[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

说明书

本申请提供了一种基于BP神经网络的煤层冲击危险性智能化评价方法，包括：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；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；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；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；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。

技术领域

本申请涉及安全预测技术领域，特别涉及一种基于BP神经网络的煤层冲击危险性智能化评价方法。

背景技术

近年来，随着煤炭需求的不断增加，煤矿的开采深度也随之加深，从而伴随着冲击地压事故频繁发生，已经成为影响我国煤矿井下安全最严重的自然灾害之一。据统计，近30年来，我国冲击地压矿井数量从1985年的32个迅速增加到2020年的133个，特别是近两年就相继发生了“龙郓10.20”、“龙家堡6.9”、“唐山8.2”、“山东新巨龙2.22”，“龙堌煤矿”等5起重大冲击地压事故。因此，为减少冲击地压事故的发生，对矿井煤层的冲击危险性进行研究与评价是必要的。

发明内容

本申请的目的在于提供一种基于BP神经网络的煤层冲击危险性智能化评价方法，以解决或缓解上述现有技术中存在的问题。

为了实现上述目的，本申请提供如下技术方案：

本申请提供了一种基于BP神经网络的煤层冲击危险性智能化评价方法，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。

优选的，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。

优选的，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]。

优选的，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。

优选的，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。