矿井风网雅可比矩阵对称特性及并行求解模型

为了提高矿井通风网络解算软件的可靠性和求解大型风网时的性能,研究了通风网络雅可比矩阵的对称特性,引入并行计算方法求雅可比矩阵与回路风量修正值。分析了牛顿法求解矿井通风网络的原理,发现并证明了通风网络雅可比矩阵的对称特性,提出用WTHXLDLWTBZT分解法求解回路风量修正值以有效减少每次迭代的时间。根据多CPU计算机的特点,研究了通风网络雅可比矩阵以及回路风量修正值方程组的并行求解模型。采用VC语言的多线程开发技术实现了通风网络的并行求解,通过两个算例验证了本模型的正确性与高效性。     

基于GA-BP神经网络的淋水井筒风温预测模型

矿井进风井筒井底风温是井下风流热计算的重要节点。为准确预测淋水井筒风温，利用皮尔逊相关系数分析与遗传算法（GA）优化BP神经网络相结合的预测模型。借助皮尔逊相关系数分析筛选其中3个主要特征变量作为BP神经网络的输入变量，利用GA优化BP神经网络的权值和阈值，并与标准BP神经网络预测模型进行比较。研究结果表明，全部特征变量与特征变量筛选输入的标准BP神经网络预测模型的预测结果的平均绝对百分比误差分别为1.25%和2.33%,GA优化BP神经网络预测模型的预测结果的平均绝对百分比误差分别为0.97%和2.21%,GA-BP神经网络预测模型预测精度高于标准BP神经网络预测模型，基于特征变量筛选的预测模型既保持了较高的预测精度，又提高了预测效率。