绿色科技
綠色科技
록색과기
LVSE DASHIJIU
2014年
10期
240-242
,共3页
矿井涌水量%BP神经网络%新集二矿%训练%预测
礦井湧水量%BP神經網絡%新集二礦%訓練%預測
광정용수량%BP신경망락%신집이광%훈련%예측
water inflow%BP network%Xinji No .2 coal mine%train%predict
指出了矿井涌水量预测问题受到多种因素的共同影响，具有非线性和高度复杂性。分析了利用BP神经网络预测矿井涌水量的可行性，首先收集了淮南新集二矿2009年12个月份的涌水量数据，然后通过这些数据对已经构建好的神经网络进行训练并用训练后的结果对该年11月和12月的矿井涌水量进行了预测，最后用预测结果同实际值进行了比较。结果表明：该模型收敛性能良好，预测精度高，可操作性强。
指齣瞭礦井湧水量預測問題受到多種因素的共同影響，具有非線性和高度複雜性。分析瞭利用BP神經網絡預測礦井湧水量的可行性，首先收集瞭淮南新集二礦2009年12箇月份的湧水量數據，然後通過這些數據對已經構建好的神經網絡進行訓練併用訓練後的結果對該年11月和12月的礦井湧水量進行瞭預測，最後用預測結果同實際值進行瞭比較。結果錶明：該模型收斂性能良好，預測精度高，可操作性彊。
지출료광정용수량예측문제수도다충인소적공동영향，구유비선성화고도복잡성。분석료이용BP신경망락예측광정용수량적가행성，수선수집료회남신집이광2009년12개월빈적용수량수거，연후통과저사수거대이경구건호적신경망락진행훈련병용훈련후적결과대해년11월화12월적광정용수량진행료예측，최후용예측결과동실제치진행료비교。결과표명：해모형수렴성능량호，예측정도고，가조작성강。
The forecast of mine inflow is affected by many factors ,which possesses the character of nonlinearity and highly complexity .This article analyzes the feasibility of using a BP network to forecast the mine inflow .Firstly ,the article collects the water inflow data of Huainan Xinji No .2 coal mine for each month in 2009 ,then the constructed neural network has been trained with the data and the mine inflow has been predicted by the trained results .Finally , the article makes a comparison of the predicted value and the actual value .The results show that this model has good performance in convergence ,high precision and strong operability .
