基于巷道摩擦阻力系数BP神经网络预测模型的矿井风网风量预测研究 论文

针对矿井风网解算中待掘巷道摩擦阻力系数难以准确实测赋值的问题，构建了巷道摩擦阻力系数BP神经网络预测模型，以双柳煤矿各类巷道摩擦阻力系数实测数据作为训练样本进行学习训练，使预测模型的期望误差达到0.000 1以下。利用该模型对尚未贯通的23（4）13回采工作面的巷道摩擦阻力系数进行预测，将预测结果代入基于斯考德—恒斯雷法风网解算方法构建的双柳煤矿通风网络解算模型中，分别对23（4）13回采工作面贯通后备用阶段和回采阶段全风网风量分布进行了解算，解算结果与现场实测结果之间相对误差小于8%。研究结果表明，利用基于BP神经网络算法的巷道摩擦阻力系数预测模型对待掘巷道摩擦阻力系数进行预测赋值，能够实现风网风量的准确解算。