您的位置:首页 > 安全技术 > 煤矿矿山技术 > 正文

人工神经网络与矿井通风系统之间的联系(图文)

时间:2010年07月25日 14:19  来源:互联网  已被浏览142次  评论0

  1 引言

  矿井通风系统的评价,在矿井通风管理工作中,是必不可少的,唯有对矿井通风系统的状况作出准确的评价,才能对系统的调节作出正确的决策。近年来,国内的专家、学者提出了综合评判方法。其中的综合评判方法综合了多种指标,从总体上对矿井通风系统作出综合的评判,例如,加权平均法、模糊综合评判法、层次分析法、灰色聚类法等。但是,这些评价方法有的过于简单,难以全面地反映矿井通风系统的品质好坏;有的过于繁琐,无可比性,不能形成综合的、明确的概念;有的方法是计算过程复杂,数据处理量大,不利于推广使用。(风险管理世界-www.RiskMW.com)

  在矿井通风系统评价中,有限的时空监测数据所能提供的信息是不完全的非确知的,且受多方面因素的影响。因此,评价矿井通风系统是个复杂的非结构性问题。而近年来迅速发展起来的人工神经网络为解决矿井通风系统评价的非结构性问题提供了一条新的解决途径。

  2 BP神经网络模型的结构及其原理

  在人工神经网络领域,BP神经网络是发展最成熟的一个。BP网络模型由输入层、输出层、隐含层组成。其中,隐含层可是一层或多层,如图1所示,是一个3层的BP网络。

  BP网络与其他网络最大不同表现在传递函数上。BP网络的传递函数必须是处处可微的,因此常使用Sigmoid型函数。

  

人工神经网络与矿井通风系统之间的联系(图文)

 

  图1 含一个隐含层的BP网络模型

  BP网络的训练、学习过程分两部分:首先,将数据输入网络输入层,输入层神经元接受到信息后,根据输入层神经元的传递函数将信息传给隐含层,隐含层神经元将信息传递给输出层;然后,用BP网络将实际输入与目标相比较,如果误差超过给定值,则将误差向后传递,也就是从输出层到输入层,在误差的传递过程中,相应地修改神经元的连接权重。

  3 评价指标的确定

  实践证明,一个好的矿井通风系统评价方法应满足以下要求:

  (1)评价指标能全面准确地反映出矿井通风系统的状况与技术质量特征;

  (2)评价模式简单明了,可操作性强,易于掌握;

  (3)评价结论能反映出矿井通风系统的合理性、经济性及安全可靠性;

  (4)评价中所采用的数据易于获取,数据处理工作量小;

  (5)各评价指标有明确的评价标准。

  基于以上的条件,笔者从8个方面选取了16个影响因素作为评价指标,构成了一个新的科学合理的矿井通风系统评价体系。

  3.1 矿井通风动力方面的影响因素

  影响因素1:主要通风机运转稳定性(DL1),指风机工况点是否在合理的范围内,各风机之间是否相互干扰,对矿井通风系统的安全具有决定性的影响,是表征矿井通风系统安全可靠性的最重要的指标。

  影响因素2:主要通风机综合效率(DL2),即电机输入功率与主风通风机的输入功率之比,其高低直接影响着矿井的经济效益。

  3.2矿井通风网络方面的影响因素

  影响因素3:矿井通风网络复杂程度(WL1),它影响着井下风流的稳定性和井下风量的可调性。

  影响因素4:矿井负压的合理性(WL2),它表示矿井的风量与风压合理匹配的程度。

  3.3矿井通风设施方面的影响因素

  3.3矿井通风设施方面的影响因素

  影响因素5:矿井通风设施合格率(SS1),各种能风设施质量都必须符合要求,功能齐全,性能可靠。

  3.4矿井通风质量方面的影响因素

  影响因素6:矿井风量供需比(ZL1),矿井实际供风量满足需风要求,是保证让井下各作业地点有足够风量的前提条件,也是改善劳动环境和安全生产的基础。矿井风量供需比能较直观地说明井下用风的满足程度。

  影响因素7:用风地点风量合格率(ZL2),其值反映了矿井通风系统供风的有效性,是创造良好的劳动环境、防止瓦斯积聚、矿尘浓度超限、降低温度的基本措施,是矿井通风系统安全可靠的基础。

  影响因素8:用风地点风质合格率(ZL3),地面空气进入井下后,受到污染,混入各种有毒有害气体和矿尘。

  影响因素9:用风地点温度合格率(ZL4),井下用风地点的最高温度反映了通风降温、空气调节的效果。

  影响因素10:防尘洒水系统合格率(ZL5),粉尘影响着空气的品质,危害着工人的身体健康,对煤尘爆炸危险性的矿井,其危害更严重,甚至超过瓦斯。要求矿井必须建立完善的防尘供水系统。

  3.5矿井通风监测方面的影响因素

  影响因素11:矿井通风监测利用率(JC1),井下布置监测探头数量的多少随矿井的不同而不同,用监测探头绝对数量的多少不能客观衡量矿井通风受监测的程度。采用通风监测实际利用率即实际完好利用的监测探头的数量与应设监测探头的数量之比来评判,能作出一个较客观的评价。

