[发明专利]基于BP神经网络的煤层冲击危险性智能化评价方法

权利要求书

1.一种基于BP神经网络的煤层冲击危险性智能化评价方法，其特征在于，包括：

步骤S101、确定基于BP神经网络的煤层冲击危险性评价模型的输入层、输出层的神经元数目；

步骤S102、根据输入层、输出层的神经元数目，基于预设神经元模型，确定基于BP神经网络的煤层冲击危险性评价模型的隐含层的神经元数目的取值范围；

步骤S103、根据隐含层的神经元数目的不同取值，对应构建多个基于BP神经网络的煤层冲击危险性评价模型；

步骤S104、基于多个煤层冲击危险性评价模型，根据获取的煤层冲击危险性的样本数据，得到对应的多个样本输出结果；

步骤S105、将多个样本输出结果分别与基于综合指数方法的输出结果分别进行对比，确定最佳的煤层冲击危险性评价模型，以对煤层冲击危险性进行智能化评价。

2.根据权利要求1所述的基于BP神经网络的煤层冲击危险性智能化评价方法，其特征在于，在步骤S101中，

确定基于BP神经网络的煤层冲击危险性评价模型的输入层的神经元数目为煤层冲击危险性的不同影响因素的评价指标的数目；

确定基于BP神经网络的煤层冲击危险性评价模型的输出层的神经元数目为1。

3.根据权利要求1所述的基于BP神经网络的煤层冲击危险性智能化评价方法，其特征在于，在步骤S102中，

预设神经元模型为：

其中，h表示隐含层神经元数目，m表示输入层神经元数目，n表示输出层神经元数目，h、m、n、a均为正整数，a∈[1，10]。

4.根据权利要求1所述的基于BP神经网络的煤层冲击危险性智能化评价方法，其特征在于，在步骤S103中，

根据获取的煤层冲击危险性的样本数据，对每一个煤层冲击危险性评价模型分别进行训练，直至对应的煤层冲击危险性评价模型的输出结果与基于综合指数方法的输出结果一致，煤层冲击危险性评价模型的训练结束，得到多个基于BP神经网络的煤层冲击危险性评价模型。

5.根据权利要求4所述的基于BP神经网络的煤层冲击危险性智能化评价方法，其特征在于，在根据获取的煤层冲击危险性的样本数据，对每一个煤层冲击危险性评价模型分别进行训练，直至对应的煤层冲击危险性评价模型的输出结果与基于综合指数方法的输出结果一致，煤层冲击危险性评价模型的训练结束，得到多个基于BP神经网络的煤层冲击危险性评价模型，具体为：

基于预设误差目标函数，根据获取的煤层冲击危险性的样本数据，对每一个煤层冲击危险性评价模型中隐含层神经元的输入输出层间的连接权重进行调整，直至对应的煤层冲击危险性评价模型的输出结果与基于综合指数方法的输出结果一致，煤层冲击危险性评价模型的训练结束，得到多个基于BP神经网络的煤层冲击危险性评价模型。

6.根据权利要求1所述的基于BP神经网络的煤层冲击危险性智能化评价方法，其特征在于，在步骤S105中，

将多个样本输出结果分别与基于综合指数方法的输出结果分别进行对比，误差最小的样本输出结果对应的煤层冲击危险性评价模型为最佳的煤层冲击危险性评价模型。

7.根据权利要求1-6任一所述的基于BP神经网络的煤层冲击危险性智能化评价方法，其特征在于，煤层冲击危险性评价模型的输入层为煤层冲击危险性的不同影响因素的评价指标的数据；煤层冲击危险性评价模型的输出层为煤层冲击危险性等级。

8.根据权利要求7所述的基于BP神经网络的煤层冲击危险性智能化评价方法，其特征在于，煤层冲击危险性的样本数据为煤层冲击危险性的不同影响因素的评价指标的量化数据；煤层冲击危险性等级为量化等级。

9.根据权利要求7所述的基于BP神经网络的煤层冲击危险性智能化评价方法，其特征在于，煤层冲击危险性的影响因素包括：煤层开采深度、煤层开采的冲击倾向性、煤层开采处的地质构造、煤层开采的技术条件中一个或多个。

10.根据权利要求9所述的基于BP神经网络的煤层冲击危险性智能化评价方法，其特征在于，

煤层开采的冲击倾向性的评价指标包括：煤的动态破坏时间、煤的弹性能指数、煤的冲击能量指数、煤的单轴抗压强度、开采时顶板岩层冲击倾向性以及底板岩层冲击倾向性；

煤层开采处的地质构造的评价指标包括：断层影响、褶曲构造、陷落柱影响、河流冲刷带影响；

煤层开采的技术条件的评价指标包括：工作面长度、区段煤柱宽度、留底煤厚度、保护层卸压程度、工作面临空参数、工作面采煤工艺。