改进BP算法在煤与瓦斯突出预测中的应用主要为了正确预测煤与瓦斯突出的趋势与危险性，基于反向!"神经网络，笔者提出了一种改进的"网络模型：为了加快!"网络的收敛速度，增强其跳出局部极小点的能力，采用了自适应变步长法和改进模拟退火法（#$法）相结合的方法。实际应用表明，该模型收敛速度快，准确性高，具有较高的可靠性和实用性，是一种十分有效的煤与瓦斯突出危险性预测方法。

通过新安煤田二1煤层煤与瓦斯突出强度进行灰关联分析,确定了影响突出强度优势因素,利用改进的BP算法对新安煤田突出强度进行了预测,结果表明:煤层顶板砂岩厚度是影响煤田突出强度的最主要因素,煤厚、瓦斯压力次之;大型突出主要集中在顶板砂岩厚度大、瓦斯压力高的新安矿西南部小断层密集区、新义矿中部断层密集区、义安矿中部F29断层及其伴生断层附近区域等区域。

针对传统BP神经网络收敛速度慢、易陷入局部极小等问题,采用Matlab神经网络工具箱中的自适应学习率VLBP算法和基于数值优化技术的LMBP算法对传统BP神经网络算法进行改进,并设计了基于改进BP神经网络的煤与瓦斯突出预测系统;分别采用传统BP神经网络模型和改进的BP神经网络模型进行煤与瓦斯突出预测实验,结果表明改进的BP神经网络能够更快、更准确地预测煤与瓦斯突出。

煤与瓦斯突出是复杂的地质灾害之一，其预测受多种因素的影响，例如瓦斯，地应力，物理和力学性质以及复杂的非线性系统，导致预测精度低。 使用非线性BP神经网络进行预测算法设计是一种有利的方案。 但是，传统的BP神经网络算法存在收敛速度慢，容易陷入局部最小值等缺陷。 为了弥补缺陷，有效提高煤与瓦斯突出的预测精度，提出了一种改进的煤与瓦斯突出的BP神经网络预测算法。 采用附加动量来调整网络权重，加快网络收敛速度，进而自适应地调整网络学习速度，减少迭代次数。 最后，对矿井中煤与瓦斯突出的预测进行了模拟。 与