【技术实现步骤摘要】
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
本专利技术属于煤矿矿山压力领域，具体涉及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。
技术介绍
矿山压力及其显现规律作为煤矿开采理论的核心，是煤矿研究的重中之重。而在进行矿压研究时，分析计算工作面顶板来压步距与来压强度往往是研究的重点和难点。现有理论多采用弹塑性理论计算顶板压力，但往往误差较大。工作面顶板来压步距与来压强度多与开采因素成非线性关系，往往难以拟合出理想的函数关系。近年来，人工智能技术得到了飞速发展与应用。随着人工智能技术的研究与发展越来越成熟，将其应用于煤矿领域已迫在眉睫。人工智能技术的基础是神经网络，且神经网络非常适合处理非线性问题。神经网络经过大量样本数据的训练，便可以实现对数据的预测，目前广泛应用于模式识别、图像识别、自然语言处理、实时分析工具和无人驾驶等领域。
技术实现思路
为克服现有技术中工作面顶板来压步距与来压强度计算误差大的现实问题，本专利技术的目的在于提供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。
【技术保护点】
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。/n
【技术特征摘要】
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...
【专利技术属性】
技术研发人员：朱磊，程海星，张光磊，王仲伦，徐凯，宋立平，刘文涛，
申请(专利权)人：中煤能源研究院有限责任公司，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。