BP神经网络在煤矿井下涌水量预测中的应用

矿井涌水量受到多种因素的共同影响,具有非线性和高度复杂性的特点。根据黄陵一号煤矿井下涌水量影响因素及2014—2018年的涌水量数据,采用2种不同的输入神经元的方法创建神经网络预测模型,用已知数据对创建好的模型进行训练,得到拟合精度较好的模型,并用得到的神经网络模型对涌水量进行预测,最后与实际值进行比较。结果表明,2种神经网络模型的预测结果精度都较好,但预测精度有差异,用涌水量影响因素为输入神经元的模型在短期预测精度上低于涌水量组合作为输入神经元的模型;而在长期预测方面,涌水量影响因素为输入神经元的模型预测精度高于涌水量组合作为输入神经元的模型。