[发明专利]基于灰色人工神经网络组合模型导水裂隙带高度预测方法

权利要求书

1.一种基于灰色人工神经网络组合模型导水裂隙带高度预测方法，其特征在于，包括如下步骤：

S1：收集矿井导水裂隙带高度的影响因素指标与对应的导水裂隙带高度，形成样本数据集；

S2：利用灰色系统理论中的弱化缓冲算子，对数据集中的极端变化情况，即数值上突然增大或减小的数据进行弱化；

S3：对弱化后的数据集进行归一化，并将归一化后的数据集分为训练样本和检验样本，其中数据样本随机分成训练样本、检验样本，所述检验样本占总样本10％以上；

S4：利用Matlab人工神经网络工具箱，将训练样本输入到编制的程序中，建立导水裂隙带高度预测模型，matlab编程如下：

bpnet＝newff(pr，[51]，{′logsig′，′logsig′}，′traingdx′，′learngdm′)；

inputWeights＝net.IW{1，1}；

inputbias＝net.b{1}；

layerWeights＝net.LW{2，1}；

layerbias＝net.b{2}；

net.trainParam.show＝50；

net.trainParam.1r＝0.002；

net.trainParam.mc＝0.9；

net.trainParam.epochs＝1000；

net.trainParam.goal＝0.001；

[net，tr]＝train(net，P，T)；

利用编写的matlab程序，首先在训练样本的基础上进行模型训练，当误差训练曲线达到期望误差值0.001时，此时获得预测模型，利用编写的程序对检验样本进行导水裂隙带高度预测；

S5：对比检验样本的预测值与实际值，若二者的相对误差小于或等于10％，则认定预测模型有效；否则，认定无效，改变编程中参数，重新建立预测模型；重复上述步骤S1、步骤S2、步骤S3、步骤S4。

2.根据权利要求1所述的基于灰色人工神经网络组合模型导水裂隙带高度预测方法，其特征在于，所述步骤S1中所述的影响因素指标包括采高、硬岩岩性比例系数、工作面斜长、采深和推进速度。

3.根据权利要求1或2所述的基于灰色人工神经网络组合模型导水裂隙带高度预测方法，步骤S2中所述弱化缓冲算子计算公式为：

x(k)d=1n-k+1[x(k)+x(k+1)+K+x(n)],k=1,2,K,n]]>

设原始数据序列X＝(x(1)，x(2)，…，x(n))，则经过弱化缓冲算子处理后的新序列XD＝(x(1)d，x(2)d，…，x(n)d)，n为按时间先后排列的序列数；k序列编号；D为作用于X的算子，XD为一阶算子作用序列，XD₁D₂为二阶算子作用序列。

4.根据权利要求3所述的基于灰色人工神经网络组合模型导水裂隙带高度预测方法，步骤S3中所述数据归一化公式为：

Xi=Xi-minXimaxXi-minXi]]>

式中，i是导水裂隙带高度影响因素之一，归一化的因素值在【0，1】之间。