基于BP神经网络的煤矿瓦斯预警与应急联动系统研究

顼东婷

【摘要】 针对煤矿瓦斯灾害的预警问题，在煤矿收集到各指标气体浓度的基础上，构建BP神经网络，通过训练各数据，判断该检测点是否会发生瓦斯灾害，若发生灾害则启动面向服务的应急联动。

【关键字】 瓦斯预警 BP 神经网络 应急联动

Abstract：BP neural network has been constructed to forecast the gas disaster of coal mine colliery .In this system，the concentration ratio of gases are selected as the date input of the network.By training，the system can forecast the gas disaster .If there is a disaster，we will start the Emergency Response System.

Key words：gas warning Emergency Response BP neural network

煤矿事故发生频繁，破坏性大，它是威胁煤矿工人生命安全和煤矿企业正常生产的罪魁祸首，而瓦斯灾害是煤矿事故的主要形式。为保证煤矿生产的安全高效，预警系统则被应用到生產与管理当中，减少或杜绝事故发生，对煤矿安全生产具有重大的现实意义。BP神经网络算法是目前应用最广泛的网络模型之一，在灾害预警方面也是常用的一种方法，通过训练大量数据从而判断检测点是否发生灾害，克服了传统预测方法的局限性，达到更加高效准确的预警效果。

一、BP神经网络

1.1 BP神经网络原理

Back Propagation neural network（BP神经网络），也称误差反向传播模型，是人工神经网络中重要的一支，BP神经网络的特点是在未知输入与输出的情况下，只要给出足够多的训练数据，该网络可以自动得到输入输出之间的映射关系，实现对任意数据的分类和预测。BP神经网络模型分为三部分：网络输入层（Input Layer），网络输出层（Output Layer），输入与输出层之间的隐含层（Hide Layer）。输入信号由神经网络的输入层神经元节点传入，然后向前逐层传送给隐含层的所有神经元，最后工作信号由输出层神经元传出。BP神经网络分为两个工作：向前传播工作信号，逆向传播误差信号。经过这两个阶段的循环往复进行，网络中的权值得到不断修改，当学习次数达到规定的最大迭代次数时，BP神经网络训练结束。如下图所示，设有一个3层BP神经网络，输入层3个节点，输出层3个节点，隐含层3个节点如图1所示。

1.2 BP神经网络的训练结果

经过训练后，判断检测点是否发火并以0或1的形式输出。网络经过多次训练后，误差达到预设的范围（<0.000 1）。研究表明，利用BP神经网络处理从煤层收集到的气体浓度并作出安全预警是可行的且具有相当优势的。它的基本思想是先通过BP神经网络的权值进行预测，经过一定次数的进化迭代后，这样能大大提升BP神经网络的收敛速度，提高训练的精度。

二、应急服务管理

1、服务设计分析。当灾害发生时，一般都需要很多部门、行业的配合组织救援，不同的灾害启动的应急方案不同，调动的web服务不同，通过BP神经网络预测灾害等级，通知相对应的应急辅助服务。并且各个救援机构（医院、消防部门、公安部门、指挥部门、志愿者等）可实时登记自身信息，成为动态救援力量。

2、系统重点模块介绍。实时监测与预警模块，在系统中该模块可以直接显示引起瓦斯灾害的各项指标的实际监测值，通过与数据库链接，然后根据BP神经网络模型的预测，得到预警结果，根据相应的研究，把预警结果分为重大，大型，一般，正常四种情况。

历史数据查询模块，在该模块中可以通过输入查询的时间和地点得到历史数据以及历史中发生灾害的数据。

三、该系统的缺点

传统的BP神经网络训练方法，是在单片机上串行处理数据集，当进行数据挖掘的数据量急剧增大，达到海量级别时，BP神经网络训练会有很多问题，如消耗时间长，甚至是出现内存不足的问题，所以该系统还可以进行优化。

四、总结

本文介绍了煤矿瓦斯BP神经网络的原理，考虑到人工神经网络极强的非线性逼近能力知识处理方面的优势，利用BP算法开发了BP网络，将传感器接收到的数据作为BP神经网络的输入单元，实现了基于BP神经网络的煤矿瓦斯预警及应急服务系统。

参 考 文 献

[1] 李玉丹.并行BP神经网络多模式分类模型的研究[D]. 辽宁师范大学 2014

[2] 赵鑫，宋广军，李诚.改进BP神经网络的煤与瓦斯突出预测[J]. 计算机仿真. 2012（06）