基于神经网络的密闭采空区煤自燃预警

摘要

为了准确预测矿井密闭采空区火灾的发生和发展,提高煤自燃预警的可靠性与准确性,以陕西某矿4号煤层采空区为研究对象,通过煤氧化低温实验,分析煤自然氧化过程中指标气体和温度间的关系,利用CO气体浓度的增长率I_(r)和相对增长率I_(s)确定了煤自然发火的特征温度T_(1)、T_(2)、T_(3)、T_(4)、T_(5),并以此为预警界限构建了“6级”煤自燃分级预警体系。分别利用BP和RBF神经网络的方法,以4号煤层密闭采空区的CO、CO_(2)气体浓度数据以及一氧化碳与二气化碳浓度比值作为神经网络输入值,对矿井密闭采空区煤自燃进行动态预警研究。结果表明:BP和RBF神经网络预测CO浓度变化趋势进入黄色预警的时间与现场观测数据相比,预测误差分别为1天和2天,对于小样本数据而言,BP神经网络模型表现出了较好的预警性能。