[发明专利]一种基于逆向传播神经网络的煤矿工作面矿压数据预测方法

权利要求书

1.一种基于逆向传播神经网络的煤矿工作面矿压数据预测方法，其特征在于，该方法利用煤矿已采工作面及正在开采工作面收集到的顶板矿压历史数据及相应位置的开采技术数据在逆向传播神经网络中进行训练，训练后的逆向传播神经网络根据要求预测任一工作面任意位置的顶板矿压数据。

2.根据权利要求1所述的一种基于逆向传播神经网络的煤矿工作面矿压数据预测方法，其特征在于，收集本矿已采工作面及正在开采工作面的顶板矿压历史数据，包括周期来压步距及周期来压强度共2项参数。

3.根据权利要求2所述的一种基于逆向传播神经网络的煤矿工作面矿压数据预测方法，其特征在于，收集顶板矿压历史数据的同时，同时记录工作面相应位置的埋深、埋深高程变化率、煤层厚度、煤层厚度变化率、开采厚度、煤层倾角、煤层倾角变化率、直接顶厚度、基本顶厚度、倾向长度及推进速度共11项开采技术参数。

4.根据权利要求3所述的一种基于逆向传播神经网络的煤矿工作面矿压数据预测方法，其特征在于，将埋深、埋深高程变化率、煤层厚度、煤层厚度变化率、开采厚度、煤层倾角、煤层倾角变化率、直接顶厚度、基本顶厚度、倾向长度及推进速度共11项参数作为逆向传播神经网络的输入参数，将周期来压步距及周期来压强度共2项参数作为逆向传播神经网络的输出参数。

5.根据权利要求4所述的一种基于逆向传播神经网络的煤矿工作面矿压数据预测方法，其特征在于，逆向传播神经网络模型的输入层节点数为11，输出层节点数为2，为简化网络，确定隐含层层数为1。

6.根据权利要求5所述的一种基于逆向传播神经网络的煤矿工作面矿压数据预测方法，其特征在于，逆向传播神经网络模型的权重、偏置随机赋予初始值，保证权重初始值1，然后重复进行训练。

7.根据权利要求6所述的一种基于逆向传播神经网络的煤矿工作面矿压数据预测方法，其特征在于，训练后的逆向传播神经网络模型根据要求预测任一工作面任意位置的顶板矿压数据，即将预测位置处的埋深、埋深高程变化率、煤层厚度、煤层厚度变化率、开采厚度、煤层倾角、煤层倾角变化率、直接顶厚度、基本顶厚度、倾向长度及推进速度输入到逆向传播神经网络，即可输出此处周期来压步距及周期来压强度预测值。