基于主因子分析的改进BP神经网络瓦斯涌出量预测
周西华
孙家正
1.辽宁工程技术大学 安全科学与工程学院,辽宁 阜新123000;矿山热动力灾害与防治教育部重点实验室,辽宁 阜新1230002.辽宁工程技术大学 安全科学与工程学院,辽宁 阜新123000;矿山热动力灾害与防治教育部重点实验室,辽宁 阜新123000
摘要：为提高回采工作面瓦斯涌出量预测效率和准确率,基于反向BP神经网络,采用主因子分析法对变量进行降维处理;结合遗传算法(GA)和附加动量法,采用遗传算法优化BP神经网络初始权值和阈值,建立基于主因子分析的GA—BP神经网络预测模型,并在权值反向更新过程中引入动量项.选取开滦矿业集团钱家营矿井瓦斯涌出量监测数据作为标签数据与输入数据,对不同网络模型进行了仿真与分析,结果表明:改进的GA—BP神经网络模型在603个时间步长里达到收敛,平均相对误差约为0.58％,预测精度和效率均优于其他神经网络模型,能更有效地实现瓦斯涌出量的准确预测.
关键词：瓦斯涌出量主因子分析BP神经网络遗传算法(GA)动量项
分类号：TD712+.5(矿山安全与劳动保护)X936(安全工程)
资助基金：辽宁省教育厅基金项目(551610001276)辽宁省教育厅基金项目(L2012122)
论文发表日期：2018-01-01
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：6( 43-47,52 )
英文信息