锚杆支护煤巷顶板稳定性的分区、分段动态评价方法技术

本发明专利技术公开锚杆支护煤巷顶板稳定性的分区、分段动态评价方法，步骤如下：获取影响锚杆支护煤巷顶板稳定性的影响因素的原始数据；对原始数据进行预处理；通过引入附加动量项形成改进型BP神经网络；对改进型BP神经网络进行训练；利用BP神经网络测试锚杆支护煤巷顶板的稳定性；根据输出结果绘制锚杆支护煤巷顶板稳定性等值线图；根据得出的锚杆支护煤巷顶板稳定性等值线图设计锚杆支护煤巷顶板的控制方案，实现分区、分段锚杆支护煤巷顶板稳定性控制；实施了锚杆支护煤巷顶板的控制方案后，持续监测其影响因素的实时数据，利用BP神经网络测试锚杆支护煤巷顶板的实时稳定性，当实时的稳定性等值线图与实施措施不对应时，调整控制方案，实现动态控制。

【技术实现步骤摘要】
锚杆支护煤巷顶板稳定性的分区、分段动态评价方法
本申请涉及锚杆支护煤巷顶板稳定性测试领域，尤其涉及锚杆支护煤巷顶板稳定性的分区、分段动态评价方法。
技术介绍
我国自1956年开始将锚杆应用于煤矿巷道，经过数次技术攻关，目前，锚杆支护已成为煤矿巷道主要支护结构。大型现代化矿区，95％以上的煤巷都采用锚杆支护，与传统支护方式相比，锚杆支护技术在控制煤巷围岩变形方面具有显著的技术经济优越性，然而，矿区各生产矿井的锚杆支护也存在两个突出问题，一方面，锚杆支护设计过于保守；另一方面，锚杆支护煤巷顶板事故也经常发生，成为锚杆支护技术在煤巷中大范围推广应用的制约因素。究其原因，煤系地层赋存条件十分复杂，不同巷道、同一巷道不同位置煤巷顶板稳定性均存在差异。而且，与岩层顶板相比，煤层更为软弱，随着时间的推移，煤巷顶板稳定性时刻处于动态变化过程。若将整条巷道稳定性只划为某一稳定类型，进行锚杆支护设计，显然是不合理的。因此，对锚杆支护煤巷顶板稳定性合理分类，分区、分段动态控制是矿区高产、高效、安全生产的现实需要。
技术实现思路
本专利技术针对煤矿巷道不能进行分区、分段动态控制的问题作出改进，提供锚杆支护煤巷顶板稳定性的分区、分段动态评价方法，包括如下步骤：S1：获取影响锚杆支护煤巷顶板稳定性的影响因素的原始数据；S2：对影响因素的原始数据进行预处理，形成训练集；S3：建立基础BP神经网络，并通过引入附加动量项对基础BP神经网络进行改进，形成改进型BP神经网络；S4：输入训练集对改进型BP神经网络进行训练，当改进型BP神经网络的输出结果达到设定的误差精度时训练完成；S5：利用完成了训练的BP神经网络测试锚杆支护的稳定性，输入经过预处理的影响因素的数值得到输出结果；S6：根据S5得到的输出结果绘制锚杆支护煤巷顶板稳定性等值线图；S7：根据S6得出的锚杆支护煤巷顶板稳定性等值线图设计锚杆支护煤巷顶板的控制方案，实现分区、分段锚杆支护煤巷顶板稳定性控制；S8：按照步骤S7的控制方案实施了锚杆支护后，持续监测其影响因素的实时数据，重复步骤S5和步骤S6得出实时的锚杆支护煤巷顶板稳定性等值线图，当与实施的不一致时，调整控制方案，实现动态控制。作为上述锚杆支护煤巷顶板稳定性的分区、分段动态评价方法的一种改进，改进型BP神经网络是在基础BP神经网络中加入动量项，改进型BP神经网络的BP权值算法的调节公式为：其中，η为学习因子；t为学习次数；α为势态因子，它决定上次学习的权值变化对本次权值更新的影响程度；E为样本输出误差；wij为节点i和j之间的权值；作为上述锚杆支护煤巷顶板稳定性的分区、分段动态评价方法的一种改进，影响因素的数量为6个，分别为离锚杆支护顶板表面距离最近的单层厚岩层的厚度D、单层厚岩层单轴抗压强度σc、单层厚岩层距锚杆支护顶板表面的距离L、反映采动影响的指标直接顶厚度与采高的比值N、巷道跨度B和巷道埋深H。