针对煤矿自然发火的预测问题,在指标气体分析法的基础上,构建BP神经网络,选取CH4/CO、O2/CO2这2组指标气体浓度比作为网络的输入以降低通风条件的影响,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43次训练后,误差达到预设的范围(

为了研究煤在氧化升温过程中CO、CO2、CH4、C2H6、C2H4等气体对温度的反馈作用,并通过各气体的数据准确预测煤自燃的温度。以赵楼煤矿为背景,采集部分煤样,放入煤自然发火实验炉中,通过数控程序系统,模拟煤自然发火时的漏风强度和供氧量,收集指标气体和温度等相关数据。采用气体成分分析法和神经网络算法建立BP神经网络预测模型,选取CO、CO2、CH4、C2H6、C2H4气体浓度作为神经网络的输入层,煤温作为输出层,设置8个隐含层神经元对煤自燃情况进行预测。结果表明:经过训练后,预测温度与实际温度