【技术实现步骤摘要】
本专利技术涉及矿井安全生产，尤其涉及基于qpso优化bp神经网络的矿井导水裂隙带高度预测方法。
技术介绍
1、矿井水害是煤矿五大灾害之一，随着我国煤矿开采向深部延伸，再加之受复杂水文地质条件影响，在煤矿生产过程中煤层顶底板突水事故频发，常常造成严重的经济损失和人员伤亡，对导水裂隙带发育高度进行快速精准地预测，是矿井突水水害防治的关键步骤之一。导水裂隙带作为矿井突水的通道，其一旦与上覆含水层导通，将对矿井安全生产带来严重威胁，因此，快速准确预测导水裂隙带的发育高度，对后续进行矿井突水危险性评价，预防裂隙导通离层水、老窑水，形成突水事故，实现矿井安全生产，服务于矿山应急救援与处置具有极大的理论意义与实际价值。
2、目前，预测导水裂隙带高度的方法主要有经验公式法、数值模拟法、相似模拟法、深度学习等方法，但这些预测方法都还存在一定的提升空间，如申请号为“201610679487.x”的专利公开了“一种近距离煤层组(群)两带高度计算方法”和申请号为“202010410276.2”的专利公开了“一种近距离厚煤层采动综合垮采比及裂采比确定...
【技术保护点】
1.基于QPSO优化BP神经网络的矿井导水裂隙带高度预测方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于QPSO优化BP神经网络的矿井导水裂隙带高度预测方法，其特征在于，所述线性判别分析法可对大量导水裂隙带实测高度样本进行降维和分类处理，其主要有以下流程；
3.如权利要求1所述的基于QPSO优化BP神经网络的矿井导水裂隙带高度预测方法，其特征在于，所述BP神经网络模型是一种多层结构的前馈网络，根据误差反向传播进行训练学习，其中X1，X2……Xn为网络的实际输入，Y1，Y2……Yj为网络的实际输出，Mni为输入层到隐藏层的权值矩阵，M...
【技术特征摘要】
1.基于qpso优化bp神经网络的矿井导水裂隙带高度预测方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于qpso优化bp神经网络的矿井导水裂隙带高度预测方法，其特征在于，所述线性判别分析法可对大量导水裂隙带实测高度样本进行降维和分类处理，其主要有以下流程；
3.如权利要求1所述的基于qpso优化bp神经网络的矿井导水裂隙带高度预测方法，其特征在于，所述bp神经网络模型是一种多层结构的前馈网络，根据误差反向传播进行训练学习，其中x1，x2……xn为网络的实际输入，y1，y2……yj为网络的实际输出，mni为输入层到隐藏层的权值矩阵，mij为隐藏层到输出层的权值矩阵，sni为xn到qi的阈值矩阵，sij为qi到yj的阈值矩阵。
4.如权利要求1所述的基于qpso优化bp神经网络的矿井导水裂隙带高度预测方法，其特征在于，所述量子粒子群算法主要包括如下步骤；
5.如权利要求1所述的基于qpso优化bp神经网络的矿井导水裂隙带高度预测方法，其特征在于，所述量子粒子群优化算法中粒子代表bp神经网络模型中的权值和阈值。
...【专利技术属性】
技术研发人员：郑禄林，胥进，兰红，张义平，左宇军，刘镐，田诗宇，孙毅，王孝坤，王金，
申请(专利权)人：贵州大学，
类型：发明
国别省市：
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。