基于人工神经网络的煤矿安全评价研究

摘要

煤炭产业是我国国民经济的支柱产业，对国民经济的发展起着至关重要的作用，但目前我国的煤矿安全现状却不容乐观，煤矿事故伤亡发生率居世界首位，因而安全评价工作成为了煤矿企业安全管理的重要环节。本文选取具有高度非线性、容错性、自组织的人工神经网络的方法对煤矿进行了安全评价工作。
　　本研究主要内容包括：⑴经过比较、分析传统的安全评价方法，指出其具有“线性”、“局部性”和“确定性”的缺点，而神经网络评价方法具有自组织、自学习和高度非线性逼近的特点，便于联想、综合和推广，从而确定了神经网络用于煤矿安全评价的可行性。⑵在充分了解煤矿生产系统特征的基础上，根据煤矿安全风险指标体系设计原则，从煤矿固有风险因素、人员风险因素、设备风险因素、管理风险因素、环境风险因素五个方面建立了煤矿安全评价指标体系。⑶探讨了BP人工神经网络隐含层层数和隐含层节点数的选取问题，确定了BP神经网络的网络结构，利用MATLAB软件编程，运行在MATLAB7.0的平台上，分别采用BP神经网络的附加动量算法、弹性算法、L-M算法对煤矿进行评价，评价结果表明三种算法都可以完成煤矿的评价工作，但附加动量算法运算速度慢、步数多，弹性算法在逼近目标值方面存在欠缺，L-M算法不仅运算速度快、步数少、在逼近精度方面也是前两种算法无法比拟的。⑷介绍了一种无论在精度逼近能力、分类识别能力还是网络训练速度方面都优于普通BP神经网络的RBF神经网络。利用RBF神经网络对煤矿进行评价，评价结果显示RBF神经网络比普通BP神经网络算法训练速度快，时间短，精度高，可以和BP神经网络的L-M算法相媲美，能够很好地完成煤矿的评价任务，应该得到大力推广。本研究表明：人工神经网络评价方法与传统的安全评价方法相比具有明显的优点，其可操作性强，评价结果精确，可以提高煤矿企业安全评价工作的效率。

目录

声明

摘要

1 绪论

1．1 研究背景及意义

1．2 国内外安全评价研究现状

1．2．1 国外煤矿安全评价现状

1．2．2 国内煤矿安全评价现状

1．2．3 传统安全评价方法存在的缺点

1．2．4 神经网络的特点

1．2．5 神经网络用于煤矿安全评价可行性

1．3 本文研究目的和意义

1．4 本文研究的内容和技术路线

1．4．1 主要研究内容

1．4．2 技术路线

2 煤矿安全风险综合评价指标体系的构建

2．1 煤矿安全风险系统的特点分析

2．1．1 煤矿安全风险评价系统的特点分析

2．1．2 煤矿安全风险评价指标体系的设计原则

2．2 安全风险指标体系的选择基础

2．2．1 指标体系的设计流程步骤

2．3 国内煤矿安全风险因素分析

2．3．1 煤矿安全风险因素

2．3．2 各因素之间的相互作用

2．4 煤矿安全风险综合评价指标体系的结构

2．5 评价指标分级

2．6 本章小结

3 人工神经网络理论

3．1 人工神经网络模型

3．1．1 人工神经网络模型

3．1．2 神经网络模型的选取

3．2 神经网络的结构类型

3．3 神经网络的学习类型

3．4 本章小结

4 基于BP神经网络的煤矿安全评价

4．1 BP神经网络模型

4．2 BP神经网络算法

4．2．1 BP神经网络标准学习算法

4．2．2 BP神经网络算法的流程图

4．3 BP神经网络的参数选取

4．3．1 网络层数的确定

4．3．2 各层神经元数的确定

4．3．3 学习率的选取

4．3．4 初始权值和阈值的选取

4．3．5 样本数量的选取

4．3．6 样本预处理

4．4 BP算法的缺点

4．5 BP算法的改进

4．5．1 批处理算法

4．5．2 附加动量算法

4．5．3 学习速率可变的BP算法

4．5．4 弹性学习算法

4．5．5 变梯度算法

4．5．6 基于L-M学习算法

4．6 基于BP神经网络的煤矿安全评价应用

4．6．1 样本的采集与处理

4．6．2 BP神经网络的网络结构设计

4．6．3 BP神经网络训练及结果分析

4．7 本章小结

5 基于RBF神经网络的煤矿安全评价

5．1 RBF神经网络模型原理

5．1．1 RBF神经网络神经元模型

5．1．2 RBF神经网络的数学基础

5．2 RBF神经网络的学习算法

5．3 基于RBF神经网络的煤矿安全评价应用

5．4 RBF神经网络与BP神经网络的比较分析

5．5 本章小结

6 结论

6．1 所做的工作和结论

6．2 本文的不足之处

6．3 展望

参考文献

致谢

作者简介及读研期间主要科研成果