基于神经网络和Dempster-Shafter信息融合的煤岩界面预测
梁义维
熊诗波
1.太原理工大学,机械工程学院,山西,太原,0300242.太原理工大学,机械工程学院,山西,太原,030024
摘要：针对煤岩界面识别精度无法满足采煤机自动调高的情况,提出采用神经网络融合工作面的三边信息,使用D-S证据理论再将此信息和不断获得的煤岩界面识别信息进行二次融合,从而实现在线融合和在线预测,不断提高预测精度.仿真结果显示:该方法不仅对地质条件好的工作面有效,而且对断层也有一定的适应性;同时,具有优良的容错性.
关键词：煤岩界面神经网络D-S理论预测
分类号：TD421.61(矿山机械)TP183(自动化基础理论)
资助基金：国家自然科学基金(59975064)
论文发表日期：2003-01-01
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：5( 86-90 )
英文信息