买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：淮南矿业(集团)有限责任公司;平安煤炭开采工程技术研究院有限责任公司

摘要：一种巷道呼吸风险区域微小粉尘数目定量化预测方法，属于煤矿掘进通风技术领域，解决如何实现煤矿掘进面风流作用下矿工呼吸区域微小粉尘数目占比的准确预测的问题；本发明利用FLUENT软件对掘进面压风口位置、压风风速、抽压气量比、发尘时长影响下的巷道呼吸风险区域内PM1、PM7、PM10的数目进行模拟计算，收集了不同工况对应下巷道呼吸风险区域内粉尘颗粒总数及微小颗粒数目占比的多组样本数据，进而构建GA‑PSO‑BP神经网络多目标预测模型，利用该模型能够对煤矿掘进面的粉尘颗粒数目进行定量化预测，实现了综掘面安全、高效、绿色通风提供可靠准确的依据。

主权项：1.一种巷道呼吸风险区域微小粉尘数目定量化预测方法，其特征在于，包括以下步骤：S1：样本数据模拟及采集；S2：构建GA-PSO-BP神经网络多目标预测模型，对煤矿掘进面的粉尘颗粒数目进行定量化预测；所述的构建GA-PSO-BP神经网络多目标预测模型的方法如下：1基于Matlab平台构建双隐含层BP神经网络回归预测模型；所述的双隐含层BP神经网络的训练过程如下：步骤1、在网络初始化后进行隐含层输出计算；根据输入变量xi，连接权值ωij以及隐含层阈值aj，计算隐含层输出如下： 式中，Hj为隐含层输出，j＝1,2,…,l，l为隐含层节点数，i＝1,2,…,n，n为输入变量的个数，f为隐含层激励函数；步骤2、进行输出层输出计算；根据隐含层输出Hj、连接权值ωjk和输出层阈值bk，计算BP神经网络的期望输出如下： 其中，Ok为期望输出，k＝1,2,…,m；m为预测输出的个数；步骤3、误差计算；根据预测输出Yk和期望输出Ok，计算网络预测误差ek，进而根据网络预测误差更新连接权值ωij和ωjk，具体计算公式如下：ek＝Yk-Ok3 ωjk＝ωjk+ηHjek5其中，η为学习速率；步骤4、阈值更新；根据网络预测误差，更新隐含层阈值及输出层阈值，具体计算公式如下： bk+1＝bk+ek7判断迭代是否结束，若没有结束，则返回步骤1进行循环迭代；2采用遗传算法的交叉、变异操作改进粒子群算法，从而对BP神经网络进行优化；具体方法如下：采用基于适应度比例选择的策略，个体d的选择概率pd为： 式中，fd为个体的适应度值，Z为种群个体数目；在对个体进行实数编码的基础上，采用实数交叉法进行交叉处理，第s条染色体Us和第l个染色体Ul在j位的交叉操作方法如下： 式中，q为区间[0,1]间的随机数；选取第i个个体的第j个基因aij进行变异，变异操作方法如下： 式中，amax为基因aij的上界；amin为基因aij的下界；fg＝1-gGmax2；r2为一个随机数；g为当前迭代次数；Gmax为最大进化次数；r为[0,1]间的随机数；对种群进行实数编码，适应度值F为预测数据与期望数据间的误差，其计算公式为： 式中，n为网络输出结点数，ξi为BP神经网络第i个节点的预测输出，λi为第i个节点的期望输出；假设由m个微粒在N维空间构成最初的粒子群：P＝x1,x2,…xmT，粒子速度和位置更新公式表示为： 其中，分别为迭代次数为t时的粒子的个体最优解和全局最优解；r1、r2为0～1之间的随机数；C1、C2为学习因子；学习因子C2的动态调整公式为： 式中，Iteration为当前迭代次数，Max_iteration为最大迭代次数；S3：选择决定系数、均方根误差、平均绝对误差、平均绝对百分比误差作为预测评价指标，采用测试集对构建的GA-PSO-BP神经网络多目标预测模型进行测试。

全文数据：

权利要求：

百度查询： 淮南矿业(集团)有限责任公司 平安煤炭开采工程技术研究院有限责任公司 一种巷道呼吸风险区域微小粉尘数目定量化预测方法