|
|
|
| Application of neural network in predicting the number of mine accidents |
| Bai Yanlong1, Chen Yu1, Bai Changjiang1, Liang Jianming2,#br#
Xi Long1, Xue Yubi1, Peng Jiajia1, Wang Xin1 |
1. ChengJiao Mine, Zhenglong Coal Industry, Shangqiu 476600, China;
2. China University of Mining and Technology (Beijing), Beijing 100083, China |
|
|
|
|
Abstract Improving the prediction accuracy of coal mine accidents can effectively support the prevention of coal mine accidents. In order to identify the occurrence raw of the coal mine accidents, the number of coal mine accidents from 2000 to 2018 was taken as a sample. The data set was constructed by forecasting the data of the next year with the data of every three years. Therefore, a total of 16 groups of data were obtained. Then the 16 groups of data were divided into the training group and the test group. The BP neural network improved by genetic algorithm (GA-BP) and wavelet neural network were used to establish the prediction model respectively. The prediction results of the two methods were analyzed. The results showed that the predicted result of GA-BP neural network was closer to the actual value. Therefore, the prediction model constructed by GA-BP was used to predict the number of coal mine accidents in 2019 and 2020, which were 199 and 176.
|
|
|
|
|
|
| [ 1 ] 吴金刚，毛俊睿，柴 沛. 2000-2017年我国煤矿重特大水灾事故规律分析[ J ]. 煤矿安全，2019，50（ 10 ）：239 - 242.
[ 2 ] 兰建义，乔美英，周 英. 煤矿事故预测的马尔可夫SCGM（1，1）_c模型的建立与应用[ J ]. 安全与环境学报，2016，16（ 5 ）：6 - 9.
[ 3 ] 李贤功，万 猛，周 晶，等. 我国煤矿事故死亡人数组合预测及行业比较[ J ]. 矿业安全与环保， 2015，42（ 4 ）：109 - 112.
[ 4 ] 武晓旭，龚孔成，贾明涛. 煤矿事故预测的指数平滑-BP神经网络混合模型研究[ J ]. 中国安全生产科学技术，2014，10（ 9 ）：165 - 169.
[ 5 ] 栗 婧，宋天宝，王亚然. 基于改进无偏灰色马尔科夫模型的煤矿事故死亡人数预测[ J ]. 煤炭技术，2017，36（ 8 ）：318 - 320.
[ 6 ] 李红霞，车丹丹，李 琰. 基于无偏灰色马尔科夫模型的煤矿事故死亡人数预测[ J ]. 煤矿安全，2016，47（ 1 ）：224 - 226.
[ 7 ] 王玉丽，袁 梅，李 闯，等. 基于Time Series-Markov模型的煤矿瓦斯事故起数预测[ J ]. 中国矿业，2017，26（ 12 ）：179 - 183.
[ 8 ] 李 闯，袁 梅，王玉丽，等. 基于GMM模型的煤矿事故致死人数预测[ J ]. 工业安全与环保，2017，43（ 8 ）：9 - 12.
[ 9 ] 张聪慧，杨 明. 贝叶斯动态模型在煤矿事故预测中的应用研究[ J ]. 中国安全生产科学技术，2014，10（ S1 ）：254 - 258.
[ 10 ] 周荣义，钟 岸，任竞舟，等. 基于主成分分析和神经网络的事故预测方法及应用[ J ]. 中国安全科学学报，2013，23（ 7 ）：55 - 60.
[ 11 ] 张 力，李江生，李建龙，等. 基于神经网络的除尘器故障诊断[ J ]. 矿业安全与环保， 2020，47（ 1 ）：89 - 94.
[ 12 ] 吴俊学. 基于PSO-EO算法优化的BP神经网络研究[ J ]. 科
学技术与工程，2010，10（ 24 ）：6 047 - 6 049.
[ 13 ] 王小川，史 峰，郁 磊，等. MATLAB神经网络43个案
例分析[ M ]. 北京：北京航空航天大学出版社，2020.
[ 14 ] 章雅楠，孙建平. 基于小波神经网络的PM2.5浓度预测模型[ J ]. 电力科学与工程， 2020，36（ 1 ）：55 - 61. |
|
|
|
