摘要：煤与瓦斯突出是严重威胁煤矿安全生产的矿井瓦斯动力现象，它是由地应力、瓦斯压力、煤体结构三者综合作用形成的。制定突出危险性预测和防突措施效果检验指标体系的重要理论和技术依据，是对煤与瓦斯突出机理及预测指标的研究。因此，本文基于渐进神经网络的研究建立的煤与瓦斯突出危险性区域预测模型的研究，具有较好的针对性，从而能为矿井制定安全生产措施提供重要依据。
　　关键词：煤矿 渐进神经网络 煤与瓦斯突出
　　1 概述
　　对于煤矿各煤层的煤与瓦斯突出危险性的区域预测，一般是先确定突出危险性参数，建立一个初步的预测模型，然后根据该矿区已经发生的煤与瓦斯突出事故的情况来不断验证，直到得到合理的区域预测模型，这样整个区域预测模型的建立需要做大量调试，耗费很长的时间。
　　本文尝试利用渐进神经网络的特点，建立利用结果反求矿井的煤与瓦斯突出危险性区域预测模型，使得建立的模型能更加适合不同矿井发生煤与瓦斯突出的实际情况。此外，还能大大减少模型调试所消耗的大量时间[3]。
　　2 关于建立煤与瓦斯突出区域预测模型的分析
　　目前为止，国内外对影响煤与瓦斯突出参数的问题进行了很多研究，而随着力学、动力学理论等学科的发展，分析矿井煤与瓦斯突出是如何发生的方法也越来越多。在众多的突出理论中，能让从事该行业的绝大多数人认同和接受的就是综合假说。
　　综合假说的主要理论是：煤与瓦斯突出是矿井中一种极其复杂的动力现象，它包括三个因素：地应力、高压瓦斯和煤的结构性能，它的发生是三个主要因素综合作用的结果。
　　从能量转换角度分析，突出的能量来自煤岩体弹性弹性潜能和煤体中的瓦斯膨胀能，这些能量在突出过程中主要转换为煤体的破碎功和碎煤在巷道中的移动功等。因此，在由煤岩层和瓦斯组成的这样一个力学系统中，就有四种相互作用和相互转化的能量体系，它们之间的消长关系够长了煤与瓦斯突出全过程的能量条件。当煤岩体弹性潜能和煤体中的瓦斯膨胀能大于煤体的破坏功和移动功时，就发生煤与瓦斯突出，否则就不发生。
　　3 基于渐进神经网络的煤与瓦斯突出危险区域预测模型的建立
　　神经网络是由大量的神经元相连接的网络，针对影响煤与瓦斯突出的地应力、瓦斯压力、煤体结构的复杂关系，通过对渐进神经网络的训练、控制和识辩可以反求到影响不同矿井对煤与瓦斯突出影响的参数及其权重值[2]。
　　基于地应力、瓦斯压力、煤体结构参数反求流程如图1所示。假设模型的各项参数为某一组数值，可以仿真得到相应的突出参数的神经网络的初始训练样本，将各种参数值Xm输入神经网络，即可反求得到对于的参数Yi，并将其作为煤与瓦斯突出的影响参数，可以得到影响参数的计算值Xn。如果计算值Xm和测量值Xn偏差超过许可误差，必须重新选取样本，对神经网络在训练，直到计算值Xm和测量值Xn的偏差在许可范围内，即为反求得到的煤与瓦斯突出影响参数Yj。
　　神经网络模型的结构，需要根据具体求解问题的复杂程度决定[3]。图2为煤与瓦斯突出影响参数反求的神经网络结构，神经网络由可能代表影响煤与瓦斯突出因素的N个输入单元组成输入层，网络的输出层由实际代表影响煤与瓦斯突出的M个单元组成，网络还包含一个隐含层。通过神经网络可以建立影响煤与瓦斯突出因素的非线性关系：
　　神经网络的训练，就是根据训练样本来计算权值矩阵W，根据求出影响参数及权值矩阵计算煤层的突出危险性程度。神经网络训练以后，不管实际问题怎么复杂，神经网络都可以快速的计算输出变量，因此，神经网络是适合用于煤与瓦斯突出危险性区域预测模型的建立的。
　　4 结论
　　本文应用反求的思想，从满足预测的观点出发，通过建立渐进神经网络的方法来反求满足不同矿区实际情况的突出危险性区域预测模型，从而反求出影响不同煤矿的煤与瓦斯突出危险性的影响参数，从而避免了建立煤与瓦斯突出危险性区域预测模型过程中繁杂的调试过程，缩短了该模型建立过程，并使得区域预测模型具有较好的针对性及预测效果。
　　参考文献：
　　[1]候媛彬，杜京义，汪梅.神经网络[M].西安电子科技大学出版社.
　　[2]张青贵.人工神经网络导论[M].中国水利水电出版社.
　　[3]刘海波，施式亮等.人工神经网络对矿山安全状态的评判能力分析[J].安全与环境学报，2004（5）：69～72.
　　[4]胡千庭，邹银辉等.瓦斯含量法预测突出危险新技术[J].煤炭学报，2007（3）：277～280.
　　[5]魏风清.煤与瓦斯突出的物理爆炸模型及预测指标研究[M].2010.
　　作者简介：苏恒瑜（1984—）女，贵州兴义人，助教，研究方向为煤矿开采技术、矿山安全方向教学及科研工作。