煤矿立井井筒非采动破裂的人工神经网络预测
开篇：润墨网以专业的文秘视角，为您筛选了一篇煤矿立井井筒非采动破裂的人工神经网络预测范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：应用人工神经网络的基本原理，建立了一个基于神经网络的煤矿立井井筒非采动破裂的预测系统，实现了立井井筒破裂预测的智能化。最后将神经网络预测结果与数值计算结果对比，认为应用人工神经网络对立井井筒破裂时间的预测比较准确，实用。
关键词：立井井筒 非采动破裂 反向传播网络 神经网络预测 数值模拟
一、 煤矿立井发生破坏问题的提出
徐淮地区是中国东部主要的煤炭开采基地，其煤炭的生产直接影响着我国煤炭的总产量，在国民经济建设中占有重要的地位。然而自20世纪80年代以来，在我国徐淮地区（徐州、淮北、淮南）地区，出现了一种新的矿井破裂灾害——井筒的非采动破裂，即煤矿立井在不受地下采动影响的条件下（井筒及其附近的工业广场都留有足够的保护煤柱），井壁发生严重变形和破裂，致使提升运输困难。90年代以来，在我国特大型煤炭
为了尽量减少立井的非采动破裂所造成的经济损失，现在各大矿山都对井筒的变形进行了预报和治理，到目前对井筒破裂的预报方法主要有两种：
1）第一种方法是通过加强对井筒变形的监测，以监测数据为依据，对井筒的变形进行分析，对其破裂进行预报。
2）第二种方法是新近发展起来的预报方法［1，2，3］，即系统科学、智能技术方法，特别是研究非线性复杂系统的一些方法。其主要内容使用系统科学原理或智能技术来建立模型的框架，用观测的实测资料填充以实现建模。
本文采用实际与智能技术相结合的预报方法，建立井筒破裂的人工神经网络模型，模仿人脑的运行机制，通过对井筒破坏规律的学习，使网络具有根据特征值对井筒破坏进行预报的能力，并据此来推测相关煤矿的井筒破坏规律。
表1兖州矿区井筒破裂的基本情况
Table 1 Basic situation of shaft lining fracture in Yanzhou Coal Mine
矿区
序号
井筒名称
竣工时间
破裂时间
净径/m
外径/m
施工方法
井壁类型
表土厚度/m
破裂深度/m
破裂情况
兖州
1
鲍店副井
1979.11.26
1995.6.5
8.0
10.2
冻结法
双层井壁
148.6
126.9
罐道缝压实,罐道,管路压缩弯曲,混凝土表层剥落出现水平裂缝,竖筋弯曲外露
2
鲍店主井
1979.5.14
1995.7.12
6.5
8.5
冻结法
双层井壁
148.69
136—144
3
鲍店北风井
1979.10.21
1996.8.2
5.0
6.6
冻结法
双层井壁
202.56
168.4,180,204
4
鲍店南风井
1979.8.1
1996.8.9
冻结法
双层井壁
157.92
158.1—159.3
5
兴隆庄西风井
1976.8
1995.10
5.5
7.4
冻结法
双层井壁
183.9
165.5—171.6
6
兴隆庄东风井
1977.5.31
1997.6.7
5.0
6.4
冻结法
双层井壁
176.45
157—180
7
兴隆庄主井
1977.8.13
1997.6.23
冻结法
双层井壁
189.31
150,184
在未出现严重破裂时进行了治理
8
兴隆庄副井
1978.9
1997.6.26
冻结法
双层井壁
190.41
154,200
罐道缝压实,罐道,管路压缩弯曲,混凝土表层剥落出现水平裂缝,竖筋弯曲外露
9
杨村主井
1984.12
1997.2.29
5.0
6.6
冻结法
双层井壁
185.42
176.5,196
10
杨村副井
1985.1.23
1997.12.2
冻结法
双层井壁
184.45
160,176,212
在未出现严重破裂时进行了治理
11
杨村北风井
1984.10.31
1997.2.4
4.5
5.9
冻结法
双层井壁
173.40
179.6,150,156.6
罐道缝压实,罐道,管路压缩弯曲,混凝土表层剥落出现水平裂缝,竖筋弯曲外露
输入矢量p
目标矢量t
目标误差
输出矢量
a
189.31
8.92
1.21
3.764
34.1
192
0.0001
199.5
190.41
10.1
1.3
3.212
30
225
0.0001
222.3
190.41
6.4
0.7
2.988
32.85
241
0.0001
243.8
189.5
7.4
0.95
3.652
29.9
230
0.0001
221.3
148.69
8.5
1
5.196
56.29
194
0.0001
193.06
148.6
10
1
5.262
55.0
187
0.0001
185.6
202.56
6.6
0.8
5.053
59.0
190
0.0001
188.9
185.5
6.4
0.7
7.192
57.72
146
0.0001
147.23
五、 实例应用及与数值模拟结果的比较
兖州矿区杨村煤矿北风井井筒表土段厚173.4m，采用冻结法施工，于1984年竣工，在1997年的检查中发现井壁已发生了破裂，现在用学习后的神经网络对杨村北风井的井筒破裂时间进行预测，预测结果如所表4示。
据上表可以得出有神经网络预报得出的预测值与实际的目标矢量之间的误差仅为0.015，该误差在现场的实际工作中是可以接受的，这说明由BP网来预测竖井的非采动破坏在实际工作中是可行的，且行之有效。
表4 神经网络对杨村北风井破裂的预测
Table 4 Neural network forecast to the fracture time of Yangcun north shaft
输入矢量p
目标矢量t
输出矢量
a
误差
表土层厚度(m)
井筒直径(m)
井壁厚度(m)
底含水位降速（米/年）
底含厚度(m)
井壁破裂时间（月）
173.4
5.9
0.7
7.5
65.3
136
138
0.015