基于改進(jìn)粒子群小波神經(jīng)網(wǎng)絡(luò)的瓦斯?jié)舛阮A(yù)測(cè)研究

      煤礦開(kāi)采已經(jīng)成為我國(guó)經(jīng)濟(jì)建設(shè)的重要產(chǎn)業(yè)，隨之而來(lái)的是煤礦開(kāi)采過(guò)程中產(chǎn)生的瓦斯氣體所導(dǎo)致的危險(xiǎn)事件。為了保障煤礦開(kāi)采的安全以解決瓦斯氣體的爆炸，建立高效準(zhǔn)確的瓦斯預(yù)測(cè)系統(tǒng)成為我國(guó)學(xué)術(shù)領(lǐng)域研究的重點(diǎn)。如對(duì)煤與瓦斯突出相關(guān)的5個(gè)特征進(jìn)行分析，采用拉依達(dá)準(zhǔn)則處理數(shù)據(jù)異常值并采用隨機(jī)森林、支持向量機(jī)和K近鄰模型進(jìn)行煤與瓦斯突出預(yù)測(cè)，實(shí)驗(yàn)表明：采用隨機(jī)森林?jǐn)?shù)據(jù)插補(bǔ)方法并利用隨機(jī)森林模型完成的預(yù)測(cè)，在所有數(shù)據(jù)插補(bǔ)方法和預(yù)測(cè)模型組合中性能最優(yōu)[1];針對(duì)現(xiàn)有煤與突出預(yù)測(cè)方法存在可視化程度低、突出預(yù)測(cè)準(zhǔn)確性和實(shí)時(shí)性不高等問(wèn)題，以新元煤礦為試驗(yàn)礦井，構(gòu)建了煤與瓦斯突出預(yù)測(cè)多元數(shù)據(jù)可視化系統(tǒng)，應(yīng)用結(jié)果表明：該系統(tǒng)改變了新元煤礦突出預(yù)測(cè)指標(biāo)單一、不連續(xù)的現(xiàn)狀，顯著提高了礦井煤與瓦斯突出預(yù)測(cè)準(zhǔn)確性與實(shí)時(shí)性[2];針對(duì)煤礦瓦斯?jié)舛鹊念A(yù)測(cè)的問(wèn)題，以亭南煤礦正常生產(chǎn)期間302工作面的監(jiān)測(cè)數(shù)據(jù)為研究背景，采用深度學(xué)習(xí)技術(shù)LSTM建立瓦斯預(yù)測(cè)模型，研究與設(shè)計(jì)了基于LSTM的煤礦瓦斯預(yù)測(cè)預(yù)警系統(tǒng)，該系統(tǒng)實(shí)現(xiàn)了煤礦瓦斯預(yù)警系統(tǒng)，增強(qiáng)了煤礦瓦斯監(jiān)控系統(tǒng)的預(yù)警能力，提高了煤炭企業(yè)安全生產(chǎn)管理水平[3]。本研究認(rèn)為，其不僅需要構(gòu)建預(yù)測(cè)系統(tǒng)，還需要保證其瓦斯預(yù)測(cè)的準(zhǔn)確性。因此，基于小波神經(jīng)網(wǎng)絡(luò)原理，提出一種粒子群優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的瓦斯預(yù)測(cè)模型，以此提高瓦斯預(yù)測(cè)的精準(zhǔn)率。
　　1小波神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
　　傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)是采用Sigmoid作為隱含層，這就導(dǎo)致傳統(tǒng)算法具有陷入局部最優(yōu)和收斂速度慢的問(wèn)題。為改善這種問(wèn)題，使用小波算法代替神經(jīng)系統(tǒng)隱含層，從而最大程度地優(yōu)化神經(jīng)系統(tǒng)結(jié)構(gòu)。設(shè)小波函數(shù)f（t）為一維信號(hào)，則小波基：
　　小波函數(shù)作為隱含層，具有很強(qiáng)的適應(yīng)性。但以上方法還存在缺陷，如網(wǎng)絡(luò)初始值很難確定，同時(shí)當(dāng)樣本過(guò)多時(shí)，收斂速度會(huì)變慢。因此，基于以上問(wèn)題，需要對(duì)小波神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)。
　　2基于改進(jìn)小波神經(jīng)網(wǎng)絡(luò)的瓦斯?jié)舛阮A(yù)測(cè)模型
　　基于傳統(tǒng)小波神經(jīng)網(wǎng)絡(luò)存在的問(wèn)題，提出采用粒子群對(duì)小波神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)，具體改進(jìn)步驟：
　?。?）將N設(shè)置為輸入層，M設(shè)置為隱藏層，L設(shè)置為輸出層，M維向量設(shè)置為縮放和平移因子;
　?。?）將初始化速率，并找到最佳起始位置和總體最佳值;
　?。?）將訓(xùn)練樣本數(shù)據(jù)傳輸至輸入層學(xué)習(xí);
　?。?）根據(jù)
　　對(duì)小波神經(jīng)網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化;
　　（5）確定參數(shù)是否滿(mǎn)足條件，若滿(mǎn)足則選擇優(yōu)化參數(shù);若不滿(mǎn)足則轉(zhuǎn)回步驟（3）;