[发明专利]一种煤矿顶板突水危险等级预测方法

权利要求书

1.一种煤矿顶板突水危险等级预测方法，其特征在于，所述方法基于PCA-LVQ神经网络，具体包括以下步骤：

步骤1：收集煤田相关数据，包括有效厚度、含水层载荷传递系数、单位涌水量、有效保护厚度、分形维值和主关键层到煤层的距离6个影响因素以及对应的突水危险等级；

步骤2：对收集的数据进行处理，包括主成分分析以及归一化，利用主成分分析计算6个影响因素的贡献值并取累积贡献率大于85％的数据，减少冗余，实现降维；同时，对降维后的数据进行归一化，使得因数据单位不同造成的误差最小，加快网络收敛和速度；

步骤3：网络训练参数设置，其具体值为：拟合误差目标值为0.01，训练次数为200；

步骤4：隐层节点选取，利用公式筛选出隐层神经节点取值范围，然后利用剪枝法计算出不同隐层节点的训练数据均方误差以及预测数据准确度，最终确定节点数；

步骤5：神经网络建立，通过输入输出数据的维数以及步骤3和4确定的相关数据，利用MATLAB软件建立起神经网络模型；

步骤6：利用训练数据训练建立起来的神经网络，找到最优的权值以及阈值，建立最优的神经网络；

步骤7：利用训练好的神经网络，对预测数据进行预测，检验其预测精度。

2.根据权利要求1所述的一种煤矿顶板突水危险等级预测方法，其特征在于，所述步骤2包括以下步骤：

步骤①：利用原始数据构造标准化矩阵X；

式中，n代表样本数，x_ij即为第i个样本第j个参数

步骤②：计算标准化矩阵的相关系数矩阵

相关系数计算公式如下：

式中：r_kj为变量x_k和x_j之间的相关系数，是第个i变量的平均值，是第j个变量的平均值，n为样本数量；

步骤③：计算相关系数矩阵R的特征方程得到特征值以及特征向量；

步骤④：利用以下公式计算其贡献率τ_i与累计贡献率η：

式中：λ为矩阵特征值

其中，通过计算主成分的累计贡献率来选取主成分个数，其中贡献率用于表示综合变量解释原始变量的能力；累计贡献率越大说明数据信息损失越小；

步骤⑤：将数据带入主成分表达式中计算出主成分具体数值，得到新的输入数据；

步骤⑥：将主成分分析后的数据进行归一化，使其数据在(0,1)范围内。

3.根据权利要求1所述的一种煤矿顶板突水危险等级预测方法，其特征在于，所述步骤4包括如下步骤：

步骤①：通过输入输出数据维数，确定输入层节点数以及输出层节点数；

步骤②：利用经验公式对隐层神经元节点取值范围进行确定；其中，n为输入层节点数；m为输出层节点数，a为1到10任意数；

步骤③：运用剪枝法，依次计算不同隐层的训练数据均方误差和预测集误差来选定最优隐层节点数。

4.根据权利要求1所述的一种煤矿顶板突水危险等级预测方法，其特征在于，所述步骤5具体包括如下步骤：

步骤①：网络初始化，初始化各层之间的连接权值ω以及学习率；

步骤②：利用MATLAB软件建立起神经网络，利用函数把目标类型构造出适应神经网络输出模式的输出矩阵，网络拟合误差目标值为0.01，训练次数为200，学习速率采用默认值0.01。