基于PCA-SAPSO-BP神经网络的瓦斯涌出量预测研究
刘锋
中煤科工集团沈阳研究院有限公司,辽宁沈阳 110000;煤矿安全技术国家重点实验室,辽宁抚顺113122
摘要：为提高煤矿井下瓦斯涌出量预测效率和准确性,针对瓦斯涌出量影响因素的多重相关性、复杂性问题,提出使用主成分分析法对影响因素进行降维处理,针对BP神经网络收敛速度慢且易陷入局部最优解的问题,引入退火粒子群算法优化BP神经网络的权值和阈值;利用Matlab软件编写并构建了 PCA-SAPSO-BP神经网络耦合算法对瓦斯涌出量进行预测;选取开滦钱家营煤矿瓦斯涌出量及其影响因子数据作为样本,使用BP神经网络模型、PSO-BP模型和SAPSO-BP模型对样本进行预测.结果表明:PCA-SAPSO-BP神经网络模型的预测平均相对误差为 1.06％,PCA-PSO-BP 模型为 2.20％,PCA-BP 模型为 3.00％,SAPSO-BP 模型为 1.61％,PSO-BP模型为2.81％,BP模型为3.98％;预测模型的归一化均方误差为0.002 5,希尔不等系数为0.005 5,平均绝对误差为0.07m3/min,判定系数为0.997 5,证明PCA-SAPSO-BP神经网络模型提高了 BP模型瓦斯涌出量的预测精度.
关键词：瓦斯涌出量预测主成分分析退火粒子群算法BP神经网络Matlab
分类号：TD712(矿山安全与劳动保护)
论文发表日期：2023-04-20
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：9( 60-68 )
英文信息