[发明专利]用于应急救援的瓦斯爆炸冲击波传播状态快速预测方法

权利要求书

1.一种用于应急救援的瓦斯爆炸冲击波传播状态快速预测方法，其特征在于，包括以下步骤：

步骤1：建立无加速补给条件下瓦斯爆炸冲击波全风网传播的数值模拟模型或爆炸实验模型；

步骤2：利用数值模拟或实验方式获得N组影响瓦斯爆炸冲击波的压力、温度、有毒气体三种致灾因子传播状态的样本大数据，每组样本大数据包括致灾因子影响因素值以及致灾因子值；

步骤3：根据瓦斯爆炸冲击波全风网传播模型建立瓦斯爆炸冲击波传播ANN预测模型，将每组样本大数据中的致灾因子影响因素值作为ANN预测模型的输入，致灾因子值作为ANN预测模型的输出，所述ANN预测模型的输入端集成有归一化处理模块，ANN预测模型的输出端集成有反归一化处理模块；

步骤4：将N组样本大数据输入给ANN预测模型进行ANN预测模型的构建，所述构建包括训练过程和验证过程，随机选取n组样本大数据作为训练过程中的训练样本大数据，选取剩下的N-n组样本大数据作为验证过程中的验证样本大数据，训练过程中不断调整ANN预测模型参数，绘制N-n组验证样本大数据的相对误差值ε₁散点图，当相对误差值ε₁到达波谷时，对应参数的模型称为最优ANN预测模型，所述N-n组验证样本大数据的相对误差值ε₁的计算如公式(1)所示；

式中，y_i表示ANN预测模型输出的第i个致灾因子预测值，y′_i表示第i组验证样本大数据中的致灾因子值；

步骤5：随机选取m组样本大数据作为测试样本大数据，将每组测试样本大数据中的致灾因子影响因素值作为最优ANN预测模型的输入，对最优ANN预测模型进行准确性的测试，当m组测试样本大数据的相对误差值ε₂小于预设测试相对误差值时，证明所述最优ANN预测模型符合准确性要求，所述m组测试样本大数据的相对误差值ε₂的计算如公式(2)所示；

式中，y_j表示最优ANN预测模型输出的第j个致灾因子预测值，y′_j表示第j组测试样本大数据中的致灾因子值；

步骤6：将符合准确性要求的最优ANN预测模型用于瓦斯爆炸冲击波传播状态的预测。

2.根据权利要求1所述的一种用于应急救援的瓦斯爆炸冲击波传播状态快速预测方法，其特征在于，所述步骤3中的瓦斯爆炸冲击波传播ANN预测模型是指爆源瓦斯爆炸冲击波传播ANN预测模型、均直巷道瓦斯爆炸冲击波传播ANN预测模型以及通过巷道交叉点的瓦斯爆炸冲击波传播ANN预测模型。