计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2015年
7期
317-321
,共5页
绝对瓦斯涌出量%非线性系统%预测模型%自适应步长萤火虫群优化%Elman神经网络%动态反馈
絕對瓦斯湧齣量%非線性繫統%預測模型%自適應步長螢火蟲群優化%Elman神經網絡%動態反饋
절대와사용출량%비선성계통%예측모형%자괄응보장형화충군우화%Elman신경망락%동태반궤
absolute gas emission quantity%non-linear system%prediction model%Self-adaptive Step Glowworm Swarm Optimization (ASGSO)%Elman Neural Network (ENN)%dynamic feedback
针对煤矿瓦斯涌出量的多影响因素预测问题,引入荧光因子以自适应调整搜索步长,用于改善基本萤火虫算法后期收敛速度慢及容易陷入局部最优的缺陷.将改进后的自适应步长萤火虫算法与Elman动态反馈神经网络相结合,用于辨识瓦斯涌出非线性系统.通过实时对网络的权值、阈值进行全局寻优,建立基于ASGSO-ENN耦合算法的绝对瓦斯涌出量预测模型.利用矿井监测到的各项历史数据进行实验,结果表明,该模型的预测均方根误差为0.103 4,平均相对变动值为0.000 387.相比于其他工程常用的预测模型,具备更高的预测精度与更强的泛化能力.
針對煤礦瓦斯湧齣量的多影響因素預測問題,引入熒光因子以自適應調整搜索步長,用于改善基本螢火蟲算法後期收斂速度慢及容易陷入跼部最優的缺陷.將改進後的自適應步長螢火蟲算法與Elman動態反饋神經網絡相結閤,用于辨識瓦斯湧齣非線性繫統.通過實時對網絡的權值、閾值進行全跼尋優,建立基于ASGSO-ENN耦閤算法的絕對瓦斯湧齣量預測模型.利用礦井鑑測到的各項歷史數據進行實驗,結果錶明,該模型的預測均方根誤差為0.103 4,平均相對變動值為0.000 387.相比于其他工程常用的預測模型,具備更高的預測精度與更彊的汎化能力.
침대매광와사용출량적다영향인소예측문제,인입형광인자이자괄응조정수색보장,용우개선기본형화충산법후기수렴속도만급용역함입국부최우적결함.장개진후적자괄응보장형화충산법여Elman동태반궤신경망락상결합,용우변식와사용출비선성계통.통과실시대망락적권치、역치진행전국심우,건립기우ASGSO-ENN우합산법적절대와사용출량예측모형.이용광정감측도적각항역사수거진행실험,결과표명,해모형적예측균방근오차위0.103 4,평균상대변동치위0.000 387.상비우기타공정상용적예측모형,구비경고적예측정도여경강적범화능력.
