计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2014年
11期
3348-3352
,共5页
王雨虹%付华%侯福营%张洋
王雨虹%付華%侯福營%張洋
왕우홍%부화%후복영%장양
混沌免疫粒子群优化%广义回归神经网络%回采工作面%瓦斯涌出量
混沌免疫粒子群優化%廣義迴歸神經網絡%迴採工作麵%瓦斯湧齣量
혼돈면역입자군우화%엄의회귀신경망락%회채공작면%와사용출량
Chaos Immune Particle Swarm Optimization (CIPSO)%General Regression Neural Network (GRNN)%working face%gas emission quantity
为提高回采工作面绝对瓦斯涌出量预测的精度和效率,提出了将混沌免疫粒子群优化(CIPSO)算法与广义回归神经网络(GRNN)相耦合的绝对瓦斯涌出量预测模型.该方法采用CIPSO对GRNN的光滑因子进行动态优化调整,减少了人为因素对GRNN网络输出结果的影响,并采用优化后的网络建立瓦斯涌出量预测模型.通过对某煤矿瓦斯涌出量数据的仿真实验结果表明:基于CIPSO-GRNN的回采工作面绝对瓦斯涌出量模型比BP神经网络、Elman网络预测模型具有更好的预测精度和收敛速度,证明了该方法的有效性和可行性.
為提高迴採工作麵絕對瓦斯湧齣量預測的精度和效率,提齣瞭將混沌免疫粒子群優化(CIPSO)算法與廣義迴歸神經網絡(GRNN)相耦閤的絕對瓦斯湧齣量預測模型.該方法採用CIPSO對GRNN的光滑因子進行動態優化調整,減少瞭人為因素對GRNN網絡輸齣結果的影響,併採用優化後的網絡建立瓦斯湧齣量預測模型.通過對某煤礦瓦斯湧齣量數據的倣真實驗結果錶明:基于CIPSO-GRNN的迴採工作麵絕對瓦斯湧齣量模型比BP神經網絡、Elman網絡預測模型具有更好的預測精度和收斂速度,證明瞭該方法的有效性和可行性.
위제고회채공작면절대와사용출량예측적정도화효솔,제출료장혼돈면역입자군우화(CIPSO)산법여엄의회귀신경망락(GRNN)상우합적절대와사용출량예측모형.해방법채용CIPSO대GRNN적광활인자진행동태우화조정,감소료인위인소대GRNN망락수출결과적영향,병채용우화후적망락건립와사용출량예측모형.통과대모매광와사용출량수거적방진실험결과표명:기우CIPSO-GRNN적회채공작면절대와사용출량모형비BP신경망락、Elman망락예측모형구유경호적예측정도화수렴속도,증명료해방법적유효성화가행성.
