| 基于LLE-FOA-BP模型的煤与瓦斯突出强度预测 |
| |
| 引用本文： | 隆能增,袁梅,敖选俊,李鑫灵,张平.基于LLE-FOA-BP模型的煤与瓦斯突出强度预测[J].工矿自动化,2019(10):68-73. |
| |
| 作者姓名： | 隆能增 袁梅 敖选俊 李鑫灵 张平 |
| |
| 作者单位： | 贵州大学矿业学院;贵州省非金属矿产资源综合利用重点实验室;贵州省优势矿产资源高效利用工程实验室;复杂地质矿山开采安全技术工程中心;贵州中纸投资有限公司 |
| |
| 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10~(-8)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 |
Prediction of coal and gas outburst intensity based on LLE-FOA-BP model |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
|
