基于分段模糊BP神经网络的矿山井下泥石流预测方法

摘要

本发明公开了矿山井下生产安全保障技术领域中的一种基于分段模糊BP神经网络的矿山井下泥石流预测方法。技术方案是，提出影响井下泥石流形成的关键因素；将定量因素和定性因素进行预处理，提出串形结构的分段模糊BP神经网络；对原有神经网络模型进行改进，设计新的评估模型；形成网络学训练样本；进行网络学训练；对评价结果进行危险度识别；计算系统误差；调整系统误差，直到系统平均误差小于设定要求为止。本发明为减轻、延缓以及遏制矿山井下泥石流的发生，合理有效的控制其对矿山安全生产造成的影响提供了依据。

主权项

1.一种基于分段模糊BP神经网络的矿山井下泥石流预测方法，其特征是，所述方法包括下列步骤：步骤1：进行专家调查、资料分析和井下泥石流形成因素宏观分析，提出影响井下泥石流形成的关键因素，即定量因素和定性因素；步骤2：将定量因素和定性因素进行预处理，提出串形结构的分段模糊BP神经网络；所述分段模糊BP神经网络由三部分组成，为分段模糊处理层、神经网络学习层和反模糊数据处理层；所述定量因素包括塌陷坑深度、塌陷面积、地表相对高差、黄土层厚度、上覆岩层垫层厚度、矿体埋藏深度、开采深度、液塑性、渗透性、含水率、单口持续出矿；所述定性因素包括地表起伏程度、塌陷坑形状、开采范围内裂隙发育程度、地表人为排水量、地表人为排水持续时间、地下水、持续降雨天数、降雨量和出矿强度；步骤3：将传统的神经网络S型函数替换为新的S型函数$f\left(x\right)=\frac{1}{1+e^{-\mathrm{tx}}}(t=\mathrm{1,2,3});$步骤4：形成网络学习训练样本；步骤5：进行网络学习训练；步骤6：对评价结果进行危险度识别；步骤7：计算系统误差；步骤8：如果误差不能满足设定要求，则跳到步骤2，重复以上各步，直到系统平均误差小于设定要求为止；步骤9：结束。