针对传统BP神经网络收敛速度慢、易陷入局部极小等问题,采用Matlab神经网络工具箱中的自适应学习率VLBP算法和基于数值优化技术的LMBP算法对传统BP神经网络算法进行改进,并设计了基于改进BP神经网络的煤与瓦斯突出预测系统;分别采用传统BP神经网络模型和改进的BP神经网络模型进行煤与瓦斯突出预测实验,结果表明改进的BP神经网络能够更快、更准确地预测煤与瓦斯突出。

煤与瓦斯突出是复杂的地质灾害之一，其预测受多种因素的影响，例如瓦斯，地应力，物理和力学性质以及复杂的非线性系统，导致预测精度低。 使用非线性BP神经网络进行预测算法设计是一种有利的方案。 但是，传统的BP神经网络算法存在收敛速度慢，容易陷入局部最小值等缺陷。 为了弥补缺陷，有效提高煤与瓦斯突出的预测精度，提出了一种改进的煤与瓦斯突出的BP神经网络预测算法。 采用附加动量来调整网络权重，加快网络收敛速度，进而自适应地调整网络学习速度，减少迭代次数。 最后，对矿井中煤与瓦斯突出的预测进行了模拟。 与