[发明专利]基于BP神经网络和概率统计的综采放煤时间智能确定方法

说明书

本发明提供了一种基于BP神经网络和概率统计的综采放煤时间智能确定方法，涉及采矿工程技术领域，解决了人工放煤准确率低的技术问题。该方法的步骤包括：提取顶煤放出前的液压支架承受压力、位态特征指标参数；将所得的若干指标参数作为BP神经网络输入指标，对应的综采放煤时间作为输出值，采用BP神经网络算法对数据进行训练，建立各指标‑放煤时间的数学关系模型，并对依据该模型对放煤时间进行预测。随机给定BP神经网络初置参数，重复训练，获得相同输入的大量预测值；采用概率统计的方法统计分析得到的大量预测值，确定最大概率所在区间；基于大量预测值的中值与平均值及最大概率所在区间给出最终的预测值；该方法实现了放煤时间的智能化决策。

技术领域

本发明涉及采矿工程技术领域，尤其是一种基于BP神经网络和概率统计的综采放煤时间智能确定方法。

背景技术

智能决策是智能化采矿的关键发展方向，煤矿开采的决策问题具有高度非线性、复杂性及模糊性，普通算法往往难以胜任，BP神经网络算法(Back Propagation NeuralNetwork)具有很强的非线性动态处理能力，通过高度非线性的映射，无需知道输入与输出之间的关系便可以从样本数据中提取特征，建立输入与输出之间的隐式非线性对应关系从而通过已知样本预测未知参数，实现参数的智能化决策。

目前放顶煤工作面主要以人工操作为主，包括顶煤放煤时间都由工人凭经验控制，效率低且危险性大，但是由于煤矿开采的特殊性及井下地质环境的复杂性，在BP神经网络决策中用于训练的样本数往往比较少且相互之间共性差异较大，需要人为选择合适的神经网络层数及神经元个数才能达到理想的效果，人工干预程度较高，缺乏有效的自主性，如何实现少人、无人的智能化预测是一大难点，为此需要对现有的综采放煤时间确定方法做进一步的改进。

发明内容

为了解决人工放煤准确率低，神经网络训练样本数量少并且差异性大的技术问题，本发明提供一种基于BP神经网络和概率统计的综采放煤时间智能确定方法，具体技术方案如下。

一种基于BP神经网络和概率统计的综采放煤时间智能确定方法，步骤包括：

步骤A.提取工作面顶煤放出前液压支架承受压力和位态特征指标参数；

步骤B.将得到的所述参数作为BP神经网络输入指标，对应的综采放煤时间作为输出值，采用BP神经网络算法对数据进行训练，建立各指标-放煤时间的数学关系模型，并对综采放煤时间进行预测；

步骤C.随机给定BP神经网络初置参数，重复训练所述BP神经网络，获得相同输入的大量预测值；

步骤D.采用概率统计的方法统计分析所述大量预测值，确定最大概率所在区间；

步骤E.根据所述大量预测值的中值、平均值及最大概率所在区间给出最终预测值。

优选的是，BP神经网络为基于概率统计方法改进的BP神经网络，在采用BP神经网络算法对数据进行训练后，使用实测数据验证输出值的准确性。

优选的是，位态特征指标参数包括放煤前前柱压力、放煤前后柱压力、放煤前顶梁倾角和放煤前掩护梁倾角。

优选的是，实测数据包括实测顶煤放出前液压支架承受压力、实测放煤前前柱压力、实测放煤前后柱压力、实测放煤前顶梁倾角、实测放煤前掩护梁倾角和实测综采放煤时间。

还优选的是，BP神经网络初置参数包括神经网络层数和单层神经元数量的取值范围，在所述取值范围内随机选择神经网络层数和单层神经元数量；所述BP神经网络的阈值和误差初值设定为随机值；重复训练所述BP神经网络M次，其中M为大于10000的整数，得到所述大量预测值。

进一步优选的是，步骤D中，将所述大量预测值所在的区间进行N等分，其中N为大于3的自然数，并统计各个区间内预测值占总量的比例。