山东科技大学学报（自然科学版）
山東科技大學學報（自然科學版）
산동과기대학학보（자연과학판）
JOURNAL OF SHANDONG UNIVERSITY OF SCIENCE AND TECHNOLOGY(NATURAL SCIENCE)
2014年
6期
69-75
,共7页
煤与瓦斯突出%危险性预测%量子免疫遗传算法%平均影响值%QIGA-BP模型
煤與瓦斯突齣%危險性預測%量子免疫遺傳算法%平均影響值%QIGA-BP模型
매여와사돌출%위험성예측%양자면역유전산법%평균영향치%QIGA-BP모형
为了用BP神经网络更准确地预测煤与瓦斯突出危险性,将免疫算法中基于繁殖概率的抗体多样性保持机制引入量子遗传算法(QGA),提出量子免疫遗传算法(QIGA)优化神经网络模型QIGA-BP.模型采用QIGA分别对神经网络的隐含层和连接权值进行全局寻优,以此提高BP网络的搜索效率和泛化能力.以平均影响值分析法筛选的煤与瓦斯突出显著变量作为BP网络的最佳输入参数,分别用QIGA-BP,QGA-BP,免疫遗传优化BP模型和传统BP模型对突出煤层工作面的实例数据进行预测.结果表明,QIGA在BP网络优化过程中具有更好的优化性能,用QIGA-BP模型预测工作面突出危险性具有更好的预测能力和更高的预测准确率.
為瞭用BP神經網絡更準確地預測煤與瓦斯突齣危險性,將免疫算法中基于繁殖概率的抗體多樣性保持機製引入量子遺傳算法(QGA),提齣量子免疫遺傳算法(QIGA)優化神經網絡模型QIGA-BP.模型採用QIGA分彆對神經網絡的隱含層和連接權值進行全跼尋優,以此提高BP網絡的搜索效率和汎化能力.以平均影響值分析法篩選的煤與瓦斯突齣顯著變量作為BP網絡的最佳輸入參數,分彆用QIGA-BP,QGA-BP,免疫遺傳優化BP模型和傳統BP模型對突齣煤層工作麵的實例數據進行預測.結果錶明,QIGA在BP網絡優化過程中具有更好的優化性能,用QIGA-BP模型預測工作麵突齣危險性具有更好的預測能力和更高的預測準確率.
위료용BP신경망락경준학지예측매여와사돌출위험성,장면역산법중기우번식개솔적항체다양성보지궤제인입양자유전산법(QGA),제출양자면역유전산법(QIGA)우화신경망락모형QIGA-BP.모형채용QIGA분별대신경망락적은함층화련접권치진행전국심우,이차제고BP망락적수색효솔화범화능력.이평균영향치분석법사선적매여와사돌출현저변량작위BP망락적최가수입삼수,분별용QIGA-BP,QGA-BP,면역유전우화BP모형화전통BP모형대돌출매층공작면적실례수거진행예측.결과표명,QIGA재BP망락우화과정중구유경호적우화성능,용QIGA-BP모형예측공작면돌출위험성구유경호적예측능력화경고적예측준학솔.
