在分析湖南土朱矿5煤层煤与瓦斯突出资料的基础上,确定煤层瓦斯含量,瓦斯压力,煤的坚固性系数及瓦斯放散初速度为影响煤与瓦斯突出的主要因素,利用MATLAB软件,基于BP神经网络,建立了适合土朱矿的煤与瓦斯突出强度预测模型,并进行了实际检验,确定了模型的可行性,为指导土朱矿的安全生产提供了理论依据。

针对目前煤与瓦斯突出强度预测精度低、稳定性差及训练速度慢等问题，提出了一种基于局部线性嵌入法-果蝇优化算法-BP神经网络（LLE-FOA-BP）模型的煤与瓦斯突出强度预测方法。借助LLE算法的非线性数据特征提取优势，提取煤与瓦斯突出影响因素原始数据的本质特征，形成重构有效因子，降低数据间的冗余信息及噪声；利用FOA算法较强的全局寻优能力优化BP神经网络的权值和阈值，避免陷入局部极小，提高参数寻优效率；将重构有效因子输入优化后的BP神经网络进行训练，实现煤与瓦斯突出强度快速、准确预测。测试结果表明

基于遗传算法-BP神经网络的突出强度预测，陈见行，韩志婷，煤与瓦斯突出强度的预测对研究煤与瓦斯突出现、保证矿井安全正常生产有着重要意义，本文提出采用遗传算法结合BP神经网络的模型来�

在综合分析影响煤与瓦斯突出的各种评价指标的基础上,基于人工神经网络极强的非线性逼真能力,建立了煤与瓦斯突出强度预测的遗传神经网络模型。模型采用灰色关联理论完成了评价指标的优化,并利用遗传算法对BP网络初始权值和阈值的确定进行了优化。以重庆南桐矿区砚石台矿为例,对煤与瓦斯突出强度进行了预测,结果表明,采用本模型的预测结果与矿井实际突出状况一致,模型可靠,具有一定的理论与实际意义。

煤与瓦斯突出强度的预测对研究煤与瓦斯突出,保证矿井安全正常生产有着重要意义。本文提出采用遗传算法结合BP神经网络的模型来预测突出强度,采用遗传算法对BP神经网络的权重和阈值进行优化,将优化好的权重与阈值作用于网络进行训练,直至性能函数符合要求。实际计算表明,该模型有较好的预测精度,且克服了普通BP神经网络训练时间长、收敛速度慢的缺点,在已知瓦斯膨胀能和煤层厚度的前提下,可以用该模型对突出强度进行预测。