基于灰色关联分析-Elman神经网络的矿井小断层延展长度预测  

Prediction Model of Small Faults Extending Length Based on Grey Correlation Analysis and Elman Neural Network

作　　者：施龙青[1,2] 邱梅[2] 滕超[2] 徐东晶[2] 刘磊[2] 邢同菊 

机构地区：[1]山东省沉积成矿作用与沉积矿产重点实验室,山东青岛266590 [2]山东科技大学地质科学与工程学院,山东青岛266590

出　　处：《煤矿安全》2014年第11期214-217,共4页Safety in Coal Mines

基　　金：教育部高等学校博士学科点专项科研基金资助项目(20133718110004);青岛经济技术开发区重点科技发展计划资助项目(2013-1-62);山东省自然科学基金重点资助项目(ZR2011EEZ002);山东科技大学科研创新团队支持计划资助项目(2012KYTD101)

摘　　要：阐述了矿井小断层走向延展长度预测Elman神经网络模型的构建、训练及模拟方法,结合实测样本数据,利用灰色关联分析法分析了小断层走向延展长度与断层落差、走向、倾角及倾向等影响因素的相关性,确定了小断层走向延展长度的预测参数,并运用matlab软件建立了基于Elman神经网络的矿井小断层走向延展长度预测模型。实际应用表明,该模型的预测精度较高,比较符合实际情况。The article elaborates the building, training and simulation method of Elman neural network for predicting the horizontal ex- tending length of small faults in coal seam. Based on grey correlation analysis of the influence factors, we select four predictive parame- ters including the fault throw, fault strike, fauh dip and dip direction. Combined with the typical sample data, we use Matlab software to construct a new network prediction model of small faults extending length prediction, and practical application is given to illuminate the feasibility of the modules.

关 键 词：小断层 延展长度 灰色关联分析 ELMAN神经网络 

分 类 号：TD163.1[矿业工程—矿山地质测量]