母丽华，张太发，李焱

(黑龙江科技学院理学院，哈尔滨150027)

改进的神经网络算法在瓦斯涌出量预测中的应用

母丽华，张太发，李焱

(黑龙江科技学院理学院，哈尔滨150027)

针对传统神经网络存在的收敛速度慢、容易陷入局部最小等缺陷，采用改良的BP算法——双权值迭代优化法，提高神经网络传统BP算法的训练速度。以三层神经网络为例，对权值进行优化。实验对比表明:双权值迭代优化法应用于瓦斯涌出量的预测，比一般BP网络有更高的预测精度和程序运行速度。

BP神经网络;矿井瓦斯;涌出量

Abstract:This paper is aimed at an alternative to conventional neural network which suffers from a lower convergence rate and higher tendency to fall into partially smallest，by developing the improved BP algorithm，namely double weight iteration optimization method，to enhance the training speed of the neural conventional BP algorithm network．The method consists of taking three layer neural networks as the example，and，through the analysis and the optimization for weight value，applying the algorithm into predicting the mine gas emission．The experimental comparison shows that the double weight iteration optimization method gives a greater forecast accuracy and faster program operation than conventional BP algorithm network in predicting the mine gas emission．

Key words:BP neural network;mine gas;emission

0 引言

矿井瓦斯是煤矿井下以甲烷(CH4)为主的有毒有害气体的总称。如果井下的通风效果不理想，瓦斯涌出量大的区域会因为瓦斯体积分数过大，导致井下工作人员窒息。瓦斯在一定条件下亦可发生爆炸，产生的高温可达1 850～2 650℃。瓦斯爆炸不仅烧伤职工、烧坏设备，还可能点燃木支架和煤壁，引发瓦斯连续爆炸、煤尘爆炸和井下火灾，从而加重灾害程度，扩大灾害面积［1－2］。为避免这些事故的发生，开采瓦斯含量高的煤层必须事先对矿井瓦斯涌出情况进行预测。

随着各种理论和技术手段的发展及其交叉应用，科研工作者提出了许多评估和划分方法［3－5］。神经网络可通过大量神经元简单处理单元构成非线性动力学系统，实现与人脑相似的学习、识别、记忆等信息处理能力，并具有很强的自学习性等。但传统的BP算法因存在收敛速度慢、容易陷入局部最小等缺陷，在瓦斯灾害的预测中准确性不高。……