基于改進粒子群小波神經網絡的瓦斯的研究及預測.pdf

1、隨著工業(yè)社會發(fā)展的需求和煤炭業(yè)在我國工業(yè)生產中占有絕對主導地位，煤炭安全事故也隨之而來。近十年以來，我國在預防煤礦事故上投入了大量的人力和物力。雖然我國的煤礦安全事故有明顯的降低，但是同國外相比較還有很大的提升空間。煤礦安全事故中以瓦斯事故的傷害性最大，井下瓦斯的存在時刻在威脅著礦工們的生命。因此，瓦斯涌出量的預測對于確保礦工人員的生命安全和提高煤炭產量和生產效益有著重要的意義。
　　本文以煤礦瓦斯監(jiān)測系統(tǒng)為研究背景，結合煤礦井下

2、現實生產，提出了改進粒子群小波神經網絡的算法，用于井下瓦斯涌出量進行預測研究。本文主要研究了以下幾個方面：
　　首先，分析煤礦實際生產中井下監(jiān)測系統(tǒng)的運作流程，搭建了模擬礦井工作面巷道的瓦斯采集系統(tǒng)。分析了開采工作面瓦斯涌出量的數據會出現異常數據和缺失數據并且數據非線性復雜程度高，對初始數據采取移動值平均法和類白化歸一法處理。
　　其次，在對瓦斯采集系統(tǒng)研究的基礎上提出了瓦斯預測問題，給出瓦斯預測的思路，并分析比較常用瓦斯預

3、測算法，決定使用粒子群算法和小波神經網絡算法。為了彌補這兩種智能算法的缺陷并充分發(fā)揮各自的優(yōu)點，從而將粒子群算法和小波神經網絡算法相融合，提出了改進粒子群小波神經網絡算法。利用所提出的算法對井下采空區(qū)瓦斯涌出量數據進行預測，并在Matlab環(huán)境下進行仿真驗證，結果證明所提算法較傳統(tǒng)算法能夠更好地用于瓦斯預測問題。
　　最后，為便于操作人員對系統(tǒng)當前狀態(tài)進行監(jiān)測，本文結合了現實煤礦井下生產情況，研究了煤礦監(jiān)測系統(tǒng)的軟硬件。使用Kin