本实用新型专利技术公开了一种煤矿突水水源识别系统，包括数据输入模块、微处理器、RAM存储器、信息采集模块和LCD显示屏，数据输入模块、RAM存储器、信息采集模块和LCD显示屏均与微处理器相连接，RAM存储器中设有数据库和神经网络模块。本实用新型专利技术将具有解决非线性问题的神经网络进行突水水源识别系统，提高了突水水源判别的快速性和准确性；通过水质离子浓度检测器的检测结果，运用训练好的神经网络模型可以准确识别突水类型，在显示器中显示结果，结构简便，具有良好的人机界面；在矿井突水位置可以实时判别突水来源，超前预测和预警突水，为矿井水害防治争取了时间和提供决策依据，提高了产量并带来了较大的经济效益，对煤矿的安全生产具有重大意义。
【技术实现步骤摘要】
本技术设及煤矿水源识别的
，具体设及一种煤矿突水水源识别系 统。
技术介绍
矿井突水是煤矿开采过程中最具威胁的自然灾害之一，一直是制约我国煤矿可持 续发展的重要难题。据国家煤监局统计数据，近年来全国共发生突水事故756起，死亡3834 人。地下矿井一旦发生突水，轻者淹没井下设备、影响生产作业，重则直接造成人员死亡，导 致矿井关闭。矿井突水水源有老空水、灰岩水、砂岩水、松散层水等水体，如何及时准确地判 断突水成因，查找突水水源，是解决和预防突水灾害的关键问题。 突水水源的方法包括:地下水化学、同位素、水溫、水位动态观测和分析等方法。常 规水源判定需要把现场实际经验和水质分析报告综合研究，通常要求有丰富经验的矿井水 文地质工程师才能胜任，所需时间较长，容易贻误最佳水患防治时期，且易受到人为因素干 扰。由于矿井各水层的水化学成分数据能反映相应水层的本质特征，用水化资料判别水源 具有快速、准确、经济的特点。神经网络属于人工智能范畴，具有自组织、自适应、容错性等 特征，广泛的应用于系统模式识别、分类、预测预报等方面。
技术实现思路
为了解决上述技术问题，本技术提供了一种煤矿突水水源识别系统，利用具 有解决非线性问题的神经网络识别，提高了突水水源判别的快速性和准确性。 为了达到上述目的，本技术的技术方案是:一种煤矿突水水源识别系统，包括 数据输入模块、微处理器、RAM存储器、信息采集模块和LCD显示屏，所述数据输入模块、RAM 存储器、信息采集模块和LCD显示屏均与微处理器相连接，RAM存储器中设有数据库和神经 网络模块。 所述信息采集模块包括信号处理器和放大器，信息采集模块通过数据线与电极检 测器阵列模块相连接。 所述数据输入模块包括数字按键、USB和开关，数据输入模块通过数据总线与微处 理器相连接，微处理器通过I/O数据总线与RAM存储器相连接，信息采集模块通过I/O数据总 线与微处理器相连接，微处理器通过数据总线与LCD显示屏相连接。[000引所述神经网络模块是包括输入层、隐含层和输出层的BP神经网络。 所述电极检测器阵列模块设置在突水点或发生突水位置，电极检测器阵列模块 (6)包括化+离子浓度电极检测器、K+离子浓度电极检测器Xa 2+离子浓度电极检测器、Mg2+离 子浓度电极检测器、Cr离子浓度电极检测器、S〇4 2^离子浓度电极检测器、HC03^离子浓度电 极检测器。 本技术将具有解决非线性问题的神经网络识别程序内置于所开发突水水源 识别系统，使用该系统可W提高突水水源判别的快速性和准确性;通过水质离子浓度检测 器的检测结果，运用训练好的神经网络模型可W准确识别突水类型，并在显示器中显示结 果，且结构简便，具有良好的人机界面;在矿井井下突水位置可W实时判别突水来源，可超 前预测和预警突水，为矿井水害防治争取了时间和提供决策依据，从而避免安全事故的发 生，提高了产量并带来了较大的经济效益，对煤矿的安全生产具有重大意义。【附图说明】 图1为本技术的原理框图。 图2为本技术神经网络模块训练过程的示意图。