基于LLE-FOA-BP模型的煤与瓦斯突出强度预测
隆能增1
袁梅2
敖选俊3
李鑫灵1
张平1
1.贵州大学矿业学院,贵州贵阳,5500252.贵州大学矿业学院,贵州贵阳550025;贵州省非金属矿产资源综合利用重点实验室,贵州贵阳 550025;贵州省优势矿产资源高效利用工程实验室,贵州贵阳 550025;复杂地质矿山开采安全技术工程中心,贵州贵阳 5500253.贵州中纸投资有限公司,贵州盘州,553537
摘要：针对目前煤与瓦斯突出强度预测精度低、稳定性差及训练速度慢等问题,提出了一种基于局部线性嵌入法-果蝇优化算法-BP神经网络(LLE-FOA-BP)模型的煤与瓦斯突出强度预测方法.借助LLE算法的非线性数据特征提取优势,提取煤与瓦斯突出影响因素原始数据的本质特征,形成重构有效因子,降低数据间的冗余信息及噪声;利用FOA算法较强的全局寻优能力优化BP神经网络的权值和阈值,避免陷入局部极小,提高参数寻优效率;将重构有效因子输入优化后的BP神经网络进行训练,实现煤与瓦斯突出强度快速、准确预测.测试结果表明,LLE-FOA-BP模型的平均相对误差为8.06％,相对误差的方差为3.69,经过24次迭代训练就达到108的训练精度,能够在保证预测精度的基础上,提高鲁棒性和学习效率.
关键词：煤与瓦斯突出强度预测局部线性嵌入果蝇算法BP神经网络大数据处理
分类号：TD713(矿山安全与劳动保护)
论文发表日期：2019-01-01
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( 68-73 )
英文信息