基于MIV-PSO-BPNN的掘进面风温预测方法
程磊1
李正健2
贺智勇3
史浩镕4
王鑫4
1.河南理工大学 安全科学与工程学院,河南 焦作 454000;煤炭安全生产与清洁高效利用省部共建协同创新中心,河南 焦作 4540002.煤炭安全生产与清洁高效利用省部共建协同创新中心,河南 焦作 4540003.河南省科学院,河南 郑州 4500464.河南理工大学 安全科学与工程学院,河南 焦作 454000
摘要：目的 为防治矿井热害,解决矿井掘进面风温预测问题,方法 提出一种MIV算法优化的PSO-BPNN预测模型.通过利用MIV算法确定模型的输入变量,以BP网络建模,使用粒子群优化算法结合BP神经网络实现掘进工作面风流温度的预测,得到预测结果并与BPNN模型、PSO-BPNN模型、SVR模型相比较.结果 结果表明:MIV-PSO-BPNN预测模型的相对误差为-0.47%～1.81%,分别优于PSO-BPNN、BPNN、SVR预测模型的-3.96%～1.93%,-5.54%～2.98%,-2.16%～2.95%,预测模型的误差为-0.1～0.5℃,表明预测值与实测值基本一致;与BPNN预测模型、PSO-BPNN预测模型、SVR预测模型相比,MIV-PSO-BPNN预测模型的预测结果平均绝对误差分别减少65%,54%,50%,均方误差分别减少88%,78%,69%,表明该预测模型的预测效果优于其他3种模型.结论 所提模型适用于矿井掘进工作面风温的预测.
关键词：BP神经网络MIV算法粒子群优化算法风温预测算法优化
分类号：TD727(矿山安全与劳动保护)
资助基金：国家自然科学基金(U1904210)
论文发表日期：2024-12-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 11-17 )
英文信息