【具体实施方式】 下面通过附图和实施例具体描述一下本技术。 一种煤矿突水水源识别系统，包括数据输入模块1、微处理器2、RAM存储器3、信息 采集模块7和LCD显示屏8。数据输入模块1、RAM存储器3、信息采集模块7和LCD显示屏8均与 微处理器2相连接，RAM存储器3中设有数据库4和神经网络模块5。 数据输入模块1包括数字按键、USB和开关等部件，数据输入模块1通过数据总线与 微处理器2相连接。微处理器2为整个系统的中央处理器CPU,微处理器2通过I/O数据总线与 RAM存储器3相连接，信息采集模块7通过I/O数据总线与微处理器2相连接，微处理器2通过 数据总线与LCD显示屏8相连接。信息采集模块7包括信号处理器和放大器，信息采集模块7 通过数据线与电极检测器阵列模块6相连接。神经网络模块5是包括输入层、隐含层和输出 层的BP神经网络。如上设置就构成了完整的矿井突水水源识别系统，可W根据突水水源检 测的特征离子浓度值，准确判定突水来源。 首先通过数据输入模块1中的开关启动该系统，数据输入模块1中的数字按键输入 矿井历年来突水水源的水化数据。运些水化数据包括各个离子浓度值W及与之相对应的水 源类型，运些水化数据通常是多组的。数据输入模块1输入的水化数据通过数据总线传输给 微处理器2,微处理器2将读取的水化数据通过I/O数据总线写入RAM存储器3的数据库4中。 历史水化数据输入完毕，则RAM存储器3中的数据库4建立了该矿井水化数据样本库。样本库 越丰富越好，运对于该系统准确识别突水水源的类型有很大的帮助。而后通过数据输入模 块1中的数字按键给微处器理2发出训练神经网络模型的指令，与此同时，微处器理2将RAM 存储器3中包含水化样本的数据库4分为训练样本和仿真样本两部分，其中，训练样本部分 作为神经网络模块5训练使用，而仿真样本部分作为神经网络模型(经神经网络模块5训练 所建立的）的仿真输入使用。由于Robed Hecht-Nielson证明了对于任何在闭区间内的一 个连续函数都可W用一个隐含层的BP神经网络来逼近，因此，在运里神经网络模块5采用是 包括输入层、隐含层和输出层S层的BP神经网络。微处理器2根据训练神经网络模型的指令 调取RAM存储器3中的神经网络模块5,开始训练神经网络模块5中的BP神经网络，B巧申经网 络训练过程如图2所示。 工作信号的正向传播:输入信号从输入层经隐含层，传向输出层，在输出端产生输 出信号，在信号的前向传递过程中网络的权值是固定不变的，每一层神经元的状态只影响 下一层神经元的状态。 误差信号的反向传播:如果网络正向传播的输出层不能得到期望输出，实际输出 和期望输出存在一定误差，则转入误差信号反向传播，采用下式表示均方误差： 孩縣立 i||-琢 j (1) 式中：t和a分别是神经网络的目标值和实际输出值。 通过调整网络参数，使均方误差最小，从而BP网络达到最佳性能。使用最速梯度下 降法更新权值权重和偏置值，调整量与误差的负梯度成正比。[002引式中:W"化)当前第1页1 2 本文档来自技高网...
【技术保护点】
一种煤矿突水水源识别系统，其特征在于，包括数据输入模块（1）、微处理器（2）、RAM存储器（3）、信息采集模块（7）和LCD显示屏（8），所述数据输入模块（1）、RAM存储器（3）、信息采集模块（7）和LCD显示屏（8）均与微处理器（2）相连接，RAM存储器（3）中设有数据库（4）和神经网络模块（5）。
【技术特征摘要】
【专利技术属性】
技术研发人员：徐星，王公忠，郭兵兵，孙光中，田坤云，张惠聚，吴丹，
申请(专利权)人：河南工程学院，
类型：新型
国别省市：河南;41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。