优化BP神经网络在工作面安全开采中的应用

魏玲玲

(潞安矿业集团公司 安监局，山西 长治 046204)

我国能源结构中煤炭资源占比最大，且短时间内不会发生改变，但是在煤炭开采过程中伴随着诸多安全事故，严重影响着生产设备的使用寿命以及生产人员的人身安全，如何高效安全地开采煤炭资源是从业人员及研究人员一直关注的问题。但是煤炭资源赋存条件复杂，影响煤炭安全开采的问题也非常多，如影响工作面安全开采的因素有工作面的顶底板含水层、工作面采动效应、煤层埋深、地质构造、瓦斯涌出量、煤层倾角、煤层厚度等等，由于影响工作面安全回采的因素较多，要预测和控制的量较多、计算复杂，因此对于此类问题，许多学者已经进行了一定的研究，所运用的主要方法为利用传统的神经网络模型，综合诸多因素对工作面安全回采做出预测，但是传统神经网络模型存在需要的学习样本较大、计算预测结果误差较大等缺陷。

本文基于传统神经网络模型所存在的缺陷，利用优化BP神经网络建立工作面安全开采预测模型，结合有限元仿真软件Matlab对预测模型进行了模拟计算，为相似条件下的工作面安全回采的预测提供了新的思路与方法。

1 工程概况

山西忻州某矿采用立井与斜井联合开拓方式，目前主采3号与9号煤层，即将布置的工作面煤层埋深标高为+994～+958 m，平均埋深为100 m，煤层平均厚度为2.5 m，煤层倾角为7～9°，为近水平煤层。顶板为粉砂岩，煤层赋存地质构造较简单，工作面瓦斯涌出量为0.56 m3/t，平均涌水量2.6 m3/h，采煤工艺为走向长壁后退式一次采全高综合机械化开采法，顶板采用全部垮落法进行管理。

2 煤矿安全开采影响因素分析

由于煤矿在煤炭开采过程中存在错综复杂的不安全因素，使得作业环境较为复杂，形成一个集人员、机械、设备、地质条件、自然环境、采矿工艺于一体的复杂系统，而且各因素与安全隐患之间的关系并不是线性关系，而是一种模糊关系。本文针对影响工作面开采的因素，主要选取地质条件、顶板条件、瓦斯涌出量、煤层倾角、煤层厚度、开采深度、平均涌水量7个因素作为影响工作面安全开采的评价指标。以《煤矿安全规程》为依据，将评价指标定为五个等级，即I级、Ⅱ级、Ⅲ级、Ⅳ级、V级，分别表示安全、较安全、一般安全、不安全、很不安全[1]，各因素的分级标准见表1。表1中的地质条件和顶板条件的取值采用定性指数取值方法，指数级别见表2。

表1 工作面安全开采的评价指标分级标准

表2 地质条件和顶板条件指数取值

3 基于优化BP神经网络模型的工作面安全开采评价模型构建

神经网络是一种通过局部接受域完成函数映射的网络，并且网络存在隐含层神经元节点数的确定和隐含层到输出层权值的调整的缺陷[2]，该网络模型所需训练样本较大，且存在较大误差。本文通过对神经网络模型进行优化，在输入层与输出层之间加载一条单向线式连接，通过此连接可以进一步反映出输入层与输出层之间所存在的映射关系[3]，使输入与输出更具有关联性，通过使用最陡下降法和最近邻聚类，只需要通过调整其中的一个变量，就可以完成权值训练[4]，运用该方法对问题进行预测时，所需要的训练样本较少，且能达到更好的训练以及预测效果。图1为传统神经网络模型与优化BP神经网络模型结构。

图1 传统神经网络模型与优化BP神经网络模型结构

为对基于优化BP神经网络模型的工作面安全开采评价模型的训练，选取10组影响工作面安全开采的样本参数及结果来进行学习训练。样本具体参数见表3。表3中：实际结果中00 001表示安全、00 010表示较安全、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 影响工作面安全回采的样本参数及结果

4 工作面安全开采评价的Matlab模拟仿真研究

结合图1中的优化BP神经网络模型结构，在Matlab中编写运算程序，将表3中的数据导入Matlab运算程序中进行学习训练，当计算误差小于0.1%时，说明运算程序已经学习训练完成。图2为Matlab运算程序误差曲线。

图2 Matlab运算程序误差曲线

运算程序学习完成后，为验证基于优化BP神经网络模型编写的运算程序的可靠性，选取4组已知结果影响工作面安全回采的样本参数对运算程序进行验证，比较结果见表4。

由表4可以看出：在4组样本中，基于优化BP神经网络模型编写的运算程序得到的预测结果与实际结果相一致，可见优化BP神经网络模型能够较好地达到预测效果，精准度较高，可以有效地应用于煤矿工作面安全回采的评价中。

表4 BP优化神经网络模型预测结果与实际结果比较

5 工程应用

经过学习训练过后的Matlab运算程序已经获得了影响因素与评价结果之间的关系，因此可用在评价煤矿工作面安全开采的评价中。文章背景忻州某矿即将布置的工作面地质条件简单，取值为1，顶板条件取值为3，瓦斯涌出量为0.56 m3/t，煤层倾角平均为8°，煤层厚度为2.5 m，开采深度为100 m，平均涌水量2.6 m3/h，将上述数据代入Matlab运算程序中，经模拟计算得出结果为00 001，说明该工作面的开采安全状况为安全。

6 结 语

1) 基于优化BP神经网络模型编写的Matlab运算程序得到的预测结果与实际结果相一致，可见优化BP神经网络模型能够较好地达到预测效果，精准度较高，可以有效地应用于煤矿工作面安全回采的评价中。

2) 经过学习训练过后的Matlab运算程序已经获得了影响因素与评价结果之间的关系，结合忻州某矿工作面已知数据，经过模拟计算，得出工作面的开采安全状况为安全。