[发明专利]一种煤矿顶板突水危险等级预测方法

摘要

本发明涉及煤矿安全技术领域，特别涉及一种煤矿顶板突水危险等级预测方法。所述方法基于PCA‑LVQ神经网络，具体包括以下步骤：步骤1：收集煤田有效厚度、单位涌水量、含水层载荷传递系数、有效保护厚度、分形维值和关键层到煤层的距离及对应的危险等级；步骤2：对数据进行主成分分析及归一化；步骤3：对学习向量量化神经网络训练参数进行设置；步骤4：隐层网络节点选取；步骤5：利用软件建立神经网络模型；步骤6：对建立的神经网络进行训练；步骤7：神经网络精确度预测。本发明预测结果精度高，结构简单，可有效的防止煤矿顶板突水事故的发生，适宜推广应用。

主权项

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。