作为上述锚杆支护煤巷顶板稳定性的分区、分段动态评价方法的一种改进，改进型BP神经网络包括输入层、隐含层和输出层，输入层节点数为6个，输出层的节点数为4个。作为上述锚杆支护煤巷顶板稳定性的分区、分段动态评价方法的一种改进，输出层节点数为4个，其分别对应锚杆支护煤巷顶板稳定性的4个等级，定义为：作为上述锚杆支护煤巷顶板稳定性的分区、分段动态评价方法的一种改进，中间层的层数为1层，包括20个节点。作为上述锚杆支护煤巷顶板稳定性的分区、分段动态评价方法的一种改进，步骤S2中预处理包括：S21：对影响因素的原始数据进行无量纲化处理，计算公式为：式中：X′—无量纲化后的原始数据；C—原始数据的平均值和标准差；X—原始数据。S22：将步骤S21形成的数据压缩到[0，1]闭区间，计算公式为：式中：X′—无量纲化后的原始数据；C—原始数据的平均值和标准差；X—原始数据。作为上述锚杆支护煤巷顶板稳定性的分区、分段动态评价方法的一种改进，改进型BP神经网络利用MATLAB进行设计并使用。作为上述锚杆支护煤巷顶板稳定性的分区、分段动态评价方法的一种改进，运用surfer软件绘制锚杆支护煤巷顶板稳定性等值线图。与现有技术相比，本专利技术具有如下优点：本专利技术提供了锚杆支护煤巷顶板稳定性的分区、分段动态评价方法，使用该方法可测得不同位置的锚杆支护顶板的具体稳定性，进而在施工中，可针对不同的支护需求制定不同的锚杆支护方案，实现分区、分段动态控制。【附图说明】为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。图1为本申请锚杆支护煤巷顶板稳定性的分区、分段动态评价方法的流程图；图2为本申请锚杆支护煤巷顶板稳定性的分区、分段动态评价方法的结构示意图；图3为本申请锚杆支护煤巷顶板稳定性的分区、分段动态评价方法的输出结果与目标结果的对比图；图4为本申请锚杆支护煤巷顶板稳定性的分区、分段动态评价方法利用MATLAB进行设计的操作界面；图5为本申请锚杆支护煤巷顶板稳定性的分区、分段动态评价方法的等值线图。【具体实施方式】为了使本申请所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。如图1-2所示的锚杆支护煤巷顶板稳定性的分区、分段动态评价方法,包括如下步骤：S1：获取影响锚杆支护煤巷顶板稳定性的影响因素的原始数据；具体地，影响因素包括六项，分别为离锚杆支护顶板表面距离最近的单层厚岩层的厚度D、单层厚岩层单轴抗压强度σc、单层厚岩层距锚杆支护顶板表面的距离L、反映采动影响的指标直接顶厚度与采高的比值N、巷道跨度B和巷道埋深H；S2：对影响因素的原始数据进行预处理，形成训练集；具体地，步骤S2中的预处理包括：S21：对影响因素的原始数据进行无量纲化处理，计算公式为：式中：X′—无量纲化后的原始数据；C—原始数据的平均值和标准差；X—原始数据。S22：将步骤S21形成的数据压缩到[0，1]闭区间，计算公式为：式中：X′—无量纲化后的原始数据；C—原始数据的平均值和标准差；X—原始数据；上述对六项影响因素的原始数据进行了预处理，消除六项影响因素的量纲及绝对值大小之间差别对分类的影响；S3：建立基础BP神经网络，并通过引入附加动量项对基础BP神经网络进行改进，形成改进型BP神经网络；具体地，改进型BP神经网络包括输入层、隐含层和输出层；输入层节点数为6个，输出层的节点数为4个，输入层的6个节点与六项影响因素一一对应；中间层的层数为1层，包括20个节点；具体地，改进型BP神经网络是在基础BP神经网络中加入动量项，改进型BP神经网络的BP权值算法的调节公式为：<本文档来自技高网...

