下： l 、适应度函数的建立 以瓦斯涌出量实际预测值准确性为基础进行预测模型评价。选择有代表性的 瓦斯涌出量预测点，建立反映准确值和预测值间的误差适应度函数。 2 、设计变量与个体间的映射 数据重构时输入维优化过程设计变量的选择分两种情况。设计变量选择为 数据重构时输入维数目。这时优化问题相对简单些。设计变量选择为数据重构 时输入维数目和神经网络预测模型的权值。这种情况就可以将数据重构输入维优 化和神经网络预测模型的学习结合起来，优化问题相对复杂些。 3 、群体初始化和群体繁殖 设计变量的编码后就可以采用群体初始化策略生成第一代群体。然后选择合 适的选择和杂交概率进行后代繁殖。 4 、群体收敛判别 选择合适的群体进化收敛性评价指标，对群体进化过程进行评价。如果群体 进化评价指标小