一种基于GA-BP神经网络的采空区线性测温反演方法与流程

技术特征：
1.一种基于ga
‑
bp神经网络的采空区线性测温反演方法，其特征在于，所述采空区的工作面进风巷和回风巷两侧均埋设束管监测系统和光纤测温系统，所述方法包括以下步骤：步骤1、通过所述束管监测系统和光纤测温系统监测采集采空区的温度和其气体浓度数据；步骤2、采用bp神经网络对不同时刻监测数据进行学习分析，根据分析结果判断采空区的煤自燃状态；步骤3、若煤自燃处于温升状态，则启动采空区火源反演模型，反演采空区火源位置。2.根据权利要求1所述的基于ga
‑
bp神经网络的采空区线性测温反演方法，其特征在于，所述火灾发展状态包括温升、稳定、温降三种情况。3.根据权利要求2所述的基于ga
‑
bp神经网络的采空区线性测温反演方法，其特征在于，当采空区处于温升状态时，启动采空区火源反演模型，反演火源的位置，否则返回继续监测。4.根据权利要求1所述的基于ga
‑
bp神经网络的采空区线性测温反演方法，其特征在于，所述监测数据包括监测时间、气体浓度、温度及监测位置坐标。5.根据权利要求1所述的基于ga
‑
bp神经网络的采空区线性测温反演方法，其特征在于，所述采空区火源反演模型的火源反演过程为：步骤3.1、模型构建：建立以采空区温度点最高为目标函数，以进回风巷侧的温度为决策变量，以束管监测点气体浓度、采空区“三带”分布规律、采空区温度场分布规律及漏风流场分布规律为约束条件的采空区火源反演模型；步骤3.2、模型简化：为简化算法的计算复杂度，结合工作面采空区“三带”分步规律，ga算法的初始种群仅计算工作面倾斜方向的位置，以0代表不是火源，1代表是火源，采用单一火源，即每个种群中只有一个有效值1，其余均为0；步骤3.3、模型计算：采用ga算法的全局搜索能力对bp神经网络结果进行优化，计算模型的最优解，即为采空区火源的位置。6.根据权利要求1所述的基于ga
‑
bp神经网络的采空区线性测温反演方法，其特征在于，所述ga算法火源反演模型的求解过程为：步骤3.3.1、算法初始化：依据bp神经网络学习结果，得到优化的初始权值和阈值；随机生成某一个火源，对随机初始化参数进行编码，用适应度值代表优化的目标函数；步骤3.3.2、适应度值计算：适应度值为不同时刻监测的温度值，按照漏风流场规律及温度变化梯度，计算采空区光纤线性监测位置处的适应度值；步骤3.3.3、算法迭代：利用训练样本网络输出和实际输出的误差的不断迭代计算；步骤3.3.4、终止条件判断：终止条件为算法超过设定的迭代步骤，或者计算结果精度满足设定的要求；若适应度值达到设定的水平或触发其他终止条件，则该种群即为火源位置；若适应度值不满足终止条件，则执行步骤3.3.5；步骤3.3.5、种群进化：根据ga算法进行种群的选择、交叉、变异操作。

技术总结
本发明提供了一种基于GA


技术研发人员：司俊鸿 李点尚 程根银 罗孝勇 王攀昊 高波 赵书奇 陈腾飞
受保护的技术使用者：淮南矿业（集团）有限责任公司张集煤矿
技术研发日：2021.10.09
技术公布日：2022/1/4