【技术保护点】
1.锚杆支护煤巷顶板稳定性的分区、分段动态评价方法，其特征在于，包括如下步骤：/nS1：获取影响锚杆支护煤巷顶板稳定性的影响因素的原始数据；/nS2：对影响因素的原始数据进行预处理，形成训练集；/nS3：建立基础BP神经网络，并通过引入附加动量项对基础BP神经网络进行改进，形成改进型BP神经网络；/nS4：输入训练集对改进型BP神经网络进行训练，当改进型BP神经网络的输出结果达到设定的误差精度时训练完成；/nS5：利用完成了训练的BP神经网络测试锚杆支护煤巷顶板稳定性，输入经过预处理的影响因素的数值得到输出结果；/nS6：根据S5得到的输出结果绘制锚杆支护煤巷顶板稳定性等值线图；/nS7：根据S6得出的锚杆支护煤巷顶板稳定性等值线图设计锚杆支护煤巷顶板的控制方案，实现分区、分段锚杆支护煤巷顶板稳定性控制；/nS8：按照步骤S7的控制方案实施了锚杆支护后，持续监测其影响因素的实时数据，重复步骤S5和步骤S6得出实时的锚杆支护煤巷顶板稳定性等值线图，当与实施的不一致时，调整控制方案，实现动态控制。/n

【技术特征摘要】
1.锚杆支护煤巷顶板稳定性的分区、分段动态评价方法，其特征在于，包括如下步骤：
S1：获取影响锚杆支护煤巷顶板稳定性的影响因素的原始数据；
S2：对影响因素的原始数据进行预处理，形成训练集；
S3：建立基础BP神经网络，并通过引入附加动量项对基础BP神经网络进行改进，形成改进型BP神经网络；
S4：输入训练集对改进型BP神经网络进行训练，当改进型BP神经网络的输出结果达到设定的误差精度时训练完成；
S5：利用完成了训练的BP神经网络测试锚杆支护煤巷顶板稳定性，输入经过预处理的影响因素的数值得到输出结果；
S6：根据S5得到的输出结果绘制锚杆支护煤巷顶板稳定性等值线图；
S7：根据S6得出的锚杆支护煤巷顶板稳定性等值线图设计锚杆支护煤巷顶板的控制方案，实现分区、分段锚杆支护煤巷顶板稳定性控制；
S8：按照步骤S7的控制方案实施了锚杆支护后，持续监测其影响因素的实时数据，重复步骤S5和步骤S6得出实时的锚杆支护煤巷顶板稳定性等值线图，当与实施的不一致时，调整控制方案，实现动态控制。


2.根据权利要求1所述的锚杆支护煤巷顶板稳定性的分区、分段动态评价方法，其特征在于，改进型BP神经网络是在基础BP神经网络中加入动量项，改进型BP神经网络的BP权值算法的调节公式为：



其中，η为学习因子；t为学习次数；α为势态因子，它决定上次学习的权值变化对本次权值更新的影响程度；E为样本输出误差；wij为节点i和j之间的权值。


3.根据权利要求1所述的锚杆支护煤巷顶板稳定性的分区、分段动态评价方法，其特征在于，影响因素的数量为6个，分别为离锚杆支护顶板表面距离最近的单层厚岩层的厚度D、单层厚岩层单轴抗压强度σc、单层厚岩层距锚杆支护顶板表面的距离L、反映采动影响的指标直接顶厚度...

【专利技术属性】
技术研发人员：朱永建，任恒，王平，李鹏程，王希之，张玉群，李莹莹，梅成成，
申请(专利权)人：湖南科技大学，
类型：发明
国别省市：湖南;43