基于BES-RBF神经网络的矿山重大灾害风险预警方法
姜进成1
刘业献1
曹怀轩2
张浩2
范鹏3
1.山东能源集团有限公司,济南 2501042.云鼎科技股份有限公司,济南 2500003.兖矿能源集团兴隆庄煤矿,山东 济宁 272102
摘要：针对对矿山潜在安全隐患发现不及时导致的应急响应滞后、风险和损失增加等问题,提出基于BES-RBF神经网络的矿山重大灾害风险预警方法,采用核主成分分析(Kernel Principal Component Analysis,KPCA)在复杂的矿山数据中提取出与矿山灾害相关的特征,选取径向基函数(Radial Basis Function,RBF)神经网络作为矿山重大灾害风险预警模型,并通过秃鹰搜索(Bald Eagle Search,BES)算法优化网络参数值,搭建最优网络模型,将提取到的特征作为训练后网络的输入值,输出矿山灾害相对风险值,划分相对风险值为不同灾害风险等级,实现矿山重大灾害风险预警.实验结果表明,所提方法KS值较高且CPU占用率和内存占用率较低.
关键词：矿山重大灾害核主成分分析秃鹰搜索算法径向基函数神经网络风险预警
分类号：TD804(矿山开采)
论文发表日期：2025-12-30
在线出版日期：2025-12-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 180-186 )
英文信息