  3.6防灾抗灾能力方面的影响因素

  影响因素12:通风方式与方法可靠性(KZ1),不同的矿井,其通风方式与方法不相同,其抗灾能力也各不相同。

  影响因素13:矿井防灾设施合格率(KZ2),防灾设施是指隔爆水棚或岩粉棚、防火门、防爆门(盖)、设施的总称,是矿井通风系统安全保障体生活费的物质基础。

  影响因素14:矿井反风系统的灵活性(KZ3)反风系统是在灾害发生后,防止灾害事故扩大的重要技术措施,用反风系统灵活可靠性来表示。

  3.7矿井通风电耗方面的影响因素

  影响因素15:矿井吨煤通风电耗比(DH1),它表明了矿井相对的吨煤通风电耗情况。

  3.8矿井通风能力方面的影响因素

  影响因素16:矿井通风能力比(NL1),即在同生产时期内矿井的实际产量与核定的矿井的通风能力的比,它说明了矿井通风系统的安全可靠性、经济合格性和管理水平等方面的状况,具有可比性。

  4矿井通风系统评价人工神经网络的实现

  在确定了矿井通风系统评价指标的基础上,进行矿井通风系统评价的BP网络模型设计,为适应现场需要,利用VisualC++6.0开发了相应的程序。

  4.1网络结构设计

  在前面分析的基础上,建立了如图2所示矿井通风系统评价人工神经网络模型,其网络检验流程如图3所示。

  

人工神经网络与矿井通风系统之间的联系(图文)

 

  图2 矿井通风系统评价BP网络模型

  本模型的隐含层神经元数的选取采用试探法,即首先给定隐含层神经元数为一个较小的数,代入模型观察其收敛情况,然后逐渐增大。当网络稳定收敛之后,那么相应的数值即为隐含层神经元数。通过计算该模型的隐含层神经元数为32个。

  在该BP网络模型中,根据参数的取值范围要求,初始权值在[0,1]间随机取,学习速率取0.2,网络总误差取0.01,附加动量取0.4。

  

人工神经网络与矿井通风系统之间的联系(图文)

 

  图3 BP网络检验过程

  4.2网络训练

  4.2.1训练样本的准备

  目前,关于矿井通风系统评价的指标不统一,实例还很少,若用这些有限的实例作为学习样本是不适合的,否则,会造成模型经验积累不正确,最终导致评价结果不准确。因此,论文中学习样本的选取采用理想的方法。如果某矿的各项指标值都为Ⅰ(合格),则矿井通风系统评的价结果为Ⅰ(合格);如果都为Ⅱ(基本合格),则评价结果为Ⅱ(基本合格);如果都为Ⅲ(待整改),则评价结果为Ⅲ(待整改)。基于这种假设,每种情况下都随机选取5个样本共15个作为学习样本,每种情况下都随机选取1个样本共3个作为检验样本,学习样本、检验样本详如表1所示。

  表1 矿井通风系统评价BP网络模型学习样本与检验样本

  见表

人工神经网络与矿井通风系统之间的联系(图文)

人工神经网络与矿井通风系统之间的联系(图文)

  4.2.2训练过程及结果

  使用表1中的样本数据进行训练,迭代11326次,网络收敛;矿井通风系统BP网络验算过程框图如图3所示。

  然后将校验样本输入到已经训练好的网络中进行评价,其输出结果如表2所示,根据最大隶属度原则进行比较,与期望结果相符。这说明所建立的矿井通风系统评价BP网络模型及训练结果可靠,可以投入使用。

  表2 矿井通风系统评价BP网络检验结果

  见表

人工神经网络与矿井通风系统之间的联系(图文)

  5 工程实际应用

  先采用理想的学习样本对网络进行训练,然后用检验样本对训练好的网络进行检验,其结果与期望结果相符。为检验所建模型的实际应用的评价精度,根据2003年7~10月对永煤集团陈四楼煤矿、焦煤集团九里山煤矿、义煤集团杨村煤矿3个生产矿井的通风系统测定数据,利用我们所建评价指标体系和神经网络模型,对其进行了通风系统评价,其参数分别如表3~表45所示。

  表3 陈四楼煤矿通风系统评价指标值

  见表

人工神经网络与矿井通风系统之间的联系(图文)

  表4 九里山煤矿能风系统评价指标值

  见表

人工神经网络与矿井通风系统之间的联系(图文)

  表3 杨村煤矿通风系统评价指标值

  见表

人工神经网络与矿井通风系统之间的联系(图文)

  将表1~表3中各项指标的值代入所建的神经网络网络模型,其输出结果分别为(0.88,0.17,0.01),(0.01,0.61,0.23),(0.29,0.57,0.01)。根据最大隶属度原则,这3个矿井通风系统的评价结果分别为合格、基本合格、基本合格,这与实际情况完全相符。因此,所建立的评价指标体系和神经网络通风系统评价模型达到了煤矿所要求的精度,可以在工程实际中推广使用。

  6结论

  (1)以矿井通风系统的“安全可靠、经济合理”和其定义所包含的各项内容为依据,确立了16项矿井通风系统评价指标,建立了一套全新的通风系统评价指标体系。

  (2)利用Visual C+ +6.0采用人工神经网络的BP网络模型建立了矿井通风系统评价模型,并开发了相应的计算机评价程序。

  (3)采用该评价程序对实际生产矿井的通风系统进行了评价,评价结果与实际相符。事实表明所确定的矿井通风系统评价指标体系可以反映矿井通风系统的状况,所采用的BP网络算法符合矿井通风系统的非线性特征,可以用于矿井通风系统评价。

  (4)在收集好基本资料后,进行简单分析计算,输入计算机便可得到评价结果,一般通风管理人员都可以使用,可操作性强,有推广应用的前景。

责任编辑:tingting

发表评论(共0条评论)
最新评论