世界科技研究与发展
世界科技研究與髮展
세계과기연구여발전
WORLD SCI-TECH R & D
2015年
1期
16-20
,共5页
回采工作面%瓦斯涌出量%主成分分析%遗传算法%BP神经网络
迴採工作麵%瓦斯湧齣量%主成分分析%遺傳算法%BP神經網絡
회채공작면%와사용출량%주성분분석%유전산법%BP신경망락
working face%gas emission quantity%principal component analysis%genetic algorithm%BP neural network
为进一步提高回采工作面瓦斯涌出量预测的准确性,建立了主成分分析法(PCA)、遗传算法(GA)、BP神经网络相结合的预测模型.该模型采用主成分分析法降维处理原始输入数据;将主成分分析结果作为BP神经网络的输入,消除冗余信息;然后采用遗传算法优化BP神经网络的初始权值和阈值,有效克服BP神经网络极易陷入局部最优的问题.选取某矿井回采工作面的实测数据进行分析,结果表明,该模型较单一BP神经网络预测精度高,能更有效地实现回采工作面瓦斯涌出量的高准确度预测.
為進一步提高迴採工作麵瓦斯湧齣量預測的準確性,建立瞭主成分分析法(PCA)、遺傳算法(GA)、BP神經網絡相結閤的預測模型.該模型採用主成分分析法降維處理原始輸入數據;將主成分分析結果作為BP神經網絡的輸入,消除冗餘信息;然後採用遺傳算法優化BP神經網絡的初始權值和閾值,有效剋服BP神經網絡極易陷入跼部最優的問題.選取某礦井迴採工作麵的實測數據進行分析,結果錶明,該模型較單一BP神經網絡預測精度高,能更有效地實現迴採工作麵瓦斯湧齣量的高準確度預測.
위진일보제고회채공작면와사용출량예측적준학성,건립료주성분분석법(PCA)、유전산법(GA)、BP신경망락상결합적예측모형.해모형채용주성분분석법강유처리원시수입수거;장주성분분석결과작위BP신경망락적수입,소제용여신식;연후채용유전산법우화BP신경망락적초시권치화역치,유효극복BP신경망락겁역함입국부최우적문제.선취모광정회채공작면적실측수거진행분석,결과표명,해모형교단일BP신경망락예측정도고,능경유효지실현회채공작면와사용출량적고준학도예측.
